Click here to load reader

Jaringan Syaraf Tiruan

  • View
    232

  • Download
    2

Embed Size (px)

Text of Jaringan Syaraf Tiruan

  • Jaringan Syaraf Tiruan

    Disusun Guna Memenuhi Tugas Kecerdasan Buatan

    Oleh :

    Dewi Mayasari (11305141032)

    Lia Listyana (11305144026)

    FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

    UNIVERSITAS NEGERI YOGYAKARTA

    2014

  • PENDAHULUAN

    Kecerdasan buatan dapat memungkinkan komputer untuk

    berpikir. Dengan cara menyederhanakan program, kecerdasan buatan dapat

    menirukan proses belajar manusia sehingga informasi baru dapat diserap dan

    digunakan sebagai acuan untuk menyelesaikan masalah-masalah yang akan

    terjadi. Salah satu teknik dalam kecerdasan buatan yang banyak digunakan adalah

    Jaringan Syaraf Tiruan. Seperti namanya, Jaringan Syaraf Tiruan (JST) adalah

    tiruan dari jaringan syaraf manusia. Yang ditiru tentu saja adalah cara kerjanya,

    yaitu menyampaikan input melalui neuron-neuron yang membentuk jaringan

    untuk akhirnya disampaikan menjadi output. Berikut akan dijelaskan lebih

    mendalam tentang JST yang telah banyak diaplikasikan untuk menyelesaikan

    persoalan dalam kehidupan nyata.

  • PEMBAHASAN

    A. Pengertian

    Jaringan saraf tiruan (JST) (Bahasa Inggris: artificial neural network

    (ANN), atau juga disebut simulated neural network (SNN), atau umumnya hanya

    disebut neural network (NN)), adalah jaringan dari sekelompok unit pemroses

    kecil yang dimodelkan berdasarkan jaringan saraf manusia / jaringan saraf

    biologis (JSB). JST dapat digunakan untuk memodelkan hubungan yang

    kompleks antara input dan output untuk menemukan pola-pola pada data.

    Jaringan saraf tiruan telah dikembangkan sebagai turunan model

    matematika dari kesadaran manusia atau saraf biologis, karena berdasar pada

    asumsi bahwa :

    Pemrosesan informasi terjadi pada beberapa elemen sederhana yang

    disebut neuron.

    Sinyal lewat diantara neuron menciptakan jaringan koneksi.

    Setiap koneksi penghubung memiliki bobot yang terhubung, yang

    dalam jaringan saraf tertentu mengalikan sinyal yang ditransmisikan.

    Setiap neuron mempunyai fungsi aktrivasi (biasanya non linier) pada

    jaringan inputnya (jumlah dari bobot sinyal input) untuk menentukan

    sinyal outputnya.

    Karakteristik dari jaringan saraf tiruan adalah :

    Pola hubungan antar neuron ( yang menjadi arsitekturnya).

    Metode penentuan bobot dalam koneksi (disebut sebagai proses

    latihan, pembelajaran, atau Algoritma ).

    Fungsi aktivasi.

    B. Struktur Jaringan Syaraf Tiruan

    Struktur dasar jaringan syaraf biologis dan jaringan syaraf tiruan dapat

    dilihat pada gambar berikut

  • Model Neuron JST

    Y1 = X1.W1 + X2.W2 + X3.W3; dst

    Analogi JST dengan JSB dapat dilihat dari tabel berikut

    JST JS Biologis

    Node Badan Sel (Soma)

    Input Dendrit

    Output Akson

    Bobot

    informasi yang digunakan oleh

    jaringan untuk menyelesaikan

    persoalan

    Sinapsis

    aksi pada proses kimia

    X1

    X2

    X3

    Y1

    Y2

    Y3

    W1

    W2

    W3

    Fungsi aktivasi

    Masukkan Keluaran

    )(;1

    zHyxwzn

    i

    ii

  • Komponen Jaringan Syaraf

    Seperti halnya otak manusia, jaringan saraf juga terdiri dari beberapa

    neuron, dan ada hubungan antara neuronneuron tersebut.

    Neuronneuron tersebut akan mentransformasikan informasi yang

    diterima melalui sambungan keluarnya menuju ke neuronneuron yang

    lain.

    Pada jaringan saraf, hubungan ini dikenal dengan nama bobot.

    Informasi tersebut disimpan pada nilai tertentu pada bobot tersebut.

    Struktur Neuron Jaringan Syaraf

    Input : x1,x2,x3,xn adalah sinyal yg masuk ke sel syaraf

    Bobot (weight) : w1,w2,w3,wn adalah faktor bobot yang berhubungan

    dengan masing-masing node.

    Threshold : Nilai ambang internal dari node, dimana besarnya offset

    yang mempengaruhi aktivasi dari output node y.

    Fungsi aktivasi : Merupakan operasi matematik yang dikenakan pada

    sinyal output y. Ada beberapa fungsi aktivasi yang biasa dipakai dalam

    JST tergantung dari masalah yang akan diselesaikan.

    C. Cara Kerja Jaringan Syaraf Tiruan

    Cara kerja jaringan syaraf tiruan adalah sebagai berikut :

    Informasi (disebut: input) akan dikirim neuron dengan bobot

    kedatangan tertentu.

  • Input ini akan diproses suatu fungsi perambatan yang akan

    menjumlahkan nilainilai semua bobot yang datang.

    Hasil penjumlahan ini kemudian akan dibandingkan dengan suatu

    nilai ambang (threshold) tertentu melalui fungsi aktivasi setiap

    neuron.

    Apabila input tersebut melewati suatu nilai ambang tertentu, maka

    neuron tersebut akan diaktifkan, tetapi kalau tidak, neuron tersebut

    tidak akan diaktifkan.

    Apabila neuron tersebut diaktifkan, maka neuron tersebut akan

    mengirimkan output melalui bobotbobot outputnya ke semua

    neuron yang berhubungan dengannya.

    Neuron Layer

    Pada jaringan saraf, neuronneuron akan dikumpulkan dalam

    lapisanlapisan (layer) yang disebut dengan lapisan neuron

    (neuron layers).

    Biasanya neuronneuron pada satu lapisan akan dihubungkan

    dengan lapisanlapisan sebelum dan sesudahnya (kecuali lapisan

    input dan lapisan output).

    Informasi yang diberikan pada jaringan saraf akan dirambatkan dari

    lapisan ke lapisan, mulai dari lapisan input sampai ke lapisan

    output melalui lapisan yang lainnya, yang sering dikenal dengan

    nama lapisan tersembunyi (hidden layer).

    Umumnya neuron-neuron yang terletak pada lapisan yang sama

    akan memiliki keadaan yang sama sehingga pada setiap lapisan

    yang sama neuron-neuron memiliki fungsi aktivasi yang sama.

    Bila neuron-neuron pada suatu lapisan (misal lapisan tersembunyi)

    akan dihubungkan dengan neuron-neuron pada lapisan lain (misal

    lapisan output) maka setiap neuron pada lapisan tersebut (lapisan

    tersembunyi) juga harus dihubungkan dengan setiap neuron pada

    lapisan lainnya (lapisan output)

  • Faktor terpenting dalam menentukan kelakuan suatu neuron adalah

    fungsi aktivasi dan pola bobotnya.

    D. Arsitektur Jaringan Syaraf Tiruan

    Ada beberapa bentuk arsitektur jaringan saraf yaitu :

    1. Jaringan dengan lapisan tunggal (single layer net)

    Jaringan ini hanya memiliki satu lapisan dengan bobotbobot

    terhubung. Jaringan ini menerima input yang kemudian secara

    langsung akan mengolahnya menjadi output tanpa harus melalui

    lapisan tersembunyi.

    2. Jaringan dengan banyak lapisan (multilayer)

    Jaringan ini memiliki satu atau lebih lapisan yang terletak diantara

    lapisan input dan lapisan outputnya (memiliki satu atau lebih lapisan

    tersembunyi). Jaringan dengan banyak lapisan ini dapat menyelesaikan

    permasalahan yang lebih sulit dari pada jaringan dengan lapisan

    tunggal, tetapi pembelajarannya lebih rumit. Jaringan ini pada banyak

    kasus lebih sukses dalam menyelesaikan masalah.

  • 3. Jaringan dengan lapisan kompetitif (competitive layer net)

    Pada jaringan ini sekumpulan neuron bersaing untuk mendapatkan hak

    menjadi aktif.

    Gambar berikut menunjukkan salah satu contoh arsitektur jaringan

    dengan lapisan kompetitif yang memiliki bobot

    E. Fungsi Aktivasi

    Fungsi aktivasi dipakai untuk menentukan keluaran suatu neuron, yaitu

    merupakan fungsi yang menggambarkan hubungan antara tingkat aktivasi internal

    (summation function) yang mungkin berbentuk linier atau nonlinear. Berikut

    adalah fungsi aktivasi yang digunakan pada Jaringan Syaraf Tiruan :

  • 1. Fungsi Undak Biner (Hard Limit)

    Fungsi Undak Biner merupakan jaringan lapisan tunggal yang

    menggunakan fungsi undak (step function) untuk mengkonversikan input

    dari suatu variabel yang bernilai kontinyu ke suatu output biner (0 atau 1).

    2. Fungsi Undak Biner (Threshold)

    Fungsi undak biner dengan menggunakan nilai ambang sering juga

    disebut dengan nama fungsi nilai ambang (thresholed) atau fungsi

    Heaviside. Fungsi undak biner (dengan nilai ambang ) dirumuskan

    sebagai berikut

    3. Fungsi Bipolar (Symetric Hard Limit)

    Fungsi bipolar dengan Symetric hard limit sebenarnya hampir sama

    dengan fungsi undak biner, hanya saja output yang dihasilkan berupa 1, 0,

    -1. Fungsi Symetric Hard Limit dirumuskan sebagai berikut

  • 4. Fungsi Bipolar (dengan threshold)

    Fungsi bipolar dengan threshold sebenarnya hampir sama dengan fungsi

    undak biner, hanya saja output yang dihasilkan berupa 1, 0 atau -1. Fungsi

    bipolar dengan nilai ambang 0 dirumuskan sebagai berikut

    5. Fungsi Linear (Identitas)

    Fungsi ini memiliki nilai output yang sama dengan nilai inputnya,

    dirumuskan sebagai berikut:

    Y = x

    6. Fungsi Saturating Linear

    Fungsi ini akan bernilai 0 jika inputnya kurang dari , dan akan bernilai

    1 jika inputnya lebih dari . Sedangkan jika nilai input terletak antara -

    dan , maka outputnya akan bernilai sama dengan nilai inputnya ditambah

    . Fungsi saturating linear ini dirumuskan sebagai berikut:

  • 7. Fungsi Symetric Saturating Linear

    Fungsi ini akan bernilai 1 jika inputnya kurang dari 1, dan akan bernilai

    1 jika inputnya lebih dari 1. Sedangkan jika nilai input terletak antara -1

    dan 1, maka outputnya akan bernilai sama dengan nilai inputnya.

    8. Fungsi Sigmoid Biner

    Fungsi ini digunakan untuk jaringan saraf yang dilatih dengan

Search related