Jaringan Syaraf Tiruan (JST)

Jaringan syaraf tiruan (Arificial Neural Nerwork) adalah sistem permroses informasi yang memiliki karakteristik mirip dengan jaringan syaraf biologi. JST dibentuk sebagai generalisasi model matematika dari jaringan syaraf biologi, dengan asumsi bahwa:

  • Pemrosesan informasi terjadi pada banyak elemen sederhana (neuron).
  • Sinyal dikirimkan diantara neuron-neuron melalui penghubung-penghubung.
  • Penghubung antar neuron memiliki bobot yang akan memperkuat atau memperlemah sinyal.
  • Untuk menentukan output, setiap neuron menggunakan fungsi aktifasi (biasanya bukan fungsi linear) yang dikenakan pada penjumlahan input yang diterima. Besarnya output ini selanjutnya dibandingkan dengan suatu batas ambang.

Jaringan Syaraf Tiruan ditentukan oleh 3 hal:

  1. Pola hubungan antar neuron (disebut arsitektur jaringan).
  2. Metode untuk menentukan bobot enghubung (disebut metode training atau learning atau algoritma).
  3. Fungsi aktifasi.

Sebagai contoh, perhatikan neuron Y pada gambar dibawah

JST Neuron Y

Y menerima input dari neuron x1, x2 dan x3 dan Β dengan bobot hubungan masing-masing adalahΒ  w1, w2 dan w3. Ketiga impuls neuron yang ada dijumlahkan

net = x1w1+x2w2+x3w3

Besarnya impuls yang diterima oleh Y mengikuti fungsi aktivasi y = f(net). Apabila nilai fungsi aktivasi cukup kuat, maka sinyal akan diteruskan. Nilai aktivasi (keluaran model jaringan) juga dapat dipakai sebagai dasar untuk merubah bobot.

You Might Also Like

14 Comments

  1. opickaza

    wah kalau biologi ane nggak terlalu paham mbak ida

    Heheheh, saya juga masih belajar, Mas Opick. .. :senyum:

  2. Lidya

    pusing ah idah malem2 belajar hehehe

    Aku lagi suka belajar, Mom. πŸ˜†

  3. BlogS of Hariyanto

    saya pernah membaca tentang jaringan syaraf tiruan..dan ini sebagai dasar dari artificial intelligence πŸ™‚

    Dan itu memang benar, Om.
    Saya suka yang berbau AI ini. . :senyum:

  4. Wong Cilik

    wah, jadi ingat pas belajar AI mbak … πŸ˜€

    pernah dapat materi ini ya, mas?

  5. kakaakin

    Hehe.. pastinya materi ini gak pernah kuterima waktu aku kuliah dulu πŸ˜€

    Ehem. . .padahal sangat WAW lho, kak. . . :senyum:

  6. imamboll

    selamat pagi mbak idah yg lagi galau dengan skripsi, wkwk

    kaburrrrrrrrrrrrrrrrr

    Tinggal nunggu ujian hooo. .. :melet:

  7. kangyaannn

    nyimak aja Id…

    monggo, mas. ..

  8. arif

    kalau dibaca sekilas, semacam pembobotan proporsional sebagai input proses selanjutnya

    Betul sekali, mas. . .
    Untuk menghitung bobot sebagai masukan. . :senyum:

    Terimakasih sudah berkunjung. . . ^_*

  9. cumakatakata

    haduh,….
    berat pembahasannya euy… lier… :pusing:

    Waduh, jangan lier2 mas, jangan pusing juga eaaa. . πŸ˜†
    .
    .
    .
    .
    Terimakasih sudah berkunjung. . . ^_*

  10. Abed Saragih

    Mbak..waktu itu adik kelas saya banyak yang jadikan judul ini sebagai Judul TA lho πŸ™‚

    Sayangnya tempatku sudah jarang mas. .
    Lebih banyak robotika, android dan fuzzy logic. . . :senyum:
    Tapi di semester akhir dapat mata kuliah ini siii. .

  11. Mirza Sharz

    Saya baru tahu ada jaringan syaraf tiruan, menarik sekali membaca informasi ini..

    Semoga bermanfaat ya?
    Terimakasih sudah berkunjung. . . ^_*

  12. dewo

    Contoh kasusnya dong…
    Hehehe… dulu saya mbolos pas kuliah ANN & Fuzzy

    Menghabiskan teori dulu ya, Om. πŸ˜†

  13. Eswahyudi Kurniawan

    Biologi dan Fisika, juga Matematika, tak lupa dengan Kimia. Semua menjadi 1 kesatuan tak terpisahkan.

    Kalau kimia itu susah, apalagi fisika. . πŸ˜†

  14. tom alcore

    mohon maaf sebelum nya
    saya sangat sulit memahami soal ini

    Buat Perceptron dengan 2 masukan dan 2 keluaran sebagai berikut :
    x1 x2 t1 t2
    1 1 -1 1 bobot awal diambil 0, laju pemahaman = 1 dan threshold = 0.5
    1 -1 -1 1
    -1 1 -1 1
    -1 -1 -1 1

    mohon pencerahan nya, untuk contoh saya belajar, di email, trims

    Penjelasannya sudah saya email ya. Terima Kasih sudah berkunjung. ^_*

Leave a Reply

%d bloggers like this: