Nama : Nadya Indriyani
Npm : 2211050072
Apa itu Jaringan Syaraf Tiruan (JST)?
Jaringan syaraf tiruan (JST) adalah sistem komputasi yang terinspirasi dari struktur dan fungsi otak manusia. JST dirancang untuk meniru cara neuron dalam otak saling terhubung dan memproses informasi. Tujuannya adalah untuk menciptakan sistem yang mampu belajar, beradaptasi, dan membuat keputusan berdasarkan data yang diberikan.
Prinsip Dasar Kerja JST
JST bekerja berdasarkan prinsip-prinsip berikut:
- Neuron: Unit dasar dari JST adalah neuron tiruan. Setiap neuron menerima beberapa input, melakukan perhitungan internal, dan menghasilkan output.
- Bobot: Setiap koneksi antara neuron memiliki bobot yang menentukan seberapa kuat pengaruh input terhadap output neuron. Bobot inilah yang akan dipelajari oleh JST selama proses pelatihan.
- Bias: Selain bobot, neuron juga memiliki bias yang berfungsi sebagai nilai ambang batas. Jika nilai total input yang dikalikan dengan bobot ditambah bias melebihi ambang batas tertentu, neuron akan aktif dan menghasilkan output.
- Fungsi Aktivasi: Fungsi aktivasi menentukan apakah neuron akan aktif atau tidak berdasarkan nilai total input. Fungsi aktivasi yang umum digunakan adalah sigmoid, tanh, dan ReLU.
- Propagasi Maju: Informasi mengalir dari lapisan input menuju lapisan output melalui lapisan-lapisan tersembunyi. Pada setiap lapisan, neuron melakukan perhitungan dan meneruskan hasilnya ke lapisan berikutnya.
- Pelatihan: JST dilatih dengan menggunakan data pelatihan. Selama pelatihan, bobot dan bias secara bertahap disesuaikan sehingga JST dapat menghasilkan output yang sesuai dengan data yang diberikan.
- Backpropagation: Algoritma backpropagation digunakan untuk menghitung error antara output yang dihasilkan JST dengan output yang diharapkan. Error ini kemudian digunakan untuk memperbarui bobot dan bias secara bertahap.
Komponen Dasar JST
- Neuron: Seperti yang telah dijelaskan, neuron adalah unit dasar JST. Neuron menerima input, melakukan perhitungan, dan menghasilkan output.
- Lapisan Input: Lapisan pertama dalam JST yang menerima data input. Setiap neuron pada lapisan input mewakili satu fitur dari data input.
- Lapisan Tersembunyi (Hidden Layer): Lapisan antara lapisan input dan lapisan output. Lapisan tersembunyi melakukan ekstraksi fitur yang lebih kompleks dari data input. Jumlah lapisan tersembunyi dan jumlah neuron pada setiap lapisan dapat bervariasi tergantung pada kompleksitas masalah yang akan diselesaikan.
- Lapisan Output: Lapisan terakhir dalam JST yang menghasilkan output. Jumlah neuron pada lapisan output tergantung pada jenis masalah yang akan diselesaikan. Misalnya, untuk masalah klasifikasi biner, lapisan output biasanya hanya memiliki satu neuron.
Contoh Sederhana
Bayangkan JST yang digunakan untuk mengklasifikasikan gambar menjadi kucing atau anjing. Lapisan input akan menerima data gambar dalam bentuk matriks piksel. Lapisan tersembunyi akan mengekstrak fitur-fitur seperti bentuk telinga, mata, dan hidung. Lapisan output akan menghasilkan output berupa probabilitas bahwa gambar tersebut adalah kucing atau anjing.
Kesimpulan
JST adalah alat yang sangat powerful dalam menyelesaikan berbagai masalah seperti pengenalan pola, klasifikasi, prediksi, dan banyak lagi. Dengan memahami prinsip dasar dan komponen-komponennya, Anda dapat membangun dan melatih JST untuk berbagai aplikasi.