MUHAMMAD R AL BIRUNI

Berpacu menjadi yang terbaik

metode pembelajaran JST

30 March 2013 - dalam kuliah Oleh muhammad-r-a-fst10

Kali ini kita masih membahas tentang jaringan syaraf tiruan, namun lebih tepatnya membahas bagaimana jaringan syaraf tiruan dapat belajar sehingga mampu memberikan respon. Pada otak manusia, informasi yang dilewatkan dari satu neuron ke neuron yang lainnya berbentuk rangsangan listrik melalui dendrit. Jika rangsangan tersebut diterima oleh suatu neuron, maka neuron tersebut akan membangkitkan output ke semua neuron yang berhubungan dengannya sampai neuron tersebut sampai ke tujuannya yaitu terjadinya suatu reaksi. Jika rangsangan yang diterima terlalu halus, maka output yang dibangkitkan oleh neuron tersebut tidak akan direspon. Tentu sangatlah sulit memahami bagaimana otak manusia itu belajar. Selama proses pembelajaran, terjadi perubahan yang cukup berarti pada bobot–bobot yang menghubungkan antar neuron. Apabila ada rangsangan yang sama yang diterima oleh neuron, maka neuron akan memberikan reaksi dengan cepat. Tetapi, apabila nantinya ada rangsangan yang berbeda dengan apa yang diterima oleh neuron, maka neuron akan beradaptasi untuk memberikan reaksi yang sesuai.Jaringan saraf akan mencoba mensimulasikan kemampuan otak manusia untuk belajar. Jaringan saraf tiruan juga tersusun atas neuron dan dendrit. Tidak seperti model biologis, jaringan saraf memiliki struktur yang tidak dapat diubah, dibangun oleh sejumlah neuron, dan memiliki nilai tertentu yang menunjukkan seberapa besar koneksi antar neuron (dikenal dengan nama bobot). Perubahan yang terjadi selama pembelajaran adalah perubahan nilai bobot. Nilai bobot akan bertambah, jika informasi yang diberikan oleh neuron yang bersangkutan tersampaikan, sebaliknya jika tidak disampaikan oleh suatu neuron ke neuron yang lain, maka nilai bobot yang menghubungkan keduanya akan dikurangi. Pada saat pembelajaran dilakukan pada input yang berbeda, maka nilai bobot akan diubah secara dinamis hingga mencapai nilai yang cukup seimbang. Apabila nilai ini telah tercapai yang mengindikasikan bahwa tiap–tiap input telah berhubungan dengan output yang diharapkan. Ada beberapa metode untuk proses pembelajaran pada jaringan saraf tiruan ini, diantaranya :

1. Pada pembelajaran terawasi (Supervised Learning), metode ini digunakan jika output yang diharapkan telah diketahui sebelumnya. Biasanya pembelajaran dilakukan dengan menggunakan data yang telah ada. Berikut beberapa jenis pembelajaran terawasi.

a. Hebb Rule

Metode pembelajaran yang paling sederhana, pembelajaran dilakukan dengan cara memperbaiki nilai bobot sedemikian rupa sehingga jika ada 2 neuron yang terhubung dan keduanya dalam kondisi “on” pada saat yang sama, maka bobot antara keduanya dinaikkan.

b. Perception

Biasanya digunakan untuk mengklasifikasikan suatu tipe pola tertentu yang sering dikenal dengan pemisahan secara linear. Algoritma yang digunakan akan mengatur parameter-parameter bebasnya melalui proses pembelajaran

c. Delta RuleMengubah

bobot yang menghubungkan antara jaringan input ke unit output dengan nilai target.

d. Backpropagation

Algoritma pembelajaran yang terawasi dan biasanya digunakan oleh perception dengan banyak lapisan untuk mengubah bobot-bobot yang terhubung dengan neuron-neuron yang ada pada lapisan tersembunyi.

e. Hetroassociative Memory

Jaringan yang bobot-bobotnya ditentukan sedemikian rupa sehingga jaringan tersebut dapat menyimpan kumpulan pola.

f. Bidirectional Associative Memory

Model jaringan syaraf yang memiliki 2 lapisan dan terhubung penuh dari satu lapisan ke lapisan lainnya. Pada jaringan ini dimungkinkan adanya hubungan timbale balik antara lapisan input dan lapisan output.

g. Learning vector Quantization

Suatu metode untuk melakukan pembelajaran pada lapisan kompetitif yang terawasi. Suatu lapisan kompetitif akan secara otomatis belajar untuk mengklasifikasikan vektor-vektor input. Kelas-kelas yang didapatkan sebagai hasil hanya tergantung pada jarak antara vektor-vektor input.

2. Metode pembelajaran yang tidak terawasi, tidak memerlukan target output. Pada metode ini tidak dapat ditentukan hasil seperti apa yang diharapkan selama proses pembelajaran. Selama proses pembelajaran, nilai bobot disusun dalam suatu range tertentu tergantung pada nilai input yang diberikan. Tujuan pembelajaran ini adalah mengelompokkan unit-unit yang hampir sama dalam suatu area tertentu. Pembelajaran seperti ini biasanya sangat cocok untuk pengelompokkan (klasifikasi) pola.Pada jaringan ini, suatu lapisan yang berisi neuron-neuron akan menyusun dirinya sendiri berdasarkan input nilai tertentu dalam suatu kelompok yang dikenal dengan istilah cluster. Selama proses penyusunan diri, cluster yang memiliki vector bobot paling cocok dengan pola input akan terpilih sebagai pemenang.
Beberapa aspek yang mempengaruhi hasil identifikasi menggunakan JST antara lain:

Jumlah pasangan data training yang digunakan

Arsitektur jaringan

Fungsi Aktifasi

•Algoritma Pembelajaran

• Pemilihan input JST

• Kecepatan belajar (learning rate)

• Waktu Delay dari sistem

Fungsi aktivasi merupakan salah satu representasi buatan dari otak manusia yang selalu mencoba untuk mensimulasikan proses pembelajaran pada otak manusia tersebut. Istilah buatan disini digunakan karena jaringan syaraf ini diimplementasikan dengan menggunakan program komputer yang mampu menyelesaikan sejumlah proses perhitungan selama proses pembelajaran.

sumber:

http://www.yulyantari.com/tutorial/media.php?mod=detailmateri&mat=43&bab=6Sigit, R., A. Shinji, dan S. Hisashi, Aplikasi Jaringan Syaraf Tiruan untuk Mengenali Angka, IECI Chapter, Japan Series, Vol.3 No.1, 2001.



Read More | Respon : 0 komentar

Tinggalkan Komentar

Nama :
E-mail :
Web : tanpa http://
Komentar :
Verification Code :