66//1010//20132013

11

Jaringan SyarafTiruan (JST)

Latar Belakang

• Melihat kemampuan manusia dalam memprosesinformasi, mengenal wajah, tulisan, dsb. Melihatwajah dari sudut pandang yang belum pernahdialami sebelumnya.

• Otak manusia memiliki kemampuan untuk belajardan beradaptasi– Mampu mengenali pola, wajah, mengkontrol organ tubuh!

• Bahkan anak-anak dapat melakukan hal tsb.• Masih belum tahu algoritma yang digunakan.• Melihat analogi biologis.• Otak manusia berisi kira-kira 20 billion (2x1010)

nerve cells.

66//1010//20132013

22

Pengertian JST

Jaringan Syaraf Tiruan (JST) / Artificial Neural Network (ANN):• Upaya memodelkan cara kerja / fungsi sistem

syaraf manusia dalam melaksanakan tugastertentu.

• Didasari kemampuan otak dalammengorganisasikan sel-sel penyusunnya yang disebut neuron

• Aplikasi khususnya dalam pengenalan pola, dengan efektivitas yang sangat tinggi.

Aplikasi JST

• Pengenalan pola (pattern recognition)– Huruf, tanda tangan, suara, gambar yang sudah

sedikit berubah (mengandung noise)– Identifikasi pola saham– Pendeteksian uang palsu, kanker

• Signal Processing– Menekan noise pada saluran telepon

• Peramalan– Peramalan saham

• Autopilot dan simulasi• Kendali otomatis otomotif

66//1010//20132013

33

Otak Manusia

• Bertugas untuk memproses informasi• Seperti prosesor sederhana• Masing-masing cell tersebut berinteraksi

mendukung kinerja otak• Setiap sel (neuron) memiliki satu nukleus (soma),

bertugas memproses informasi, informasi diterimaoleh dendrit, dan disebarkan melalui akson

• Pertemuan informasi antar syaraf berada disinapsis

Adopsi JST dari Syaraf Manusia

Otak Manusia

SuatuSuatu simpulsimpul syarafsyaraf

66//1010//20132013

44

Adopsi JST dari Syaraf Manusia

Satu Neuron (sel syaraf)

SatuSatu node JSTnode JST

Model Sel Syaraf (Neuron)

• Sinapsis (jalur hubungan), masing-masing sinapsis memilikibobot (kekuatan hubungan).

• Adder untuk menjumlahkan sinyal-sinyal input yang diberi bobotoleh sinapsis.

• Fungsi aktivasi untuk membatasi amplitudo output setiap neuron.

66//1010//20132013

55

Model Sel Syaraf (Neuron)

(.)ϕ : : FungsiFungsi AktivasiAktivasi

Model Neuron

• Neuron adalah unit pengolahan informasi• Sejumlah sinapsis atau jalur penghubung

– Dikarakterisasi bobot atau penguatan • Penjumlah

– Menjumlahkan sinyal input yang diperkuat oleh sinapsis

– Penkombinasi linier (linear combiner)• Fungsi aktivasi

– Disebut squashing function• Membatasi output pada nilai-nilai yang terbatas

66//1010//20132013

66

Model nonlinier neuron (I)

wwk1k1xx11

wwkk22xx22

wwkmkmxxmm

...... ...... ΣΣ

BiasBiasbbkk

ϕϕ(.)(.)vvkk

InputInputsignalsignal

SynapticSynapticweightsweights

SummingSummingjunctionjunction

ActivationActivationfunctionfunction

OutputOutputyykk

bxwv kj

m

jkjk

+=∑=1

)(vy kkϕ=

Model nonlinier neuron (II)

wwk1k1xx11

wwkk22xx22

wwkmkmxxmm

...... ...... ΣΣ ϕϕ(.)(.)vvkk

InputInputsignalsignal

SynapticSynapticweightsweights

SummingSummingjunctionjunction

ActivationActivationfunctionfunction

OutputOutputyykk

xwv j

m

jkjk ∑

=

=0

)(vy kkϕ=

wwkk00XX0 0 = += +11 WWk0 k0 = = bbk k (bias)(bias)