MAKALAH JARINGAN SYARAF TIRUAN.pdf PDF

Preview

Summary

MATA KULIAH JARINGAN SYARAF TIRUAN KELOMPOK 4 ANGGOTA : 1. MUHAMMAD SYIROZUL M. (141080200204) 2. YOGY RISTRIANA PUTRI (141080200206) 3. M. HARIS PRASETYO (141080200271) FAKULTAS TEKNIK JURUSAN TEKNIK INFORMATIKA UNIVERSITAS MUHAMMADIYAH SIDOARJO 2017 1 DAFTAR ISI MATA KULIAH JARINGAN SYARAF TIRUAN ...

Description

Accelerat ing t he world's research.

MAKALAH JARINGAN SYARAF TIRUAN.pdf yogy putri

Related papers KECERDASAN BUATAN (AI) Must Art

Art ificial Neural Net work using McCulloch and LMS St even Lim T UGAS JARINGAN SYARAF T IRUAN FT UHO la baida, mot ewe warior

Download a PDF Pack of t he best relat ed papers 

MATA KULIAH JARINGAN SYARAF TIRUAN

KELOMPOK 4

ANGGOTA : 1.

MUHAMMAD SYIROZUL M.

(141080200204)

2.

YOGY RISTRIANA PUTRI

(141080200206)

3.

M. HARIS PRASETYO

(141080200271)

FAKULTAS TEKNIK JURUSAN TEKNIK INFORMATIKA UNIVERSITAS MUHAMMADIYAH SIDOARJO 2017

1

DAFTAR ISI MATA KULIAH JARINGAN SYARAF TIRUAN ........................................................................1 DAFTAR ISI..........................................................................................................................2 DAFTAR GAMBAR ...............................................................................................................3 DAFTAR TABEL ...................................................................................................................4 1.1

LATAR BELAKANG ...............................................................................................5

1.2

TUJUAN ...............................................................................................................5

1.3

MANFAAT ...........................................................................................................5

BAB 2 PEMBAHASAN .........................................................................................................6 2.1

DEFINISI JARINGAN SYARAF TIRUAN ...................................................................6

2.2

PERKEMBANGAN JARINGAN SYARAF TIRUAN ....................................................8

2.3

PERBANDINGAN ANTARA OTAK MANUSIA DAN JARINGAN SYARAF TIRUAN ...10

BAB 3 KESIMPULAN .........................................................................................................14 Jaringan syaraf tiruan sederhana pertama kali diperkenalkan oleh McCulloch dan Pitts di tahun 1943. McCulloch dan Pitts menyimpulkan bahwa kombinasi beberapa neuron sederhana menjadi sebuah sistem neural akan meningkatkan kemampuan komputasinya...................................................................................................................14 DAFTAR PUSTAKA ............................................................................................................15

2

DAFTAR GAMBAR

Gambar 2.1 .............................................................................................................. 6

3

DAFTAR TABEL

Table 2.1 Tabel perkembangan jaringan saraf tiruan .............................................. 8 Table 2.2 Tabel perbedaan jaringan syaraf tiruan dan jaringan syaraf alami (biologi) ................................................................................................................. 11

4

BAB 1 PENDAHULUAN

1.1

LATAR BELAKANG Jaringan Syaraf Tiruan merupakan salah satu mata kuliah jurusan teknik informatika. Jaringan syaraf tiruan adalah salah satu sistem pemrosesan yang dirancang dan dilatih untuk memiliki kemampuan seperti yang dimiliki oleh manusia dalam menyelesaikan persoalan yang rumit dengan melakukan proses belajar melalui perubahan bobot sinapsisnya. Jaringan syaraf mensimulasi struktur proses-proses otak (fungsi syaraf biologis) dan kemudian membawanya kepada perangkat lunak kelas baru yang dapat mengenali pola-pola yang kompleks serta belajar dari pengalaman-pengalaman masa lalu.

1.2

TUJUAN Tujuan dibuatnya mkalah ini adalah agar mahasiswa mengetahui: 1. Definisi jaringan syaraf tiruan 2. Perkembangan jaringan syaraf tiruan 3. Perbandingan antara otak manusia dan jaringan syaraf tiruan

1.3

MANFAAT Manfaat dari dibuatnya makalah ini adalah untuk menambah wawasan mahasiswa mengenai jaringan syaraf tiruan, khususnya mengenai definisi jaringan syaraf tiruan, perkembangan jaringan syaraf tiruan dan perbandingan antara otak manusia dan jaringan syaraf tiruan.

5

BAB 2 PEMBAHASAN

2.1

DEFINISI JARINGAN SYARAF TIRUAN (Pitowarno. 2004) mengatakan bahwa, Jaringan Syaraf Tiruan (JST) merupakan system pemroses informasi yang memiliki karakteristik mirip dengan jaringan syaraf biologi. Jaringan Syaraf Tiruan sebagai generalisasi model matematika dari jaringan syaraf biologi, dengan asumsi bahwa: a) Pemeroses informasi terjadi banyak elemen sederhana (neuron) b) Sinyal dikirimkan diantara neuron-neuron melalaui penghubungpenghubung c) Penghubung anatara neuron memiliki bobot yang akan memperkuat atau memeperlemah sinyal. d) Untuk menentukan input, setiap neuron menggunakan fungsi aktivasi (biasanya bukan fungsi linier) yang dikenakan pada jumlah input yang diterima. Besarnya output ini selanjutnya dibandingakan dengan suatu batas ambang. Dan berkaitan dengan teori Jaringan Syaraf Tiruan, ditentukan 3 hal yaitu: a)

Pola hubungan antar neuron (atau disebut arsitektur jaringan)

b) Metode untuk menentukan bobot penghubung (disebut metode training/learning/algoritma ) c)

Fungsi aktivasi. Sebagai contoh, perhatikan neuron Y pada gambar 2.1 x1 x2

x3

w1 w2

Y

w3

Gambar 2.1

6

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 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 fungsi aktivasi (keluaran model jaringan) juga dapat dipakai sebagai dasar untuk merubah bobot Menurut Hermawan, Arief . 2006 . “Jaringan syaraf tiruan didefinisikan sebagai suatu sistem pemrosesan informasi yang mempunyai karakteristik menyerupai jaringan saraf manusia”. Jaringan saraf tiruan tercipta sebagai suatu generalisasi model matematis dari pemahaman manusia (human cognition) yang didasarkan atas asumsi sebagai berikut : 1. Pemrosesan informasi terjadi pada elemen sederhana yang disebut neuron. 2. Isyarat mengalir di antara sel saraf / neuron melalui suatu sambungan penghubung. 3. Setiap sambungan penghubung memiliki bobot yang bersesuaian. 4. Setiap sel saraf akan merupakan fungsi aktivasi terhadap isyarat hasil penjumlahan berbobot yang masuk kepadanya untuk menentukan isyarat keluarannya. Menurut teori Haykin (1999,p2) : " Jaringan syaraf tiruan (Artificial Neural Network) adalah sejumlah besar prosesor yang terdistribusi secara pararel dan terdiri dari unit pemrosesan sederhana, dimana masing – masing unit memiliki kecenderungan untuk menyimpan pengetahuan yang dialami dan dapat digunakan kembali." Neural Network merupakan kategori ilmu Soft Computing. Neural Network sebenarnya mengadopsi dari kemampuan otak manusia yang mampu

memberikan

stimulasi/rangsangan,

melakukan

proses,

dan

memberikan output. Output diperoleh dari variasi stimulasi dan proses yang 7

terjadi di dalam otak manusia. Kemampuan manusia dalam memproses informasi merupakan hasil kompleksitas proses di dalam otak. Misalnya, yang terjadi pada anak-anak, mereka mampu belajar untuk melakukan pengenalan meskipun mereka tidak mengetahui algoritma apa yang digunakan. Kekuatan komputasi yang luar biasa dari otak manusia ini merupakan sebuah keunggulan di dalam kajian ilmu pengetahuan.

2.2

PERKEMBANGAN JARINGAN SYARAF TIRUAN Jaringan syaraf tiruan sederhana pertama kali diperkenalkan oleh McCulloch dan Pitts di tahun 1943. McCulloch dan Pitts menyimpulkan bahwa kombinasi beberapa neuron sederhana menjadi sebuah sistem neural akan meningkatkan kemampuan komputasinya. Bobot dalam jaringan yang diusulkan oleh McCulloch dan Pitts diatur untuk melakukan fungsi logika sederhana. Fungsi aktivasi yang dipakai adalah fungsi threshold. Tahun 1958, Rosenblatt memperkenalkan dan mulai mengembangkan model jaringan yang disebut Perceptron. Metode pelatihan diperkenalkan untuk mengoptimalkan hasil iterasinya. Untuk lebih jelasnya dapat di lihat pada table dibawah ini, Table 2.1 Tabel perkembangan jaringan saraf tiruan Tahun 1943

Orang yg mengembangkan Waffen McCulloch dan Walter Pitts

1949

Donald O. Hebb

1952

Ashby

Perkembangan JST Merancang model formal yang pertama kali sebagai perhitungan dasar neuron pada jaringan syaraf Memperkenalkan teori yang menjelaskan mengenai pembelajaran yang dilakukan oleh neuron yang kini dikenal dengan konsep Hebbian Learning Dalam buku the origin of adaptive behavior memperkenalkan ide pembelajaran adiptif.

8

1954

Minsky

1954

Farley dan Clark

1956

Taylor

1958

Rosenblatt

1960

Widrow dan Hoff

1962

Dreyfus

1965

Nills Nilson

1969

Kelly

1974

Werbos

1974

Stephen Grossberg

1975

Little dan Shaw

1980

Fokushima dan Miyaka

1982

John Hopfield

Dalam thesis doctor berjudul “neural network” memperkaya pemahaman jaringan syaraf tiruan kea rah yang lebih komprehensif. Mensetup model-model untuk relasi adaptif stimulus-respon dalam jaringan random. Meletakan dasar struktur jaringan syaraf tiruan associative memory. Mengembangkan konsep dasar tentang perceptron untuk klasifikasi pola Mengembangkan ADALINE untuk kendali adaptif dan pencocokan pola yang dilatih dengan aturan pembelajaran Least Mean Square Memperkenalkan metode recursive derivation berdasarkan aturan turunan berantai untuk jaringan syaraf tiruan Membuat mesin monografi pertamayang menggunakan teknik jaringan syaraf tiruan. Memperkenalkan metode gradient untuk mendukung proses pembelajaran jaringan lapis banyak Memperkenalkan algoritma backpropagation untuk melatih perceptron dengan banyak lapisan Mengembangkan teori adaptive resonance networks Menggambarkan jaringan syaraf menggunakan model probalistik Mengaplikasikan mesin jaringan syaraf tiruan pada bidang biologi untuk tujuan pencocokan pola secara visual Mengembangkan jaringan syaraf recurrent yang dapat digunakan untuk menyimpan informasi dan optimasi

9

1982

Kohonen

1983

Kirkpatrick, Galantt dan Vecchi

1985

1987

Kosko

Mengembangkan metode pembelajaran jaringan syaraf yang tidak terawasi (unsupervised learning) untuk pemetaan Memperkenalkan teknik statistic yang dikenal simulated annealing Algoritma pembelajaran dengan menggunakan mesin Boltzmann yang menggunakan model jaringan syaraf probabilistik mulai dikembangkan Mengembangkan jaringan Adaptive Bidirectional Associative Memory (BAM)

Pengembangan yang ramai dibicarakan sejak tahun 1990 an adalah aplikasi model-model jaringan syaraf tiruan untuk menyelesaikan berbagai masalah di dunia nyata.

2.3

PERBANDINGAN ANTARA OTAK MANUSIA DAN JARINGAN SYARAF TIRUAN Jaringan Syaraf Tiruan (Neural Network) terinspirasi dari penelitian kecerdasan buatan, terutama percobaan untuk menirukan fault-tolerence dan kemampuan untuk belajar dari sistem syaraf biologi dengan model struktur low-level dari otak. Otak terdiri dari sekitar (10.000.000.000) sel syaraf yang saling berhubungan. Sel syaraf mempunyai cabang struktur input (dendrites), sebuah inti sel dan percabangan struktur output (axon) Jaringan Syaraf Biologi, Otak manusia memiliki struktur yang sangat kompleks dan memiliki kemampuan yang luar biasa. Otak terdiri dari neuronneuron dan penghubung yang disebut sinapsis. Neuron bekerja berdasarkan impuls/sinyal yang diberikan pada neuron. Neuron meneruskannya pada neuron lain. Diperkirakan manusia memiliki 1012 neuron dan 6x1018 sinapsis. Dengan jumlah yang begitubanyak, otak mampu mengenali pola, melakukan perhitungan, dan mengontrol organ-organ tubuh dengan

10

kecepatan yanglebih tinggi dibandingkan komputer digital (Puspitaningrum, 2006). Sebagai perbandingan, pengenalan wajah seseorang yang sedikit berubah misal memakai topi, memiliki jenggot tambahan dan lainnya akan lebih cepat dilakukan manusia dibandingkan komputer. Perbedaan Jaringan Syaraf Tiruan dengan Jaringan Syaraf Alami (Biologi) Table 2.2 Tabel perbedaan jaringan syaraf tiruan dan jaringan syaraf alami (biologi) Jaringan Syaraf Tiruan Memformulasikan

model Kinerja sel sel otak manusia dari

matematis sel-sel otak Asumsi

model

berfikir sampai gerakan

matematis Dilihat struktur sel – sel alami nya :

strukturnya : ·

Jaringan Syaraf Alami ( Biologi )

·

Dendrit merupakan suatu

Pemrosesan informasi perluasan dari somayang menyerupai

terjadi pada elemen sederhana rambut dan bertindak sebagai saluran (neuron)

masukan.

·

Sinyal dikirimkan ·

diantara

neuron

Saluran masukan ini menerima

neuron masukan

dari

sel

saraf

lainnya

melalui penghubung (dendrit melalui sinapsis. dan akson) ·

·

Soma dalam hal ini kemudian

Penghubung antar elemen memproses nilai masukan menjadi

memiliki bobot yang akan sebuah output yang kemudian dikirim menambah atau mengurangi ke sel saraf lainnya melalui akson dan sinyal ·

sinapsis. Untuk menentukan

output, setiap neuron memiliki fungsi aktivasi (biasanya non

11

linier) yang dikenakan pada semua input ·

Besar output akan

dibandingkan ·

dengan threshold

Memodelkan hubungan yang Sel saraf biologi mempunyai struktur kompleks antara input dan yang lebih kompleks dan lebih canggih output

untuk

menemukan

pola-pola pada data

Jaringan saraf tiruan menawarkan kemampuan sebagai berikut:

1.

Nonlinearity. Sebuah neuron buatan bisa saja linear atau tidak linear.

2.

Input-output mapping. Sebuah paradigma populer dari pembelajaran disebut learning with a teacher (belajar dengan guru) atau supervised learning (pembelajaran terbimbing yang melibatkan modifikasi bobot sinapsis jaringan saraf tiruan dengan mengaplikasikan kumpulan sampel training.

3.

Adaptivity. Neural network memiliki kemampuan untuk menyesuaikan bobot sinaptik mereka terhadap perubahan pada lingkunganya.

4.

Evidential Response. Dalam konteks klasifikasi pola, jaringan saraf dapat dirancang untuk memberikan informasi tidak hanya tentang pola yang khusus.

5.

Contextual Information. Pengetahuan direpresentasikan oleh struktur dan aktivasi dari jaringan saraf.

6.

Fault Tolerance. Jaringan saraf yang diimplementasikan pada bentuk hardware, memiliki potensi untuk bersifat fault tolerant (toleran terhadap kesalahan), dalam arti bahwa kinerjanya menurun dalam kondisi operasi buruk.

12

7.

VLSI Implementability. Sifat dasar dari jaringan saraf tiruan yang parallel membuatnya berpotensi untuk mengkomputasikan tugas-tugas tertentu dengan cepat.

8.

Uniformity of Analysis and Design. Pada dasarnya, jaringan saraf tiruan dikenal sebagai pemroses informasi.

9.

Neurobiological

Analogy.

Rancangan

jaringan

saraf

tiruan

dianalogikan dengan otak manusia, yang merupakan bukti nyata bahwa toleransi terhadap kesalahan pada pemrosesan paralel tidak hanya mungkin tetapi juga cepat dan kuat.

13

BAB 3 KESIMPULAN

Neural Network (Jaringan Syaraf Tiruan) merupakan kategori ilmu Soft Computing. Neural Network sebenarnya mengadopsi dari kemampuan otak manusia yang mampu memberikan stimulasi/rangsangan, melakukan proses, dan memberikan output. Jaringan syaraf tiruan sederhana pertama kali diperkenalkan oleh McCulloch dan Pitts di tahun 1943. McCulloch dan Pitts menyimpulkan bahwa kombinasi beberapa neuron sederhana menjadi sebuah sistem neural akan meningkatkan kemampuan komputasinya.

14

DAFTAR PUSTAKA

Arif, F. A. (2013, Maret 24). Jaringan Syaraf Komputer (II). Retrieved from Fadhlin Amalia Arif: http://fadhlinamaliafst10.web.unair.ac.id/artikel_detail-75561-Kuliah%20SiscerJaringan%20Syaraf%20Tiruan%20(II).html Azmi, Z., Saripurna, D., & Anwar, B. (2013). Jurnal Ilmiah Saintikom Vol 12. No 2. Aplikasi Jaringan Syaraf Tiruan Untuk Pengenalan Pola Pembukaan Permainan Catur, 14. Dasar, E. (2012, Oktober 23). Jaringan Syaraf Tiruan. Retrieved from Elektronika Dasar: http://elektronika-dasar.web.id/jaringan-syaraf-tiruanneural-network/ Jumarwanto, A., Hartanto, R., & Prastiyanto, D. (2009). Jurnal Teknik Elektro Vol. 1 No.1. APLIKASI JARINGAN SARAF TIRUAN BACKPROPAGATION UNTUK MEMPREDIKSI PENYAKIT THT DI RUMAH SAKIT MARDI RAHAYU KUDUS, 11. Karyono. (2015, Maret 18). Tugas Makalah. Retrieved from Makalah Jaringan Syaraf Tiruan: https://www.slideshare.net/YonoBocahCibiukAsliCilacapSingKalemDewe k/makalah-jst Muis, S. (2006). Teknik Jaringan Syaraf Tiruan. Yogyakarta: Graha Ilmu. Siang, J. J. (2004). Jaringan Saraf Tiruan & Pemrogramannya Menggunakan Matlab. Yogyakarta: Andi.

15...