DAFTAR ISI
Contoh Aplikasi JST:
Pengenalan Logika Or dan And
1. Tujuan [kembali]
Memahami contoh penerapan Jaringan Syaraf Tiruan dalam kehidupan sehari-hari.
2. Landasan Teori [kembali]
Jaringan syaraf tiruan
merupakan algoritma klasifikasi yang meniru prinsip kerja dari jaringan
syaraf manusia. Algoritma ini memetakan data masukan pada layer masukan
menuju target pada layer keluaran melalui neuron-neuron pada layer
tersembunyi.
"Data masukan dirambatkan maju,
dihubungkan oleh bobot-bobot masukan yang sebelumnya telah
diinisialisasi secara acak menuju neuron pada layer tersembunyi"
Pada layer tersembunyi, data masukan yang
telah dihubungkan dengan bobot tersebut kemudian diproses menggunakan
fungsi aktivasi. Selanjutnya data hasil olahan dari layer tersembunyi
dihubungkan oleh bobot-bobot tersembunyi menuju neuron pada layer
keluaran.
Hasil yang diperoleh kemudian dibandingkan dengan data target sehingga diperoleh tingkat kesalahan (error). Apabila tingkat kesalahan yang diperoleh lebih kecil daripada tingkat kesalahan yang sebelumnya telah ditetapkan (target error),
maka proses perambatan akan berhenti. Namun apabila tingkat kesalahan
masih lebih besar daripada tingkat kesalahan tetapan maka dilakukan
proses perambatan balik dengan melakukan pembaharuan bobot.
3. Langkah-Langkah [kembali]
Pengenalan Logika OR
Berikut ini
merupakan algoritma pengenalan
pola sederhana untuk
mengenali pola logika OR menggunakan Jaringan Syaraf Tiruan.
a. Mempersiapkan input dan target
input = [0 0 1 1;0 1 0 1];
target = [0 1 1 1];
b. Membangunjaringan perceptron
net = newp(input,target);
fungsi aktivasi yang digunakan yaitu step
biner (‘hardlim’)
c. Melatih jaringan
net.trainParam.epochs = 10;
net = train(net,input,target);
Performance jaringan
d. Mengecek keluaran jaringan
output = sim(net,input)
Pengenalan Logika AND
Berikut ini
merupakan algoritma pengenalan
pola sederhana untuk
mengenali pola logika OR menggunakan Jaringan Syaraf Tiruan.
a. Mempersiapkan input dan target
input = [0 0 1 1;0 1 0 1];
target = [0 0 0 1];
b. Membangunjaringan perceptron
net = newp(input,target);
fungsi aktivasi yang digunakan yaitu step
biner (‘hardlim’)
c. Melatih jaringan
net.trainParam.epochs = 10;
net = train(net,input,target);
Performance jaringan
d. Mengecek keluaran jaringan
output = sim(net,input)
5. Link Download [kembali]
Klik untuk menuju link download
6. Referensi [kembali]
Pamungkas, Adi. 2013. "Pengenalan Logika AND", diakses melalui https://pemrogramanmatlab.com/2013/06/28/pengenalan-logika-and/ pada Kamis, 20 Februari 2020 pukul 20.52 WIB
No comments:
Post a Comment