NEURAL NETWORK

rangkuman materi pertemuan 14 tentang Neural Network yang terdiri dari : 

1. Konsep Neural network 

Neural network (jaringan syaraf) adalah sistem pengolahan informasi yang didasari filosofi struktur perilaku syaraf mahluk hidup. 

Struktur jaringan syaraf untuk mempelajari bagaimana menghasilkan keluaran yang diinginkan pada saat diberikan sekumpulan masukan. Hal ini dikenal dengan input-output mapping.

2. Komponen Jaringan Syaraf 

Jaringan syaraf riil terdiri dari :
1.Sinapsis
2.Dendrit
3.Axon
4.Cell Body (kumpulan cell)

Jaringan syaraf tiruan terdiri dari :
1.Pengali
2.Penambah
3.Selisih

3. Arsitektur JST Backpropagation 

Arsitektur

Pola koneksi antara neuron disebut Arsitektur  JST. Suatu JST biasanya terdiri dari lapisan input, 1 atau  2 lapisan tersembunyi dan output. Dapat berupa SLP 

atau MLP. Berapa jumlah dan nilai input , weight, output.

4. Contoh Neural network 

Jaringan syaraf yang mengenali saudara kandung dan kenalan. Semuanya
kecuali dua yang menunjukkan bobot ada kala 1.0. threshold adalah
ditunjukkan di bagian dalam simpul tersebut.

5. Single Perceptron Neural Network 

Dapat dilihat pada gambar dibawah, Jaringan syarafSingle perceptron (SLP) ini terdiri atas lapisan input dan lapisan output. SLP ini merupakan model yang sederhana. Biasa digunakan untuk mengemulasikan fungsi logika NOT, OR, AND, NOR, NAND.

6. Multi Layer Perceptron 

JST Multi Layer Perceptron, terdiri dari lapisan input, lapisan tersembunyi (hidden) dan lapisan output.

Bila SLP digunakan untuk fungsi sederhana, MLP digunakan untuk fungsi yang lebih rumit seperti XOR. Jumlah lapisan pada Lapisan tersembunyi bisa sangat banyak. 

7. Perancangan Neural network 

Proses ini dilakukan secara internal, yaitu dengan memerintahkan sistem untuk mengidentifikasikan hubungan antar masukan kemudian mempelajarinya. 

Proses eksternal, sistem bisa menggunakan umpan balik eksternal atau tanggapan yang diinginkan, untuk membentuk prilaku jaringan yang disebut sebagai Supervised Learning

8. Metode Pembelajaran 

Ada dua jenis metode pembelajaran

1. Supervised Learning
Metode pembelajaran ini merupakan metode belajar dari contoh yang benar. Dalam metode ini JST tidak belajar sendiri tetapi diajarkan melalui contoh-contoh tersebut.
Contoh algoritma : Backpropagation, Least-Mean-Squared

2. Unsupervised Learning
Pada metode ini JST tidak diberikan contoh-contoh yang benar. Tetapi mengandalkan analisa JST mengenali
kesamaan dan perbedaan antara data-data input. Contoh algoritma : k-means Clustering, Kohonen, ART.

9. Implementasi Neural network

Implementasi JST
1. Arsitektur
Pola koneksi antara neuron disebut Arsitektur JST. Suatu JST biasanya terdiri dari lapisan input, 1 atau 2 lapisan tersembunyi dan output. Dapat berupa SLP atau MLP. Berapa jumlah dan nilai input , weight, output.

2. Metode belajar
Setelah arsitektur telah selesai, JST perlu Belajar(learning) atau dilatih(train). JST Belajar dengan cara mengubah-ubah nilai w eight sehingga output dari JST sesuai.