Berikut ini adalah versi HTML dari file http://trirezqiariantoro.files.wordpress.com/2007/05/jaringan_syaraf_tiruan.pdf.
G o o g l e membuat versi HTML dari dokumen tersebut secara otomatis pada saat menelusuri web.
Page 1
MateriKuliah.ComCopyright © 2005 MateriKuliah.Com 0 Pengantar Jaringan SyarafTiruan Oleh : ELI YANI eliyani_n@yahoo.com Dipublikasikan dan didedikasikanuntuk perkembangan pendidikan di Indonesia melalui MateriKuliah.Com Lisensi Pemakaian Artikel: Seluruh artikel di MateriKuliah.Com dapat digunakan, dimodifikasi dan disebarkan secarabebas untuk tujuan bukan komersial (nonprofit), dengan syarat tidak menghapus atau merubahatribut Penulis. Hak Atas Kekayaan Intelektual setiap artikel di MateriKuliah.Com adalah milikPenulis masing-masing, dan mereka bersedia membagikan karya mereka semata-mata untukperkembangan pendidikan di Indonesia. MateriKuliah.Com sangat berterima kasih untuk setiapartikel yang sudah Penulis kirimkan.
Page 2
MateriKuliah.ComCopyright © 2005 MateriKuliah.Com 11. PendahuluanJaringan Syaraf Tiruan dibuat pertama kali pada tahun 1943 olehneurophysiologist Waren McCulloch dan logician Walter Pits, namun teknologi yangtersedia pada saat itu belum memungkinkan mereka berbuat lebih jauh.1.1 Pengertian Jaringan Syaraf TiruanJaringan Syaraf Tiruan adalah paradigma pemrosesan suatu informasi yangterinspirasi oleh sistim sel syaraf biologi, sama seperti otak yang memproses suatuinformasi. Elemen mendasar dari paradigma tersebut adalah struktur yang baru darisistim pemrosesan informasi. Jaringan Syaraf Tiruan, seperti manusia, belajar dari suatucontoh. Jaringan Syaraf Tiruan dibentuk untuk memecahkan suatu masalah tertentuseperti pengenalan pola atau klasifikasi karena proses pembelajaran. Jaringan Syaraf Tiruan berkembang secara pesat pada beberapa tahun terakhir. Jaringan Syaraf Tiruan telah dikembangkan sebelum adanya suatu komputerkonvensional yang canggih dan terus berkembang walaupun pernah mengalami masavakum selama beberapa tahun.1.2 Inspirasi BiologiJaringan Syaraf Tiruan keluar dari penelitian kecerdasan buatan, terutamapercobaan untuk menirukan fault-tolerence dan kemampuan untuk belajar dari sistemsyaraf biologi dengan model struktur low-level dari otak. Otak terdiri dari sekitar (10.000.000.000) sel syaraf yang saling berhubungan. Selsyaraf mempunyai cabang struktur input (dendrites), sebuah inti sel dan percabanganstruktur output (axon). Axon dari sebuah sel terhubung dengan dendrites yang lainmelalui sebuah synapse. Ketika sebuah sel syaraf aktif, kemudian menimbulkan suatusignal electrochemical pada axon. Signal ini melewati synapses menuju ke sel syarafyang lain. Sebuah sel syaraf lain akan mendapatkan signal jika memenuhi batasantertentu yang sering disebut dengan nilai ambang atau (threshold).
Page 3
MateriKuliah.ComCopyright © 2005 MateriKuliah.Com 2Gambar 1. Susunan Syaraf Manusia2. Perbandingan Jaringan Syaraf Tiruan dengan KonvensionalJaringan Syaraf Tiruan memiliki pendekatan yang berbeda untuk memecahkanmasalah bila dibandingkan dengan sebuah komputer konvensional. Umumnya komputerkonvensional menggunakan pendekatan algoritma (komputer konvensional menjalankansekumpulan perintah untuk memecahkan masalah). Jika suatu perintah tidak diketahuioleh komputer konvensional maka komputer konvensional tidak dapat memecahkanmasalah yang ada. Sangat penting mengetahui bagaimana memecahkan suatu masalahpada komputer konvensional dimana komputer konvensional akan sangat bermanfaat jikadapat melakukan sesuatu dimana pengguna belum mengatahui bagaimana melakukannya.Jaringan Syaraf Tiruan dan suatu algoritma komputer konvensional tidak salingbersaing namun saling melengkapi satu sama lain. Pada suatu kegiatan yang besar, sistimyang diperlukan biasanya menggunakan kombinasi antara keduanya (biasanya sebuahkomputer konvensional digunakan untuk mengontrol Jaringan Syaraf Tiruan untukmenghasilkan efisiensi yang maksimal. Jaringan Syaraf Tiruan tidak memberikan suatukeajiban tetapi jika digunakan secara tepat akan menghasilkan sasuatu hasil yangluarbiasa.
Page 4
MateriKuliah.ComCopyright © 2005 MateriKuliah.Com 3Gambar 2. Sebuah Sel Syaraf Sederhana 3. Model Dasar Jaringan Syaraf TiruanMengadopsi esensi dasar dari system syaraf biologi, syaraf tiruan digambarkansebagai berikut : Menerima input atau masukan (baik dari data yang dimasukkan ataudari output sel syaraf pada jaringan syaraf. Setiap input datang melalui suatu koneksiatau hubungan yang mempunyai sebuah bobot (weight). Setiap sel syaraf mempunyaisebuah nilai ambang. Jumlah bobot dari input dan dikurangi dengan nilai ambangkemudian akan mendapatkan suatu aktivasi dari sel syaraf (post synaptic potential, PSP,dari sel syaraf). Signal aktivasi kemudian menjadi fungsi aktivasi / fungsi transfer untukmenghasilkan output dari sel syaraf.Jika tahapan fungsi aktivasi digunakan ( output sel syaraf = 0 jika input <0 dan 1jika input >= 0) maka tindakan sel syaraf sama dengan sel syaraf biologi yang dijelaskandiatas (pengurangan nilai ambang dari jumlah bobot dan membandingkan dengan 0adalah sama dengan membandingkan jumlah bobot dengan nilai ambang). Biasanyatahapan fungsi jarang digunakan dalan Jaringan Syaraf Tiruan. Fungsi aktivasi (f(.))dapat dilihat pada Gambar 3.
Page 5
MateriKuliah.ComCopyright © 2005 MateriKuliah.Com 4Gambar 3. Fungsi AktifasiBagaimana sel syaraf saling berhubungan? Jika suatu jaringan ingin digunakanuntuk berbagai keperluan maka harus memiliki input (akan membawa nilai dari suatuvariabel dari luar) dan output (dari prediksi atau signal kontrol). Input dan output sesuaidengan sensor dan syaraf motorik seperti signal datang dari mata kemudian diteruskanke tangan, Dalam hal ini terdapat sel syaraf atau neuron pada lapisan tersembunyiberperan pada jaringan ini. Input, lapisan tersembunyi dan output sel syaraf diperlukanuntuk saling terhubung satu sama lain.Berdasarkan dari arsitektur (pola koneksi), Jaringan Syaraf Tiruan dapat dibagikedalam dua katagori :3.1 Struktur feedforwardSebuah jaringan yang sederhana mempunyai struktur feedforward dimana signalbergerak dari input kemudian melewati lapisan tersembunyi dan akhirnya mencapai unitoutput (mempunyai struktur perilaku yang stabil). Tipe jaringan feedforward mempunyai sel syaraf yang tersusun dari beberapalapisan. Lapisan input bukan merupakan sel syaraf. Lapisan ini hanya memberipelayanan dengan mengenalkan suatu nilai dari suatu variabel. Lapisan tersembunyi danlapisan output sel syaraf terhubung satu sama lain dengan lapisan sebelumnya. Kemungkinan yang timbul adalah adanya hubungan dengan beberapa unit dari lapisansebelumnya atau terhubung semuanya (lebih baik).
Page 6
MateriKuliah.ComCopyright © 2005 MateriKuliah.Com 5Gambar 4. Jaringan Syaraf Tiruan FeedforwardYang termasuk dalam struktur feedforward :- Single-layer perceptron - Multilayer perceptron - Radial-basis function networks - Higher-order networks - Polynomial learning networks3.2 Struktur recurrent (feedback)Jika suatu jaringan berulang (mempunyai koneksi kembali dari output ke input)akan menimbulkan ketidakstabilan dan akan menghasilkan dinamika yang sangatkompleks. Jaringan yang berulang sangat menarik untuk diteliti dalam Jaringan SyarafTiruan, namun sejauh ini structure feedforward sangat berguna untuk memecahkanmasalah. Yang termasuk dalam stuktur recurrent (feedback) :- Competitive networks - Self-organizing maps - Hopfield networks - Adaptive-resonanse theory models
Page 7
MateriKuliah.ComCopyright © 2005 MateriKuliah.Com 6Gambar 5. Jaringan Syaraf Tiruan FeedBack Ketika sebuah Jaringan Syaraf digunakan. Input dari nilai suatu variabelditempatkan dalam suatu input unit.dan kemudian unit lapisan tersembunyi dan lapisanoutput menjalankannya. Setiap lapisan tersebut menghitung nilai aktivasi denganmengambil jumlah bobot output dari setiap unit dari lapisan sebelumnya dan kemudiandikurangi dengan nilai ambang. Nilai aktifasi kemudian melalui fungsi aktifasi untukmenghasilakan output dari sel syaraf. Ketika semua unit pada Jaringan Syaraf telahdijalankan maka aksi dari lapisan output merupakan output dari seluruh jaringan syaraf. 4. Lapisan pada Jaringan Syaraf TiruanJaringan Syaraf Tiruan biasanya mempunyai 3 group atau lapisan yaitu unit-unit :lapisan input yang terhubung dengan lapisan tersembunyi yang selanjutnya terhubungdengan 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 unit-unit input dan bobot dari koneksi antara unit-unit input dan unit-unit lapisantersembunyi. Karakteristik dari unit-unit output tergantung dari aktifitas unit-unit lapisantersembunyi dan bobot antara unit-unit lapisan tersembunyi dan unit-unit output.
Page 8
MateriKuliah.ComCopyright © 2005 MateriKuliah.Com 75. PerceptronPerceptron termasuk kedalam salah satu bentuk Jaringan Syaraf Tiruan yangsederhana. Perceptron biasanya digunakan untuk mengklasifikasikan suatu tipe polatertentu yang sering dikenal dengan istilah pemisahan secara linear. Pada dasarnyaperceptron pada Jaringan Syaraf dengan satu lapisan memiliki bobot yang bisa diatur dansuatu nilai ambang. Algoritma yang digunakan oleh aturan perceptron ini akan mengaturparameter-parameter bebasnya melalui proses pembelajaran. Fungsi aktivasi dibuatsedemikian rupa sehingga terjadi pembatasan antara daerah positif dan daerah negatif. Perceptron dapat dilihat di gambar 6Gambar 6. Bentuk Perceptron6.Proses PembelajaranUmumnya, jika menggunakan Jaringan Syaraf Tiruan, hubungan antara input danoutput harus diketahui secara pasti dan jika hubungan tersebut telah diketahui maka dapatdibuat suatu model. Hal lain yang penting adalah proses belajar hubungan input/outputdilakukan dengan pembelajaran. Ada dua tipe pembelajaran yang dikenal yaitu :pembelajaran terawasi dan pembelajaran tak terawasi.Pada pembelajaran terawasi, metode ini digunakan jika output yang diharapkantelah diketahui sebelumnya. Biasanya pembelajaran dilakukan dengan menggunakandata yang telah ada. Pada contoh diatas misalnya data pasar saham yang ada pada DOW,NASDAQ atau FTSE, data yang ada sebelumnya mengenai aplikasi kredit yang berhasiltermasuk daftar pertanyaan atau posisi sebuah robot dan reaksi yang benar.
Page 9
MateriKuliah.ComCopyright © 2005 MateriKuliah.Com 8Pada metode pembelajaran yang tidak terawasi, tidak memerlukan targetoutput. Pada metode ini tidak dapat ditentukan hasil seperti apa yang diharapkan selamaproses pembelajaran. Selama proses pembelajaran, nilai bobot disusun dalam suatu rangetertentu tergantung pada nilai input yang diberikan. Tujuan pembelajaran ini adalahmengelompokkan unit-unit yang hampir sama dalam suatu area tertentu. Pembelajaranseperti ini biasanya sangat cocok untuk pengelompokkan (klasifikasi) pola.7. Fungsi TransferKarakter dari Jaringan Syaraf Tiruan tergantung atas bobot dan fungsi input-output (fungsi transfer) yang mempunyai ciri tertentu untuk setiap unit. Fungsi ini terdiridari 3 katagori yaitu : Untuk linear units, Aktifitas output adalah sebanding dengan jumlah bobot output. Untuk threshold units, Output diatur satu dari dua tingkatan tergantung dari apakahjumlah input adalah lebih besar atau lebih kecil dari nilai ambang.Untuk sigmoid units, Output terus menerus berubah-ubah tetapi tidak berbentuk linear. Unit ini mengandung kesamaan yang lebih besar dari sel syaraf sebenarnya dibandingkandengan linear dan threshold unit, namun ketiganya harus dipertimbangkan denganperkiraan kasar.Untuk membuat Jaringan Syaraf Tiruan untuk melakukan beberapa kerja khusus. Harus dipilih bagaimana unit-unit dihubungkan antara satu dengan yang lain dan harusmengatur bobot dari hubungan tersebut secara tepat. Hubungan tersebut menentukanapakah mungkin suatu unit mempengaruhi unit yang lain. Bobot menentukan kekuatandari pengaruh tersebut.Dapat dilakukan pembelajaran terhadap 3 lapisan pada Jaringan Syaraf Tiruan untukmelakukan kerja khusus dengan menggunakan prosedure dibawah ini :1. Memperkenalkan Jaringan Syaraf Tiruan dengan contoh pembelajaran yangterdiri dari sebuah pola dari aktifitas untuk unit-unit input bersama dengan polayang diharapkan dari aktifitas untuk unit-unit output.2. Menentukan seberapa dekat output sebenarnya dari Jaringan Syaraf Tiruan sesuaidengan output yang diharapkan.
Page 10
MateriKuliah.ComCopyright © 2005 MateriKuliah.Com 93. Mengubah bobot setiap hubungan agar Jaringan Syaraf Tiruan menghasilkansuatu perkiraan yang lebih baik dari output yang diharapkanIlustrasi dari prosedure pembelajaran diatas dapat dilihat dibawah ini :Diasumsikan bahwa suatu Jaringan Syaraf Tiruan dapat mengenali digit daritulisan tangan. Dapat digunakan suatu array dengan 256 sensor, setiap sensor merekamada tidaknya tinta pada suatu digit. Jaringan Syaraf Tiruan memerlukan 256 unit-unitinput (satu untuk setiap sensor), 10 unit-unit output (satu untuk setiap digit) dan sebuahnomor dari unit-unit tersembunyi.Untuk setiap digit yang direkam oleh sensor, Jaringan Syaraf Tiruan akanmenghasilkan aktifitas yang tinggi pada unit output yang cocok dan aktifitas yang rendahpada unit-unit output yang lain.Untuk pembelajaran Jaringan Syaraf Tiruan, ditampilkan sebuah gambar darisebuah digit dan membandingkan aktifitas sebenarnya dari 10 unit-unit output denganaktifitas yang diharapkan. Kemudian menghitung error, dimana ditentukan sebagaipersegi yang berbeda antara aktifitas sebenarnya dan aktifitas yang diharapkan. Selanjutnya mengubah bobot setiap hubungan untuk mengurangi error. Hal ini dilakukanberulang-ulang dengan banyak gambar yang berbeda Untuk mengimplementasikan prosedure ini diperlukan perhitungan error derivativeuntuk bobot (EW) supaya perubahan bobot oleh sebuah jumlah yang sesuai pada nilaidimana error berubah karena bobot diubah. Suatu cara untuk menghitung EW adalahmengubah bobot sedikit dan meneliti bagaimana error dapat berubah. Namun metode inikurang efisien karena membutuhkan gangguan yang berbeda untuk setiap dari sekianbanyak bobot.Cara lain yang sering digunakan untuk menghitung EW adalah denganmenggunakan algoritma back-propagation. Saat ini merupakan metode yang pentinguntuk pembelajaran Jaringan Syaraf Tiruan. Metode ini dikembangkan secara mandirioleh 2 tim yaitu Fogelman-Soulie, Gallinari dan Le Cun dari Prancis dan Rumelhart,Hinton dan Williams dari Amerika.8. Faktor Keberhasilan Jaringan Syaraf Tiruan
Page 11
MateriKuliah.ComCopyright © 2005 MateriKuliah.Com 10Jaringan Syaraf Tiruan mengalami “booming” dan diminati beberapa tahunterakhir ini, dan sangat sukses digunakan untuk memecahkan berbagai masaalah dalamberbagai disiplin ilmu seperti : bidang finansial, kedokteran, teknik, geologi dan fisika. Lebih jauh lagi, bahwa sesuatu masaalah dengan menggunakan Jaringan Syaraf Tiruandapat diprediksi, dikelompokkan dan dikontrol. Ada beberapa faktor yang mendukung keberhasilan tersebut antara lain :Handal. Jaringan Syaraf Tiruan adalah teknik pemodelan yang sangat memuaskan yangdapat membuat model suatu fungsi yang sangat kompleks. Khususnya Jaringan SyarafTiruan nonlinear. Sejak beberapa tahun, model linear umumnya digunakan dimanamodel linear dikenal dengan strategi optimasi. Jaringan Syaraf Tiruan juga menggunakanmodel nonlinear dengan berbagai variabel.Mudah digunakan. Jaringan Syaraf Tiruan dipelajari dengan contoh. PenggunaJaringan Syaraf Tiruan mengumpulkan data dan melakukan pembelajaran algoritmauntuk mempelajari secara otomatis struktur data, sehingga pengguna tidak memerlukanpengetahuan khusus mengenai bagaimana memilih dan mempersiapkan data, bagaimanamemilih Jaringan Syaraf Tiruan yang tepat, bagaimana membaca hasil, tingkatanpengetahuan yang diperlukan untuk keberhasilan Menggunakan Jaringan Syaraf Tiruantidak lebih dari pemecahan masalah yang menggunakan metode statistik nonlinear yangtelah dikenal.9. Aplikasi Jaringan Syaraf TiruanJaringan Syaraf Tiruan mampu menggambarkan setiap situasi adanya sebuahhubungan antara variabel predictor (independents, inputs) dan variabel predicted(dependents, outputs), ketika hubungan tersebut sangat kompleks dan tidak mudah untukmenjelaskan kedalam istilah yang umum dari “correlations” atau “differences betweengroups”. Beberapa contoh permasalahan yang dapat dipecahkan secara baik oleh JaringanSyaraf Tiruan antara lain :9.1. Deteksi Fenomena Kedokteran. Berbagai indikasi yang berhubungan dengan kesehatan (kombinasi dari denyutjantung, tingkatan dan berbagai substansi dalam darah, dll) dapat dimonitoring. Serangan
Page 12
MateriKuliah.ComCopyright © 2005 MateriKuliah.Com 11pada kondisi kesehatan tertentu dapat dihubungan dengan perubahan kombinasi yangsangat kompeks (nonlinear dan interaktif) pada subset dari variabel, dapat dimonitoring. Jaringan Syaraf Tiruan telah digunakan untuk mengenali pola yang diperkirakan sehinggaperlakuan yang tepat dapat dilakukan.9.2. Untuk mendeteksi golongan darah manusiaDengan menggunakan pengolahan citra. Manusia berusaha keras dengan segalakemampuannya untuk menirukan kehebatan yang mereka miliki, misalnya seorang dokterdengan keahliannya dapat membedakan golongan darah manusia antara A, B, AB, dan O.Dengan pendekatan kecerdasan buatan, manusia berusaha menirukan bagaimana pola-pola dibentuk. Jaringan Syaraf Tiruan telah dikembangkan sebagai generalisasi modelmatematik dari pembelajaran manusia.9.3. Prediksi Pasar Saham. Fluktuasi dari harga saham dan index saham adalah contoh lain yang kompleks,multidimesi tetapi dalam beberapa kondisi tertentu merupakan phenomena yang dapatprediksi. Jaringan Syaraf Tiruan telah digunakan oleh analis teknik untuk membuatprediksi tentang pasar saham yang didasarkan atas sejumlah faktor seperti keadaan masalalu bursa yang lain dan berbagai indikator ekonomi.9.4. Perjanjian Kredit. Berbagai informasi biasanya didapat dari seorang peminjam seperti umur,pendidikan, pekerjaan dan berbagai data lain. Setelah pembelajaran dari Jaringan SyarafTiruan tentang data peminjam, analisis Jaringan Syaraf Tiruan dapat mengidentifikasikaraktersetik peminjam sehingga dapat digunakan untuk mengklasifikasikan peminjamterhadap resiko peminjam dalam kategori baik atau buruk 9.5. Monitoring Kondisi Mesin. Jaringan Syaraf Tiruan dapat digunakan untuk memangkas biaya denganmemberikan keahlian tambahan untuk menjadwalkan perawatan mesin. Jaringan SyarafTiruan dapat dilatih untuk membedakan suara sebuah mesin ketika berjalan normal
Page 13
MateriKuliah.ComCopyright © 2005 MateriKuliah.Com 12(“false alarm”) dengan ketika mesin hampir mengalami suatu masalah. Setelah periodepembelajaran, keahlian dari Jaringan Syaraf Tiruan dapat digunakan untukmemperingatkan seorang teknisi terhadap kerusakan yang akan timbul sebelum terjadiyang akan menyebabkan biaya yang tidak terduga.9.6. Pemeliharaan Mesin. Jaringan Syaraf Tiruan telah digunakan untuk menganalisis input dari sebuahsensor pada sebuah mesin. Dengan mengontrol beberapa parameter ketika mesin sedangberjalan, dapat melakukan fungsi tertentu misalnya meminimalkan penggunaan bahanbakar.10. KesimpulanJaringan Syaraf Tiruan mulai dilirik banyak kalangan karena mempunyai banyakkelebihan dibandingkan system konvensional. Jaringan Syaraf Tiruan mewakili pikiranmanusia untuk mendekatkan diri dengan komputer, maksudnya Jaringan Syaraf Tiruandirancang agar komputer dapat bekerja seperti/layaknya otak manusia. Berikut inibeberapa keunggulan dari Jaringan Syaraf Tiruan adalah :1. Adaptive learning: Suatu kemampuan untuk melakukan suatu kegiatan yangdidasarkan atas data yang diberikan pada saat pembelajaran atau dari pengalamansebelumnya.2. Self-Organisation: Dapat membuat organisasi sendiri atau me-representasikaninformasi yang didapat pada saat pembelajaran.3. Real Time Operation: Dapat menghasilkan perhitungan parallel dan dengandevice hardware yang khusus yang dibuat akan memberikan keuntungan denganadanya kemampuan tersebut. 4. Fault Tolerance melalui Redundant Information Coding: Kerusakan pada bagiantertentu dari jaringan akan mengakibatkan penurunan kemampuan. Beberapajaringan mempunyai kemampuan untuk menahan kerusakan besar pada jaringan. 5. Kelebihan Jaringan Syaraf Tiruan terletak pada kemampuan belajar yangdimilikinya. Dengan kemampuan tersebut pengguna tidak perlu merumuskankaidah atau fungsinya. Jaringan Syaraf Tiruan akan belajar mencari sendiri
Page 14
MateriKuliah.ComCopyright © 2005 MateriKuliah.Com 13kaidah atau fungsi tersebut. Dengan demikian Jaringan Syaraf Tiruan mampudigunakan untuk menyelesaikan masalah yang rumit dan atau masalah yangterdapat kaidah atau fungsi yang tidak diketahui.6. Kemampuan Jaringan Syaraf Tiruan dalam menyelesaikan masalah yang rumittelah dibuktikan dalam berbagai macam penelitian. Daftar Pustaka An Introduction to Neural Networks, 2003 Prof. Leslie Smith, Centre for Cognitiveand Computational Neuroscience Department of Computing and MathematicsUniversity of Stirling. lss@cs.stir.ac.ukArtificial Neural Network Theory and Applications, Dan W. Patterson, John Wileyand Sons, Inc. 1995.Dan W. Patterson, Artificial Neural Network Theory and Applications, John Wileyand Sons, Inc. 1995. Membangun Jaringan Syaraf Tiruan, Sri Kusumadewi, 2004, Graha Ilmu,YogyakartaM.G.Pened., Computer_aided Diagnosis: A Neural-Network-Based Approach toLung Nodule Detection,IEEE Transc.on Medical Imaging, 17(6) 1998, Hal.872-880. Introduction to Neural Network by K. Gurney.http://www.shef.ac.uk/psychology/gurney/notes/contents.htmlNeural Network by Christos Stergiou and Dimitrios Siganos,http://www.doc.ic.ac.uk/~nd/surprise_96/ journal/vol4/cs11/report.html - 79k –Neural Network by Nikolay Nikolaefhttp://homepages.gold .ac.uk/nikolaef/cis311.html.course_outline_for_fall_2004
Page 15
MateriKuliah.ComCopyright © 2005 MateriKuliah.Com 14BIOGRAFI PENULISEli Yani. Lahir di Wonogiri,13 Juni 1980. Menamatkan SMU padatahun 1998. Menyelesaikan program S1 jurusan Teknik InformatikaUniversitas Islam Indonesia pada tahun 2002. Bekerja sebagai Dosendi Universitas Muhammadiyah Gresik sejak April 2003. Saat inisedang menyelesaikan program S2 pada jurusan Ilmu Komputer diUniversitasGadjah Mada Yogyakarta. Kompetensi inti adalah pada bidang Sistem Cerdas, SoftwareEngineering dan Web Engineering. Informasi lebih lanjut tentang penulis ini bisa didapatmelalui:Email : eliyani_n@yahoo.comYM : eliyani_n
G o o g l e membuat versi HTML dari dokumen tersebut secara otomatis pada saat menelusuri web.
Page 1
MateriKuliah.ComCopyright © 2005 MateriKuliah.Com 0 Pengantar Jaringan SyarafTiruan Oleh : ELI YANI eliyani_n@yahoo.com Dipublikasikan dan didedikasikanuntuk perkembangan pendidikan di Indonesia melalui MateriKuliah.Com Lisensi Pemakaian Artikel: Seluruh artikel di MateriKuliah.Com dapat digunakan, dimodifikasi dan disebarkan secarabebas untuk tujuan bukan komersial (nonprofit), dengan syarat tidak menghapus atau merubahatribut Penulis. Hak Atas Kekayaan Intelektual setiap artikel di MateriKuliah.Com adalah milikPenulis masing-masing, dan mereka bersedia membagikan karya mereka semata-mata untukperkembangan pendidikan di Indonesia. MateriKuliah.Com sangat berterima kasih untuk setiapartikel yang sudah Penulis kirimkan.
Page 2
MateriKuliah.ComCopyright © 2005 MateriKuliah.Com 11. PendahuluanJaringan Syaraf Tiruan dibuat pertama kali pada tahun 1943 olehneurophysiologist Waren McCulloch dan logician Walter Pits, namun teknologi yangtersedia pada saat itu belum memungkinkan mereka berbuat lebih jauh.1.1 Pengertian Jaringan Syaraf TiruanJaringan Syaraf Tiruan adalah paradigma pemrosesan suatu informasi yangterinspirasi oleh sistim sel syaraf biologi, sama seperti otak yang memproses suatuinformasi. Elemen mendasar dari paradigma tersebut adalah struktur yang baru darisistim pemrosesan informasi. Jaringan Syaraf Tiruan, seperti manusia, belajar dari suatucontoh. Jaringan Syaraf Tiruan dibentuk untuk memecahkan suatu masalah tertentuseperti pengenalan pola atau klasifikasi karena proses pembelajaran. Jaringan Syaraf Tiruan berkembang secara pesat pada beberapa tahun terakhir. Jaringan Syaraf Tiruan telah dikembangkan sebelum adanya suatu komputerkonvensional yang canggih dan terus berkembang walaupun pernah mengalami masavakum selama beberapa tahun.1.2 Inspirasi BiologiJaringan Syaraf Tiruan keluar dari penelitian kecerdasan buatan, terutamapercobaan untuk menirukan fault-tolerence dan kemampuan untuk belajar dari sistemsyaraf biologi dengan model struktur low-level dari otak. Otak terdiri dari sekitar (10.000.000.000) sel syaraf yang saling berhubungan. Selsyaraf mempunyai cabang struktur input (dendrites), sebuah inti sel dan percabanganstruktur output (axon). Axon dari sebuah sel terhubung dengan dendrites yang lainmelalui sebuah synapse. Ketika sebuah sel syaraf aktif, kemudian menimbulkan suatusignal electrochemical pada axon. Signal ini melewati synapses menuju ke sel syarafyang lain. Sebuah sel syaraf lain akan mendapatkan signal jika memenuhi batasantertentu yang sering disebut dengan nilai ambang atau (threshold).
Page 3
MateriKuliah.ComCopyright © 2005 MateriKuliah.Com 2Gambar 1. Susunan Syaraf Manusia2. Perbandingan Jaringan Syaraf Tiruan dengan KonvensionalJaringan Syaraf Tiruan memiliki pendekatan yang berbeda untuk memecahkanmasalah bila dibandingkan dengan sebuah komputer konvensional. Umumnya komputerkonvensional menggunakan pendekatan algoritma (komputer konvensional menjalankansekumpulan perintah untuk memecahkan masalah). Jika suatu perintah tidak diketahuioleh komputer konvensional maka komputer konvensional tidak dapat memecahkanmasalah yang ada. Sangat penting mengetahui bagaimana memecahkan suatu masalahpada komputer konvensional dimana komputer konvensional akan sangat bermanfaat jikadapat melakukan sesuatu dimana pengguna belum mengatahui bagaimana melakukannya.Jaringan Syaraf Tiruan dan suatu algoritma komputer konvensional tidak salingbersaing namun saling melengkapi satu sama lain. Pada suatu kegiatan yang besar, sistimyang diperlukan biasanya menggunakan kombinasi antara keduanya (biasanya sebuahkomputer konvensional digunakan untuk mengontrol Jaringan Syaraf Tiruan untukmenghasilkan efisiensi yang maksimal. Jaringan Syaraf Tiruan tidak memberikan suatukeajiban tetapi jika digunakan secara tepat akan menghasilkan sasuatu hasil yangluarbiasa.
Page 4
MateriKuliah.ComCopyright © 2005 MateriKuliah.Com 3Gambar 2. Sebuah Sel Syaraf Sederhana 3. Model Dasar Jaringan Syaraf TiruanMengadopsi esensi dasar dari system syaraf biologi, syaraf tiruan digambarkansebagai berikut : Menerima input atau masukan (baik dari data yang dimasukkan ataudari output sel syaraf pada jaringan syaraf. Setiap input datang melalui suatu koneksiatau hubungan yang mempunyai sebuah bobot (weight). Setiap sel syaraf mempunyaisebuah nilai ambang. Jumlah bobot dari input dan dikurangi dengan nilai ambangkemudian akan mendapatkan suatu aktivasi dari sel syaraf (post synaptic potential, PSP,dari sel syaraf). Signal aktivasi kemudian menjadi fungsi aktivasi / fungsi transfer untukmenghasilkan output dari sel syaraf.Jika tahapan fungsi aktivasi digunakan ( output sel syaraf = 0 jika input <0 dan 1jika input >= 0) maka tindakan sel syaraf sama dengan sel syaraf biologi yang dijelaskandiatas (pengurangan nilai ambang dari jumlah bobot dan membandingkan dengan 0adalah sama dengan membandingkan jumlah bobot dengan nilai ambang). Biasanyatahapan fungsi jarang digunakan dalan Jaringan Syaraf Tiruan. Fungsi aktivasi (f(.))dapat dilihat pada Gambar 3.
Page 5
MateriKuliah.ComCopyright © 2005 MateriKuliah.Com 4Gambar 3. Fungsi AktifasiBagaimana sel syaraf saling berhubungan? Jika suatu jaringan ingin digunakanuntuk berbagai keperluan maka harus memiliki input (akan membawa nilai dari suatuvariabel dari luar) dan output (dari prediksi atau signal kontrol). Input dan output sesuaidengan sensor dan syaraf motorik seperti signal datang dari mata kemudian diteruskanke tangan, Dalam hal ini terdapat sel syaraf atau neuron pada lapisan tersembunyiberperan pada jaringan ini. Input, lapisan tersembunyi dan output sel syaraf diperlukanuntuk saling terhubung satu sama lain.Berdasarkan dari arsitektur (pola koneksi), Jaringan Syaraf Tiruan dapat dibagikedalam dua katagori :3.1 Struktur feedforwardSebuah jaringan yang sederhana mempunyai struktur feedforward dimana signalbergerak dari input kemudian melewati lapisan tersembunyi dan akhirnya mencapai unitoutput (mempunyai struktur perilaku yang stabil). Tipe jaringan feedforward mempunyai sel syaraf yang tersusun dari beberapalapisan. Lapisan input bukan merupakan sel syaraf. Lapisan ini hanya memberipelayanan dengan mengenalkan suatu nilai dari suatu variabel. Lapisan tersembunyi danlapisan output sel syaraf terhubung satu sama lain dengan lapisan sebelumnya. Kemungkinan yang timbul adalah adanya hubungan dengan beberapa unit dari lapisansebelumnya atau terhubung semuanya (lebih baik).
Page 6
MateriKuliah.ComCopyright © 2005 MateriKuliah.Com 5Gambar 4. Jaringan Syaraf Tiruan FeedforwardYang termasuk dalam struktur feedforward :- Single-layer perceptron - Multilayer perceptron - Radial-basis function networks - Higher-order networks - Polynomial learning networks3.2 Struktur recurrent (feedback)Jika suatu jaringan berulang (mempunyai koneksi kembali dari output ke input)akan menimbulkan ketidakstabilan dan akan menghasilkan dinamika yang sangatkompleks. Jaringan yang berulang sangat menarik untuk diteliti dalam Jaringan SyarafTiruan, namun sejauh ini structure feedforward sangat berguna untuk memecahkanmasalah. Yang termasuk dalam stuktur recurrent (feedback) :- Competitive networks - Self-organizing maps - Hopfield networks - Adaptive-resonanse theory models
Page 7
MateriKuliah.ComCopyright © 2005 MateriKuliah.Com 6Gambar 5. Jaringan Syaraf Tiruan FeedBack Ketika sebuah Jaringan Syaraf digunakan. Input dari nilai suatu variabelditempatkan dalam suatu input unit.dan kemudian unit lapisan tersembunyi dan lapisanoutput menjalankannya. Setiap lapisan tersebut menghitung nilai aktivasi denganmengambil jumlah bobot output dari setiap unit dari lapisan sebelumnya dan kemudiandikurangi dengan nilai ambang. Nilai aktifasi kemudian melalui fungsi aktifasi untukmenghasilakan output dari sel syaraf. Ketika semua unit pada Jaringan Syaraf telahdijalankan maka aksi dari lapisan output merupakan output dari seluruh jaringan syaraf. 4. Lapisan pada Jaringan Syaraf TiruanJaringan Syaraf Tiruan biasanya mempunyai 3 group atau lapisan yaitu unit-unit :lapisan input yang terhubung dengan lapisan tersembunyi yang selanjutnya terhubungdengan 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 unit-unit input dan bobot dari koneksi antara unit-unit input dan unit-unit lapisantersembunyi. Karakteristik dari unit-unit output tergantung dari aktifitas unit-unit lapisantersembunyi dan bobot antara unit-unit lapisan tersembunyi dan unit-unit output.
Page 8
MateriKuliah.ComCopyright © 2005 MateriKuliah.Com 75. PerceptronPerceptron termasuk kedalam salah satu bentuk Jaringan Syaraf Tiruan yangsederhana. Perceptron biasanya digunakan untuk mengklasifikasikan suatu tipe polatertentu yang sering dikenal dengan istilah pemisahan secara linear. Pada dasarnyaperceptron pada Jaringan Syaraf dengan satu lapisan memiliki bobot yang bisa diatur dansuatu nilai ambang. Algoritma yang digunakan oleh aturan perceptron ini akan mengaturparameter-parameter bebasnya melalui proses pembelajaran. Fungsi aktivasi dibuatsedemikian rupa sehingga terjadi pembatasan antara daerah positif dan daerah negatif. Perceptron dapat dilihat di gambar 6Gambar 6. Bentuk Perceptron6.Proses PembelajaranUmumnya, jika menggunakan Jaringan Syaraf Tiruan, hubungan antara input danoutput harus diketahui secara pasti dan jika hubungan tersebut telah diketahui maka dapatdibuat suatu model. Hal lain yang penting adalah proses belajar hubungan input/outputdilakukan dengan pembelajaran. Ada dua tipe pembelajaran yang dikenal yaitu :pembelajaran terawasi dan pembelajaran tak terawasi.Pada pembelajaran terawasi, metode ini digunakan jika output yang diharapkantelah diketahui sebelumnya. Biasanya pembelajaran dilakukan dengan menggunakandata yang telah ada. Pada contoh diatas misalnya data pasar saham yang ada pada DOW,NASDAQ atau FTSE, data yang ada sebelumnya mengenai aplikasi kredit yang berhasiltermasuk daftar pertanyaan atau posisi sebuah robot dan reaksi yang benar.
Page 9
MateriKuliah.ComCopyright © 2005 MateriKuliah.Com 8Pada metode pembelajaran yang tidak terawasi, tidak memerlukan targetoutput. Pada metode ini tidak dapat ditentukan hasil seperti apa yang diharapkan selamaproses pembelajaran. Selama proses pembelajaran, nilai bobot disusun dalam suatu rangetertentu tergantung pada nilai input yang diberikan. Tujuan pembelajaran ini adalahmengelompokkan unit-unit yang hampir sama dalam suatu area tertentu. Pembelajaranseperti ini biasanya sangat cocok untuk pengelompokkan (klasifikasi) pola.7. Fungsi TransferKarakter dari Jaringan Syaraf Tiruan tergantung atas bobot dan fungsi input-output (fungsi transfer) yang mempunyai ciri tertentu untuk setiap unit. Fungsi ini terdiridari 3 katagori yaitu : Untuk linear units, Aktifitas output adalah sebanding dengan jumlah bobot output. Untuk threshold units, Output diatur satu dari dua tingkatan tergantung dari apakahjumlah input adalah lebih besar atau lebih kecil dari nilai ambang.Untuk sigmoid units, Output terus menerus berubah-ubah tetapi tidak berbentuk linear. Unit ini mengandung kesamaan yang lebih besar dari sel syaraf sebenarnya dibandingkandengan linear dan threshold unit, namun ketiganya harus dipertimbangkan denganperkiraan kasar.Untuk membuat Jaringan Syaraf Tiruan untuk melakukan beberapa kerja khusus. Harus dipilih bagaimana unit-unit dihubungkan antara satu dengan yang lain dan harusmengatur bobot dari hubungan tersebut secara tepat. Hubungan tersebut menentukanapakah mungkin suatu unit mempengaruhi unit yang lain. Bobot menentukan kekuatandari pengaruh tersebut.Dapat dilakukan pembelajaran terhadap 3 lapisan pada Jaringan Syaraf Tiruan untukmelakukan kerja khusus dengan menggunakan prosedure dibawah ini :1. Memperkenalkan Jaringan Syaraf Tiruan dengan contoh pembelajaran yangterdiri dari sebuah pola dari aktifitas untuk unit-unit input bersama dengan polayang diharapkan dari aktifitas untuk unit-unit output.2. Menentukan seberapa dekat output sebenarnya dari Jaringan Syaraf Tiruan sesuaidengan output yang diharapkan.
Page 10
MateriKuliah.ComCopyright © 2005 MateriKuliah.Com 93. Mengubah bobot setiap hubungan agar Jaringan Syaraf Tiruan menghasilkansuatu perkiraan yang lebih baik dari output yang diharapkanIlustrasi dari prosedure pembelajaran diatas dapat dilihat dibawah ini :Diasumsikan bahwa suatu Jaringan Syaraf Tiruan dapat mengenali digit daritulisan tangan. Dapat digunakan suatu array dengan 256 sensor, setiap sensor merekamada tidaknya tinta pada suatu digit. Jaringan Syaraf Tiruan memerlukan 256 unit-unitinput (satu untuk setiap sensor), 10 unit-unit output (satu untuk setiap digit) dan sebuahnomor dari unit-unit tersembunyi.Untuk setiap digit yang direkam oleh sensor, Jaringan Syaraf Tiruan akanmenghasilkan aktifitas yang tinggi pada unit output yang cocok dan aktifitas yang rendahpada unit-unit output yang lain.Untuk pembelajaran Jaringan Syaraf Tiruan, ditampilkan sebuah gambar darisebuah digit dan membandingkan aktifitas sebenarnya dari 10 unit-unit output denganaktifitas yang diharapkan. Kemudian menghitung error, dimana ditentukan sebagaipersegi yang berbeda antara aktifitas sebenarnya dan aktifitas yang diharapkan. Selanjutnya mengubah bobot setiap hubungan untuk mengurangi error. Hal ini dilakukanberulang-ulang dengan banyak gambar yang berbeda Untuk mengimplementasikan prosedure ini diperlukan perhitungan error derivativeuntuk bobot (EW) supaya perubahan bobot oleh sebuah jumlah yang sesuai pada nilaidimana error berubah karena bobot diubah. Suatu cara untuk menghitung EW adalahmengubah bobot sedikit dan meneliti bagaimana error dapat berubah. Namun metode inikurang efisien karena membutuhkan gangguan yang berbeda untuk setiap dari sekianbanyak bobot.Cara lain yang sering digunakan untuk menghitung EW adalah denganmenggunakan algoritma back-propagation. Saat ini merupakan metode yang pentinguntuk pembelajaran Jaringan Syaraf Tiruan. Metode ini dikembangkan secara mandirioleh 2 tim yaitu Fogelman-Soulie, Gallinari dan Le Cun dari Prancis dan Rumelhart,Hinton dan Williams dari Amerika.8. Faktor Keberhasilan Jaringan Syaraf Tiruan
Page 11
MateriKuliah.ComCopyright © 2005 MateriKuliah.Com 10Jaringan Syaraf Tiruan mengalami “booming” dan diminati beberapa tahunterakhir ini, dan sangat sukses digunakan untuk memecahkan berbagai masaalah dalamberbagai disiplin ilmu seperti : bidang finansial, kedokteran, teknik, geologi dan fisika. Lebih jauh lagi, bahwa sesuatu masaalah dengan menggunakan Jaringan Syaraf Tiruandapat diprediksi, dikelompokkan dan dikontrol. Ada beberapa faktor yang mendukung keberhasilan tersebut antara lain :Handal. Jaringan Syaraf Tiruan adalah teknik pemodelan yang sangat memuaskan yangdapat membuat model suatu fungsi yang sangat kompleks. Khususnya Jaringan SyarafTiruan nonlinear. Sejak beberapa tahun, model linear umumnya digunakan dimanamodel linear dikenal dengan strategi optimasi. Jaringan Syaraf Tiruan juga menggunakanmodel nonlinear dengan berbagai variabel.Mudah digunakan. Jaringan Syaraf Tiruan dipelajari dengan contoh. PenggunaJaringan Syaraf Tiruan mengumpulkan data dan melakukan pembelajaran algoritmauntuk mempelajari secara otomatis struktur data, sehingga pengguna tidak memerlukanpengetahuan khusus mengenai bagaimana memilih dan mempersiapkan data, bagaimanamemilih Jaringan Syaraf Tiruan yang tepat, bagaimana membaca hasil, tingkatanpengetahuan yang diperlukan untuk keberhasilan Menggunakan Jaringan Syaraf Tiruantidak lebih dari pemecahan masalah yang menggunakan metode statistik nonlinear yangtelah dikenal.9. Aplikasi Jaringan Syaraf TiruanJaringan Syaraf Tiruan mampu menggambarkan setiap situasi adanya sebuahhubungan antara variabel predictor (independents, inputs) dan variabel predicted(dependents, outputs), ketika hubungan tersebut sangat kompleks dan tidak mudah untukmenjelaskan kedalam istilah yang umum dari “correlations” atau “differences betweengroups”. Beberapa contoh permasalahan yang dapat dipecahkan secara baik oleh JaringanSyaraf Tiruan antara lain :9.1. Deteksi Fenomena Kedokteran. Berbagai indikasi yang berhubungan dengan kesehatan (kombinasi dari denyutjantung, tingkatan dan berbagai substansi dalam darah, dll) dapat dimonitoring. Serangan
Page 12
MateriKuliah.ComCopyright © 2005 MateriKuliah.Com 11pada kondisi kesehatan tertentu dapat dihubungan dengan perubahan kombinasi yangsangat kompeks (nonlinear dan interaktif) pada subset dari variabel, dapat dimonitoring. Jaringan Syaraf Tiruan telah digunakan untuk mengenali pola yang diperkirakan sehinggaperlakuan yang tepat dapat dilakukan.9.2. Untuk mendeteksi golongan darah manusiaDengan menggunakan pengolahan citra. Manusia berusaha keras dengan segalakemampuannya untuk menirukan kehebatan yang mereka miliki, misalnya seorang dokterdengan keahliannya dapat membedakan golongan darah manusia antara A, B, AB, dan O.Dengan pendekatan kecerdasan buatan, manusia berusaha menirukan bagaimana pola-pola dibentuk. Jaringan Syaraf Tiruan telah dikembangkan sebagai generalisasi modelmatematik dari pembelajaran manusia.9.3. Prediksi Pasar Saham. Fluktuasi dari harga saham dan index saham adalah contoh lain yang kompleks,multidimesi tetapi dalam beberapa kondisi tertentu merupakan phenomena yang dapatprediksi. Jaringan Syaraf Tiruan telah digunakan oleh analis teknik untuk membuatprediksi tentang pasar saham yang didasarkan atas sejumlah faktor seperti keadaan masalalu bursa yang lain dan berbagai indikator ekonomi.9.4. Perjanjian Kredit. Berbagai informasi biasanya didapat dari seorang peminjam seperti umur,pendidikan, pekerjaan dan berbagai data lain. Setelah pembelajaran dari Jaringan SyarafTiruan tentang data peminjam, analisis Jaringan Syaraf Tiruan dapat mengidentifikasikaraktersetik peminjam sehingga dapat digunakan untuk mengklasifikasikan peminjamterhadap resiko peminjam dalam kategori baik atau buruk 9.5. Monitoring Kondisi Mesin. Jaringan Syaraf Tiruan dapat digunakan untuk memangkas biaya denganmemberikan keahlian tambahan untuk menjadwalkan perawatan mesin. Jaringan SyarafTiruan dapat dilatih untuk membedakan suara sebuah mesin ketika berjalan normal
Page 13
MateriKuliah.ComCopyright © 2005 MateriKuliah.Com 12(“false alarm”) dengan ketika mesin hampir mengalami suatu masalah. Setelah periodepembelajaran, keahlian dari Jaringan Syaraf Tiruan dapat digunakan untukmemperingatkan seorang teknisi terhadap kerusakan yang akan timbul sebelum terjadiyang akan menyebabkan biaya yang tidak terduga.9.6. Pemeliharaan Mesin. Jaringan Syaraf Tiruan telah digunakan untuk menganalisis input dari sebuahsensor pada sebuah mesin. Dengan mengontrol beberapa parameter ketika mesin sedangberjalan, dapat melakukan fungsi tertentu misalnya meminimalkan penggunaan bahanbakar.10. KesimpulanJaringan Syaraf Tiruan mulai dilirik banyak kalangan karena mempunyai banyakkelebihan dibandingkan system konvensional. Jaringan Syaraf Tiruan mewakili pikiranmanusia untuk mendekatkan diri dengan komputer, maksudnya Jaringan Syaraf Tiruandirancang agar komputer dapat bekerja seperti/layaknya otak manusia. Berikut inibeberapa keunggulan dari Jaringan Syaraf Tiruan adalah :1. Adaptive learning: Suatu kemampuan untuk melakukan suatu kegiatan yangdidasarkan atas data yang diberikan pada saat pembelajaran atau dari pengalamansebelumnya.2. Self-Organisation: Dapat membuat organisasi sendiri atau me-representasikaninformasi yang didapat pada saat pembelajaran.3. Real Time Operation: Dapat menghasilkan perhitungan parallel dan dengandevice hardware yang khusus yang dibuat akan memberikan keuntungan denganadanya kemampuan tersebut. 4. Fault Tolerance melalui Redundant Information Coding: Kerusakan pada bagiantertentu dari jaringan akan mengakibatkan penurunan kemampuan. Beberapajaringan mempunyai kemampuan untuk menahan kerusakan besar pada jaringan. 5. Kelebihan Jaringan Syaraf Tiruan terletak pada kemampuan belajar yangdimilikinya. Dengan kemampuan tersebut pengguna tidak perlu merumuskankaidah atau fungsinya. Jaringan Syaraf Tiruan akan belajar mencari sendiri
Page 14
MateriKuliah.ComCopyright © 2005 MateriKuliah.Com 13kaidah atau fungsi tersebut. Dengan demikian Jaringan Syaraf Tiruan mampudigunakan untuk menyelesaikan masalah yang rumit dan atau masalah yangterdapat kaidah atau fungsi yang tidak diketahui.6. Kemampuan Jaringan Syaraf Tiruan dalam menyelesaikan masalah yang rumittelah dibuktikan dalam berbagai macam penelitian. Daftar Pustaka An Introduction to Neural Networks, 2003 Prof. Leslie Smith, Centre for Cognitiveand Computational Neuroscience Department of Computing and MathematicsUniversity of Stirling. lss@cs.stir.ac.ukArtificial Neural Network Theory and Applications, Dan W. Patterson, John Wileyand Sons, Inc. 1995.Dan W. Patterson, Artificial Neural Network Theory and Applications, John Wileyand Sons, Inc. 1995. Membangun Jaringan Syaraf Tiruan, Sri Kusumadewi, 2004, Graha Ilmu,YogyakartaM.G.Pened., Computer_aided Diagnosis: A Neural-Network-Based Approach toLung Nodule Detection,IEEE Transc.on Medical Imaging, 17(6) 1998, Hal.872-880. Introduction to Neural Network by K. Gurney.http://www.shef.ac.uk/psychology/gurney/notes/contents.htmlNeural Network by Christos Stergiou and Dimitrios Siganos,http://www.doc.ic.ac.uk/~nd/surprise_96/ journal/vol4/cs11/report.html - 79k –Neural Network by Nikolay Nikolaefhttp://homepages.gold .ac.uk/nikolaef/cis311.html.course_outline_for_fall_2004
Page 15
MateriKuliah.ComCopyright © 2005 MateriKuliah.Com 14BIOGRAFI PENULISEli Yani. Lahir di Wonogiri,13 Juni 1980. Menamatkan SMU padatahun 1998. Menyelesaikan program S1 jurusan Teknik InformatikaUniversitas Islam Indonesia pada tahun 2002. Bekerja sebagai Dosendi Universitas Muhammadiyah Gresik sejak April 2003. Saat inisedang menyelesaikan program S2 pada jurusan Ilmu Komputer diUniversitasGadjah Mada Yogyakarta. Kompetensi inti adalah pada bidang Sistem Cerdas, SoftwareEngineering dan Web Engineering. Informasi lebih lanjut tentang penulis ini bisa didapatmelalui:Email : eliyani_n@yahoo.comYM : eliyani_n
Tidak ada komentar:
Posting Komentar