Pandu Bimantoro_2211050075

Pandu Bimantoro_2211050075

oleh Pandu Bimantoro -

1. Jaringan Syaraf Tiruan (JST)

Jaringan Syaraf Tiruan (JST) adalah model komputasi yang terinspirasi oleh cara kerja otak manusia. JST terdiri dari sejumlah besar unit pemroses kecil yang saling terhubung, mirip seperti neuron dalam otak. JST dirancang untuk mengenali pola, membuat keputusan, dan menyelesaikan masalah yang kompleks dengan cara yang mirip dengan cara manusia belajar dan berpikir.

Prinsip Dasar JST:

  • Neuron: Unit dasar dari JST. Setiap neuron menerima sejumlah input, melakukan perhitungan, dan menghasilkan output.
  • Bobot: Setiap koneksi antara neuron memiliki bobot yang menentukan kekuatan sinyal yang ditransmisikan. Bobot ini akan diubah selama proses pembelajaran untuk meningkatkan kinerja jaringan.
  • Bias: Nilai tambahan yang ditambahkan ke hasil perhitungan neuron sebelum diaktifkan.
  • Fungsi Aktivasi: Fungsi matematika yang menentukan apakah neuron akan aktif atau tidak berdasarkan nilai input totalnya.
  • Pembelajaran: Proses mengubah bobot dan bias secara iteratif untuk meminimalkan kesalahan antara output yang diprediksi oleh jaringan dan output yang sebenarnya.

Cara Kerja JST:

  1. Input: Data masukan diberikan ke lapisan input JST.
  2. Propagasi: Data mengalir melalui lapisan-lapisan tersembunyi, di mana setiap neuron melakukan perhitungan dan meneruskan hasilnya ke neuron berikutnya.
  3. Output: Lapisan output menghasilkan output akhir dari jaringan.
  4. Pembelajaran: Jika output yang dihasilkan tidak sesuai dengan yang diharapkan, bobot dan bias akan disesuaikan melalui algoritma pembelajaran seperti backpropagation.

2. Komponen Dasar JST

  • Neuron: Unit pemroses dasar yang melakukan perhitungan dan meneruskan sinyal.
  • Lapisan Input: Lapisan pertama yang menerima data masukan.
  • Lapisan Tersembunyi (Hidden Layer): Lapisan antara lapisan input dan output. Jumlah lapisan tersembunyi dan jumlah neuron dalam setiap lapisan dapat bervariasi tergantung pada kompleksitas masalah yang akan diselesaikan.
  • Lapisan Output: Lapisan terakhir yang menghasilkan output akhir dari jaringan.

Ilustrasi Sederhana JST:

Gambar simple neural network with input layer, hidden layer, and output layer

simple neural network with input layer, hidden layer, and output layer

Referensi: