Ramadhan Adi

Pengertian Model Perceptron Salah satu metode yang termasuk dalam struktur feedforward adalah Perceptron. Perceptron biasanya digunakan untuk mengklasifikasikan suatu tipe pola tertentu yang sering dikenal dengan pemisahan secara linear dan algoritma yang digunakan oleh aturan perceptron ini akan mengatur parameter-parameter bebasnya melalui proses pembelajaran(Kusumadewi,2004). Pada jaringan syaraf perceptron semua input bersifat tidak saling tergantung (Independent) dan setiap bobot input mempengaruhi salah satu dari output. Learning Rule Perceptron • Aturan Kesalahan dalam sinyal kesalahan pada Perceptron dinyatakan sebagai berikut : e = t – y Dimana : Jika e = 1, makawbaru = wlama + x Jika e = -1, makawbaru = wlama – x Jika e = 0, makawbaru = wlama Keterangan variable – variable : e = error t = target x = input y = output w = bobot

Penjelasan Model Hebb Model Hebb Diusulkan oleh Donald Olding Hebb pada th 1949. Metode pengembangan dari metode McCulloch-Pitts. Model Hebb Menentukan bobot dan bias secara analitik (manual). Pembelajaran dilakukan dengan memperbaiki nilai bobot secara continue. Langkah-langkah Model Hebb: 1.Inisialisasi semua bobot = Wi = 0 (i=1,..,n) 2.Untuk semua vektor input s dan unit target t, lakukan : Set aktivasi unit masukan Xi = Si (i=1,..,n) Set aktivasi unit keluaran y = t Perbaiki bobot menurut persamaan Wi (baru) = Wi(lama)+∆W ∆W = Xi.y Perbaiki bias menurut persamaan : b(baru) = b(lama)+y

Struktur Dasar Jaringan Biologi • NEURON Neuron adalah satuan unit pemroses terkecil pada otak yang mempunyai tugas mengolah informasi. Jaringan saraf biologi merupakan kumpulan sel-sel saraf (neuron). Komponen-komponen utama dari sebuah Neuron dapat dikelompokan menjadi 3 bagian yaitu : Dendrit. Dendritbertugas untuk menerimainformasi Badan Sel (Soma). Badan sel (soma) berfungsi sebagai tempat pengolahan informasi. Axon (Neurit). Axon mengirimkan impuls-impuls ke sel saraf lainnya. Proses dalam pembuatan Sistem Syaraf Buatan 1. Menginputkan Informasi (Basis Pengetahuan) yang sebelumnya telah diketahui hasil keluarannya, melalui node atau unit input. 2. Pemberian nilai awal dalam setiap pembobotan sesuai dengan kriteriatertentu, hinggadiperolehkeluaran yang diharapkan. Proses Komputasi Pada Jaringan Syaraf Tiruan • Teknologi jaringan saraf tiruan yang berkembang pesat merupakan solusi persoalan komputasi yang tidak dapat diselesaikan oleh komputer konvensional. • Kemudian, jaringan...

Pengertian Sistem Syaraf Buatan merupakan model pemrosesan informasi yang dikembangkan berdasarkan prinsip kerja sistem syaraf otak manusia. Seperti halnya otak manusia, system syaraf buatan akan dapat menyelesaikan masalah apabila pengetahuan yang berkaitan dengan masalah tersebut dimiliki. Pengetahuan di dalam nya diperoleh melalui proses pembelajaran. Sejarah Jaringan Syaraf Tiruan • Pada tahun 1940-an, para ilmuwan menemukan bahwa psikologi dari otak sama dengan mode pemrosesan yang dilakukan oleh peralatan komputer • Pada tahun 1943, McCulloch dan Pitts merancang model formal yang pertama kali sebagai perhitungan dasar neuron • Pada tahun 1949, Hebb menyatakan bahwa informasi dapat disimpan dalam koneksi-koneksi dan mengusulkan adanya skema pembelajaran untuk memperbaiki koneksi-koneksi antar neuron tersebut. • Pada tahun 1954, Farley dan Clark mensetup model-model untuk relasi adaptif stimulus-respon dalam jaringan random. • Pada tahun 1958, Rosenblatt mengembangkan kosep das...

Neural Network Neural Network terdiri atas elemen-elemen untuk pemrosesan informasiyang disebut dengan neuron, unit, sel atau node. Setiap neuron dihubungkan dengan neuron lainnya dengan suatuconnection link, yang direpresentasikan dengan weight/bobot. Metode untuk menentukan nilai weight disebut dengan training, learning, atau algoritma. Setiap neuron menggunakan fungsi aktivasi pada net input untuk menentukan prediksi output. Neuron-neuron dalam neural network disusun dalam grup, yang disebut dengan layer (lapis). Susunan neuron-neuron dalam lapis dan pola koneksi didalam dan antar lapis disebut dengan arsitektur jaringan. Lapisan Yang Membentuk Neural Network 1. Lapisan Input Unit-unit di lapisan input disebut unit-unit input. Unit-unit input tersebut menerima pola inputan dari luar yang menggambarkan suatu permasalahan. Banyaknya node atau neuron dalam lapis input tergantung pada banyaknya input dalam model dan setiap input menentukan satu neuron. 2. Lapisan tersembunyi (hid...

Sekolah Tinggi Teknik - PLN Himpunan Mahasiswa Teknik Informatika STT PLN