Jaringan Syaraf Tiruan Pertemuan 1

JARINGAN SYARAF BIOLOGI Otak terdiri dari neuron-neuron dan penghubung yang disebut sinapsis JARINGAN SYARAF BIOLOGI 1012 neuron, 1015 dendrit dan 6.1018 sinapsis Mampu mengenali pola, Perhitungan,dan mengontrol organ-organ tubuh Sinyal tersebut berupa impuls elektrik yang dikirim melalui celah sinapsis melalui proses kimiawi Sinyal tersebut dimodifikasi (diperkuat/diperlemah) di celah sinapsis Jumlah > Threshold sinyal tersebut akan diteruskan ke sel lain melalui axon soma menjumlahkan semua sinyal-sinyal yang masuk

Pengertian JARINGAN SYARAF TIRUAN Sistem pemroses informasi yang memiliki karakteristik mirip dengan jaringan syaraf biologi yang digambarkan sebagai berikut : Menerima input atau masukan (baik dari data yang dimasukkan atau dari output sel syaraf pada jaringan syaraf. Setiap input datang melalui suatu koneksi atau hubungan yang mempunyai sebuah bobot (weight). Setiap sel syaraf mempunyai sebuah nilai ambang. Jumlah bobot dari input dan dikurangi dengan nilai ambang kemudian akan mendapatkan suatu aktivasi dari sel syaraf (post synaptic potential, PSP, dari sel syaraf). Signal aktivasi kemudian menjadi fungsi aktivasi / fungsi transfer untuk menghasilkan output dari sel syaraf

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 aktivasi (biasanya bukan fungsi linier) yang dikenakan pada jumlahan input yang diterima. Besarnya output ini selanjutnya dibandingkan dengan suatu batas ambang.

Hal yang ingin dicapai dengan melatih JST adalah untuk mencapai keseimbangan antara kemampuan memorisasi dan generalisasi Cara kerja Jaringan Saraf Tiruan dalam memperoleh pengetahuan yang akan dipelajari menyerupai otak manusia, yaitu : Pengetahuan diperoleh jaringan melalui proses belajar. Kekuatan hubungan antar sel saraf yang dikenal sebagai bobot- bobot sinapsis yang digunakan untuk menyimpan pengetahuan.

JST ditentukan oleh 3 Hal Pola hubungan antar neuron (disebut arsitektur jaringan) Metode untuk menentukan bobot penghubung (metode training/ learning / algoritma) Fungsi aktivasi Contoh Neuron Y

Apabila nilai fungsi aktivasi cukup kuat, maka sinyal akan diteruskan. Y menerima input dari neuron x1, x2, dan x3 dengan bobot hubungan masing-masing adalah w1, w2, dan w3. Ketiga impuls neuron yang ada dijumlahkan. Besarnya impuls yang diterima oleh Y mengikuti fungsi aktivasi y = f(net). Apabila nilai fungsi aktivasi cukup kuat, maka sinyal akan diteruskan. Nilai fungsi aktivasi (keluaran model jaringan) juga dapat dipakai sebagai dasar untuk merubah bobot.

APLIKASI JARINGAN SYARAF TIRUAN Algoritma jaringan saraf tiruan yang telah dibentuk kemudian dilatih sehingga memperoleh pengetahuan dapat diterapkan ke dalam sebuah aplikasi Peramalan Berdasarkan pola kejadian yang ada di masa yang lampau Pengenalan Pola (Pattern Recognition) misal huruf, angka, suara atau tanda tangan Signal Processing Misal menekan noise dalam saluran telpon.

Model Neuron

Model Neuron Neuron adalah unit pemroses informasi yang menjadi dasar dalam pengoperasian JST Himpunan unit-unit yang dihubungkan dengan jalur koneksi. Suatu unit penjumlah yang akan menjumlahkan input-input sinyal yang sudah dikalikan dengan bobot. Fungsi aktivasi yang akan menentukan apakah sinyal dari input neuron akan diteruskan ke neuron lain ataukah tidak.

KONSEP DASAR JARINGAN SYARAF TIRUAN Setiap pola-pola informasi input dan output yang diberikan ke dalam jaringan saraf tiruan diproses dalam neuron Lapisan-lapisan penyusun jaringan saraf tiruan tersebut dapat dibagi menjadi 3, yaitu : Lapisan input Unit-unit di dalam lapisan input disebut unit-unit input. Unit-unit input tersebut menerima pola inputan data dari luar yang menggambarkan suatu permasalahan. Lapisan tersembunyi Unit-unit di dalam lapisan tersembunyi disebut unit-unit tersembunyi (hidden layer). Dimana output-nya tidak dapat secara langsung diamati. Lapisan output Unit-unit di dalam lapisan output disebut unit-unit output. Output dari lapisan ini merupakan solusi jaringan saraf tiruan terhadap suatu permasalahan Neuron tersebut terkumpul didalam lapisan-lapisan yang disebut neuron layers.

ARSITEKTUR JARINGAN SYARAF TIRUAN Jaringan Layar Tunggal (single layer network)

ARSITEKTUR JARINGAN SYARAF TIRUAN Jaringan Layar Jamak (multi layer network)

ARSITEKTUR JARINGAN SYARAF TIRUAN Jaringan Recurrent (Recurrent Layer Network)

FUNGSI AKTIVASI Jika tahapan fungsi aktivasi digunakan (output sel syaraf = 0 jika input <0 dan 1 jika input >= 0) maka tindakan sel syaraf sama dengan sel syaraf biologi yang dijelaskan diatas (pengurangan nilai ambang dari jumlah bobot dan membandingkan dengan 0 adalah sama dengan membandingkan jumlah bobot dengan nilai ambang). Biasanya tahapan fungsi jarang digunakan dalan Jaringan Syaraf Tiruan. Fungsi aktivasi (f(.))

FUNGSI AKTIVASI Fungsi aktivasi dipakai untuk menentukan keluaran suatu neuron. Fungsi aktivasinya adalah f(net) = 𝑓( 𝑥 𝑖 𝑤 𝑖 ) . Kadang dalam jaringan ditambahkan sebuah unit masukan yang nilainya selalu = 1. Unit yang demikian disebut bias Bias dapat dipandang sebagai sebuah input yang nilainya = 1 Jika melibatkan bias, maka keluaran unit penjumlah adalah 𝑛𝑒𝑡= 𝑖 𝑥 𝑖 𝑤 𝑖 Fungsi aktivasi threshold menjadi: 𝑓 𝑛𝑒𝑡 = 1 𝑗𝑖𝑘𝑎 𝑛𝑒𝑡≥0 −1 𝑗𝑖𝑘𝑎 𝑛𝑒𝑡 <0

CONTOH Suatu jaringan layar tunggal seperti gambar di atas terdiri dari 2 input x1 = 0,7 dan x2 = 2,1 dan memiliki bias. Bobot w1 = 0,5 dan w2 = -0,3 dan bobot bias b = 1,2. Tentukan keluaran neuron Y jika fungsi aktivasi adalah threshold bipolar. Penyelesaian: 𝑛𝑒𝑡=𝑏+ 𝑖 𝑥 𝑖 𝑤 𝑖 =1,2+ 0,7∗0,5 +(2,1∗ −0,3) =0,92 Karena net > 0 maka keluaran dari jaringan y =f(net) = 1