Langsung ke konten utama

Materi Jaringan Saraf Tiruan


Jaringan Saraf Tiruan

1. Pengertian <kembali>

   Jaringan saraf tiruan atau Artificial Neural Network adalah jaringan komputasi yang mencoba  mesimulasikan jaringan sel saraf (neuron) dari sistem saraf pusat (manusia atau hewan). Jaringan saraf tiruan merupakan salah satu bagian dari Artificial Intellegece. Jaringan ini menekankan simulasi antar sel atau antar elemen sehingga berbeda dengan jaringan komputasi konvensional (digital atau analog) yang berfungsi menggantikan, meningkatkan atau mempercepat komputasi.


Singkatnya : 

"Jaringan saraf tiruan merupakan sistem komputasi dngan meniru cara kerja saraf  atau otak manusia dalam mengerjakan tugas tertentu"
Hasil gambar untuk jaringan syaraf tiruan
JST mengasumsikan bahwa :

  1. Pengolahan informasi terdiri dari elemen sederhana yang disebut neuron
  2. Setiap neuron berfungsi untuk menerima atau mengirim sinyal dari atau ke neuron lainya melalui hubngan koneksi.
  3. Tiap hubungan koneksi mempunyai nilai bobot sendiri. Nilai bobot menyediakan iformasi yang akan digunakan oleh jaringan untuk menyelesaikan masalah.


 2. Sejarah <kembali>

   Saat ini bidang kecerdasan buatan dalam usahanya menirukan intelegensi manusia, belum mengadakan pendekatan dalam bentuk fisiknya melainkan dari sisi yang lain. Pertama-tama diadakan studi mengenai teori dasar mekanisme proses terjadinya intelegensi. Bidang ini disebut Cognitive Science. Dari teori dasar ini dibuatlah suatu model untuk disimulasikan pada komputer, dan dalam perkembangannya yang lebih lanjut dikenal berbagai sistem kecerdasan buatan yang salah satunya adalah jaringan saraf tiruan. Dibandingkan dengan bidang ilmu yang lain, jaringan saraf tiruan relatif masih baru. Sejumlah literatur menganggap bahwa konsep jaringan saraf tiruan bermula pada makalah Waffen McCulloch dan Walter Pitts pada tahun 1943. Dalam makalah tersebut mereka mencoba untuk memformulasikan model matematis sel-sel otak. Metode yang dikembangkan berdasarkan sistem saraf biologi ini, merupakan suatu langkah maju dalam industri komputer.

3. Pengaplikasian <kembali> 

    Jaringan Saraf Tiruan memungkinkan penggunaan operasi komputer yang sangat sederhana untuk menyelesaikan masalah yang kompleks, matemaatika tak terdefinisi, permasalahan nonlinier atau permasalahan skokastika.
Mengapa jaringan saraf tiruan perlu dipelajari? berikut alasan mengapa jaringan saraf tiruan perlu dipelajari: 
  1. Ada banyaknya teknik (algoritma) jaringan saraf tiruan yang tersedia. Teknik-teknik       yang ada saat ini memiliki tekstur yang sangat beragam dan canggih. 
  2. Adanya komputer digital berkecepatan tinggi. Hal ini semakin mempermudah proses simulasi jaringan saraf tiruan.
  3. Aplikasi yang sangat luas.
Bidang-bidang penelitian yang memanfaatkan jaringan saraf tiruan di antaranya:
  • Aerospace : Autopilot pesawat terbang, simulasi jalur penerbangan,, sistem kendali pesawat, perbaikan autopilot dan simulasi komponen pesawat.
  • Otomotif : Sistem kendali otomatis mobil.
  • Keuangan dan Perbankan : Pendeteksian uang palsu, avaluator aplikasi kredit, pengidentifikasian pola-pola data pasar saham.
  • Pertahanan (Militer) : Pengendali senjata, pendeteksi bom, penelusuran target, pembedaan objek, pengendali sensor, sonar, radar, dan pengolahan sinyal citra yang meliputi kompresi data, ekstraksi bagian istimewa dan penghilangan derau, pengenalan sinyal atau citra.
  • Elektronik : Pembuatan perangkat keras yang bisa mrngimplementasikan jaringan saraf tiruan secara efisien (pendesaian VLSI), machine vision, pengontrol gerakan dan penglihatan robot, sintesis suara.
  • Lain-lain : Jaringan saraf tiruan juga dapat digunakan sebagai detektor virus komputer, penginderaan bau, pengenalan pola-pola unik dalam penambangan data (data mining), dan mendukung sistem pendukung keputusan (DSS – Decision Support System).
   Salahsatu penelitian dari Jurusan Teknik Elektro Universitas Andalas yaitu "Pengendalian Kursi Roda sebagai Alat Bantu Berjalan Penyanang Tunadaksa Berdasarkan Nilai Puncak EMG dengan menggunakan metode Jaringan Saraf Tiruan" oleh mahasiswa S1 angkatan 2013 Joefrinaldo. Jenis JST yang digunakan adalah back propagation. Dimana setiap peatihan datanya akan menghasilkan nlai bobot dan bias yang digunakan sebagai parameter pergerakan dari kursi roda tersebut.




 Referensi :
-  Daniel Graupe, 2007, Principes of Artificial Neural Network, London, World Scientific Publishing Co.

Komentar

Posting Komentar

Postingan populer dari blog ini

Clipper, Clamper, dan Pengganda Tegangan

A. Clipper    Rangkaian Clipper (Pemotong) adalah rangkaian yang digunakan untuk memotong atau menghilangkan sebagian sinyal masukan yang berada di bawah atau di atas level tertentu. Rangkaian Clipper secara umum dibagi menjadi dua kelompok yaitu rangkaian clipper seri dan paralel, - Rangkaian Clipper Seri Rangkaian dan bentuk gelombang input V i dan output V O serta hasil simulasi seperti gambar 41. Pada saat tegangan input V i bertegangan setengah gelombang positif maka arus dari V i mengalir ke dioda D 1 , terus ke tahanan R dan kembali ke V i , sehingga tegangan setengah gelombang positif terbentuk di tahanan R. Dan sebaliknya pada saat tegangan input bertegangan setengah gelombang negatif maka dioda D 1 tidak aktif sehingga tegangan di V O = V R = 0 Volt. Gambar 41 (a) rangkaian, (b) dan (c) bentuk gelombang input dan output hasil simulasi dengan untuk arah dioda yang berbeda b). Clipper seri dengan DC           Rangkaian suatu sumber tegangan dc
Posting Komentar
Baca selengkapnya

HPF dan BPF

7.2  High Pass Filter (HPF) Rangkaian High Pass Filter (HPF) adalah rangkaian yang  dapat melewatkan frekuensi diatas frekuensi cut-off (w c ). Rangkaian High Pass Filter ada 3 macam yang masing-masing rangkaian berbeda dalam hal kemiringan respon  A CL vs w seperti gambar 225. Gambar 225 Grafik Respon HPF  A CL vs w 7.3.1  HPF +20 dB/dec Adapun rangkaian HPF +20dB/dec adalah seperti pada gambar 226. Dari rangkaian terlihat bahwa sinyal input diserikan dengan kapasitor C sehingga sinyal input yang berfrekuensi diatas frekuensi cut-off akan dilewatkan dan sebaliknya dibawah frekuensi cut-off akan diredam atau dilemahkan. Pelemahan terjadi karena reaktansi X C akan semakin besar apabila frekuensi semakin kecil seperti hubungan berikut.  Apabila sinyal input semakin diperbesar frekuensi-nya maka tegangan di titik A dari gambar rangkaian HPF +20 dB/dec akan semakin besar atau mendekati besarnya Vi (A CL ≈ 1).    
Posting Komentar
Baca selengkapnya

The Madaline

[KEMBALI KE MENU SEBELUMNYA] DAFTAR ISI 1. Madaline Training 2. Madaline Studi Kasus 3. Link Download  Chapter 5. The Madaline     The madaline adalah suatu ekstensi multilayer dari Adaline neuron tunggal bipolar menuju sebuah jaringan. Adaline (Adaptive Linear Neuron). The Adaline (Adaptive Linear Neuron) dari B. Widow (1960) memiliki struktur dasar dari Perceptron bipolar seperti di Sec. 3.1 di atas dan melibatkan beberapa jenis leasterror-persegi (LS) latihan beban. Ini mematuhi hubungan input / simpul mana:        Dimana wo adalah bias pada prosedur percobaan. elmen non linear, di sini elemen threshold sederhana, untuk menghasilkan Adaline keluaran y sebagai : y = sign (z) Gambar 3.3  Activation function nonlinearity (Signum function).    Jaringan saraf tiruan memiliki beberapa bagian yaitu 1. Bagian input.     Bagian input merupakan bagian awal dari jaringan saraf tiruan. Input yang akan dideteksi dibagi menjadi bagian - bagian kec
Posting Komentar
Baca selengkapnya