Konsep Dasar Jaringan Syaraf tiruan dan Pemodelannya

Pembuatan  struktur  jaringan  sar af  tiruan  diilhami  oleh  struktur  jaringan

biologi,  khususnya  jaringan  otak  manusia.  Untuk  lebih  mengenal  asal-usul  serta

bagaimana suatu struktur  jaringan saraf tiruan dibuat dan dapat dipakai sebagai suatu

alat penghitung, berikut ini akan diulas sedikit istilah yang secara umum digunakan.

Neuron  adalah  satuan  unit  pemroses  terkecil  pada  otak,  bentuk  sederhana

sebuah neuron yang oleh para ahli dianggap sebagai satuan unit pemroses tersebut.

Tiruan  neuron  dalam  struktur  jaringan  saraf  tiruan  adalah  sebagai  elemen

pemroses  seperti  pada  gambar  8.2  yang  dapat  berfungsi  seperti  halnya  sebuah

neuron.  Sejumlah  sinyal  masukan  a  dikalikan  dengan  masing-masing  penimbang

yang  bersesuaian w. Kemudian dilakukan  penjumlahan dari seluruh  hasil perkalian

tersebut  dan  keluaran  yang  dihasilkan  dilalukan  kedalam  fungsi  pengaktip  untuk

mendapatkan tingkatan derajad sinyal keluarannya F(a,w). Walaupun masih jauh dari

sempurna,  namun  kinerja  dari  tiruan  neuron  ini  identik  dengan  kinerja  dari  sel

biologi yang kita kenal saat ini.

Istilah Istilah Dalam Jaringan Syaraf Tiruan

1.      Struktur feedforward

Sebuah jaringan yang sederhana mempunyai struktur feedforward dimana signal

bergerak dari input kemudian melewati lapisan tersembunyi dan akhirnya mencapai unit

output (mempunyai struktur perilaku yang stabil).

Tipe jaringan feedforward mempunyai sel syaraf yang tersusun dari beberapa

lapisan. Lapisan input bukan merupakan sel syaraf. Lapisan ini hanya memberi

pelayanan dengan mengenalkan suatu nilai dari suatu variabel. Lapisan tersembunyi dan

lapisan output sel syaraf terhubung satu sama lain dengan lapisan sebelumnya.

Kemungkinan yang timbul adalah adanya hubungan dengan beberapa unit dari lapisan

sebelumnya atau terhubung semuanya (lebih baik).

Yang termasuk dalam struktur feedforward :

- Single-layer perceptron

- Multilayer perceptron

- Radial-basis function networks

- Higher-order networks

- Polynomial learning networks

 2.   Struktur recurrent (feedback)

Jika suatu jaringan berulang (mempunyai koneksi kembali dari output ke input)

akan menimbulkan ketidakstabilan dan akan menghasilkan dinamika yang sangat

kompleks. Jaringan yang berulang sangat menarik untuk diteliti dalam Jaringan Syaraf

Tiruan, namun sejauh ini structure feedforward sangat berguna untuk memecahkan

masalah. Yang termasuk dalam stuktur recurrent (feedback) :

- Competitive networks

- Self-organizing maps

- Hopfield networks

- Adaptive-resonanse theory models

3.. Lapisan pada Jaringan Syaraf Tiruan

Jaringan Syaraf Tiruan biasanya mempunyai 3 group atau lapisan yaitu unit-unit :

lapisan input yang terhubung dengan lapisan tersembunyi yang selanjutnya terhubung

dengan lapisan output.

Aktifitas unit-unit lapisan input menunjukkan informasi dasar yang kemudian

digunakan dalam Jaringan Syaraf Tiruan.

Aktifitas setiap unit-unit lapisan tersembunyi ditentukan oleh aktifitas dari unitunit

input dan bobot dari koneksi antara unit-unit input dan unit-unit lapisan

tersembunyi

. Karakteristik dari unit-unit output tergantung dari aktifitas unit-unit lapisan

tersembunyi dan bobot antara unit-unit lapisan tersembunyi dan unit-unit output

4. Perceptron

Perceptron termasuk kedalam salah satu bentuk Jaringan Syaraf Tiruan yang

sederhana. Perceptron biasanya digunakan untuk mengklasifikasikan suatu tipe pola

tertentu yang sering dikenal dengan istilah pemisahan secara linear. Pada dasarnya

perceptron pada Jaringan Syaraf dengan satu lapisan memiliki bobot yang bisa diatur dan

suatu nilai ambang. Algoritma yang digunakan oleh aturan perceptron ini akan mengatur

parameter-parameter bebasnya melalui proses pembelajaran. Fungsi aktivasi dibuat

sedemikian rupa sehingga terjadi pembatasan antara daerah positif dan daerah negatif.