Arsitektur Jaringan Syaraf Tiruan

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 (hidden layer)Unit-unit dalam lapisan tersembunyi disebut unit-unit tersembunyi, diman outputnya tidak dapat diamati secara langsung. Lapis tersembunyi terletak di antara lapis input dan lapis output, yang dapat terdiri atas beberapa lapis yang tersembunyi.

3. Lapisan outputUnit-unit dalam lapisan output disebut unit-unit output. Output dari lapisan ini merupakan solusi Neural Network terhadap suatu permasalahan. Setelah melalui proses training, network merespon input baru untuk menghasilkan output yang merupakan hasil peramalan.

Arsitektur Jaringan Syaraf Tiruan
Arsitektur jaringan neural network dapat digambarkan dalam gambar berikut yang terdiri dari layer input, layer tersembunyi, dan layer output.

Berdasarkan arsitektur atau pola koneksi yang digunakan dalam pada jaringan syaraf tiruan, maka jaringan syaraf tiruan tersebut dapat dibedakan dalam 2 (dua) kategori yaitu :

1. Struktur Feedforward Sebuah jaringan yang sederhana mempunyai struktur feedforward dimana signal bergerak dari input kemudian melewati lapisan tersembunyi dan akhirnya mencapai unit output (mempunyai struktur perilaku yang stabil).

Metode yang termasuk dalam struktur feedforward:
• Single-layer perceptron
• Multilayer perceptron
• Radial-basis function networks
• Higher-order networks
• Polynomial learning networks

2. Struktur Recurrent (Feedback)
Jika suatu jaringan berulang (mempunyai koneksi kembali dari output ke input) akan menimbulkan ketidakstabilan dan akan menghasilkan dinamika yang sangat kompleks.

Metode yang termasuk dalam stuktur recurrent (feedback):
• Competitive networks
• Self-organizing maps
• Hopfield networks
• Adaptive-resonanse theory models

Klasifikasi Neural Networks

Klasifikasi Neural Networks terbagi menjadi 2 yaitu:

1. Single Layer Sebuah jaringan single layer memiliki satu lapisan bobot koneksi. Dimana unit input yang menerima sinyal dari dunia luar terhubung ke unit output tetapi tidak terhubung ke unit input lain, dan unit-unit output yang terhubung ke unit output lainnya. Arsitektur dari single layer terlihat dalam gambar dibawah ini :

2. Multi Layer
Jaring multilayer adalah jaringan dengan satu atau lebih lapisan tersembunyi antara unit input dan unit output