-->

Ads 720 x 90

Header-hoz

Jaringan Syaraf Tiruan (JST)

Jaringan syaraf tiruan merupakan algoritma klasifikasi yang meniru prinsip kerja dari jaringan syaraf manusia. Algoritma ini memetakan data masukan pada layer masukan menuju target pada layer keluaran melalui neuron-neuron pada layer tersembunyi.



Jenis-jenis jaringan syaraf tiruan antara lain: perceptron, backpropagation/ propagasi balik, learning vector quantization, dsb.

Perancangan algoritma jaringan syaraf tiruan, umumnya dibagi menjadi dua proses utama yaitu pelatihan dan pengujian. Sebelum kedua proses itu dilakukan, perlu dipersiapkan pembagian data untuk untuk data latih dan data uji terlebih dahulu. Persentase pembagian data latih dengan data uji yang umumnya digunakan yaitu 50:50, 60:40, 70:30, dan 80:20. 

Proses pelatihan dilakukan menggunakan sekumpulan data latih yang memuat parameter ciri/ feature yang digunakan untuk membedakan antara objek satu dengan objek lainnya (pengenalan pola). Data latih tersebut dirambatkan maju menuju target latih melalui arsitektur jaringan syaraf tiruan yang sebelumnya telah didesain.

Luaran dari proses pelatihan adalah suatu jaringan yang terdiri dari arsitektur beserta bobot-bobot terbaik hasil pembaharuan. Dengan jaringan tersebut, kemudian data latih dirambatkan maju sehingga diperoleh data keluaran yang kemudian dibandingkan dengan target latih sehingga diperoleh tingkat akurasi proses pelatihan.

Pada proses pengujian, dengan menggunakan jaringan syaraf tiruan hasil proses pelatihan, data uji dirambatkan maju sehingga diperoleh data keluaran yang kemudian dibandingkan dengan target uji dan diperoleh tingkat akurasi proses pengujian.

Beberapa parameter yang perlu diperhatikan dalam menyusun/ merancang arsitektur jaringan syaraf tiruan antara lain:

1. Jenis jaringan syaraf tiruan yang akan digunakan
2. Jumlah neuron pada layer masukan, layer tersembunyi, dan layer keluaran
3. Jumlah layer tersembunyi (hidden layer)
4. Fungsi aktivasi pada layer tersembunyi
5. Inisialisasi bobot awal
6. Inisialisasi nilai target kesalahan (error goal)
7. Inisialisasi nilai epoch
8. Inisialisasi nilai momentum

Algoritma jaringan syaraf tiruan dapat diaplikasikan untuk menyelesaikan berbagai macam persoalan komputasi diantaranya untuk kasus klasifikasi, identifikasi, prediksi, deteksi anomali, dll. Algoritma ini digunakan dengan tujuan mencari rumusan untuk memetakan nilai masukan menuju nilai keluaran di mana secara matematis ataupun secara fisis tidak ada persamaan yang menghubungkan kedua nilai tersebut.

Jaringan syaraf tiruan hanya akan bekerja dengan baik apabila nilai masukan dan nilai keluaran memiliki pola yang jelas dan teratur. Sebagai contoh untuk kasus prediksi curah hujan. Secara fisis, tidak ada persamaan yang menghubungkan antara besarnya suhu, kelembaban, kecepatan angin, dan curah hujan pada hari ini dengan besarnya curah hujan pada esok hari. Namun berdasarkan polanya, data-data tersebut memiliki pola yang jelas dan berulang (dilihat dari pola curah hujan dalam selang waktu yang relatif lama misalnya 10 atau 20 tahun terakhir). Pada kasus tersebut, peran jaringan syaraf tiruan dapat diandalkan untuk melakukan prediksi curah hujan dalam beberapa jangka waktu ke depan.

Sumber: https://pemrogramanmatlab.com/data-mining-menggunakan-matlab/jaringan-syaraf-tiruan-menggunakan-matlab/


Referensi Video Pembelajaran Jaringan Syaraf Tiruan:




TUGAS KELOMPOK:

- Membuat Ringkasan Materi dari Video Jaringan Syaraf Tiruan (Maksimal 25 Slide)

Hozairi
Sukses Harus Di Mulai Dari Mimpi

Related Posts

Post a Comment

Subscribe Our Newsletter