LAPISAN NEURAL NETWORK DALAM SEBUAH
SISTEM CERDAS
DISUSUN OLEH
Ade Kurniawan - 18.11.152
Rustanti Noor Fadhillah – 18.11.246
Enjang Minayu Saraswati – 18.11.203
PROGRAM STUDI INFORMATIKA S1
FAKULTAS ILMU KOMPUTER
UNIVERSITAS MULIA
BALIKPAPAN
2021
PENDAHULUAN
A. KECERDASAN BUATAN
Secara umum Kecerdasan Buatan (Artificial Intelligence or AI) merupakan Kajian
bagaimana membuat mesin dapat memecahkan masalah dengan cara seperti yang
dilakukan manusia, yaitu memerlukan kecerdasan. Pendapat-pendapat lain mengenai
pengertian AI yaitu :
“Kecerdasan Buatan (Artificial Intelligence), merupakan kawasan penelitian,
aplikasi dan instruksi yang terkait dengan pemrograman komputer untuk
melakukan sesuatu hal yang dalam pandangan manusia adalah cerdas” H. A.
Simon [1987]
“Kecerdasan Buatan (AI) merupakan sebuah studi tentang bagaimana membuat
komputer melakukan hal-hal yang pada saat ini dapat dilakukan lebih baik oleh
manusia.” Rich and Knight [1991]
“Kecerdasan Buatan (AI) merupakan cabang dari ilmu komputer yang dalam
merepresentasi pengetahuan lebih banyak menggunakan bentuk simbol-simbol
daripada bilangan, dan memproses informasi berdasarkan metode heuristic atau
dengan berdasarkan sejumlah aturan” dan “Kemampuan dari komputer digital
atau robot yang dikendalikan-komputer untuk mengerjakan tugas-tugas yang
berkaitan dengan kecerdasan “ Encyclopedia Britannica
Karakteristik Kecerdasan Buatan :
Kecerdasan Buatan dapat menirukan proses belajar manusia sehingga informasi
baru dapat diserap dan digunakan sebagai acuan di masa yang akan datang.
Mempelajari berbagai cara “membuat” agar mesin atau komputer menjadi cerdas
dan mampu menyelesaikan masalah dengan “meniru” manusia yang cerdas.
Contoh Penerapan AI :
Falcon: Software Deteksi penipuan kartu kredit, menawarkan perbaikan 30-70%
daripada metode yang telah ada (contoh neural network)
MetLife insurance menggunakan tool ekstraksi informasi otomatis dari aplikasi
MITA (contoh language technology)
Rekomendasi personal (Personalized) daftar saluran TV berbasis Internet, (contoh
intelligent agent)
B. PEMBAHASAN
Jaringan Syaraf Jaringan syaraf merupakan susunan dari sel-sel syaraf yang membentuk
sebuah jaringan syaraf yang terintegrasi satu sama lain dan berfungsi dengan baik dalam
meneruskan sebuah informasi. Jaringan syaraf dapat dibagi menjadi dua yaitu:
1. Jaringan Syaraf Biologis (JSB)
Jaringan saraf tersusun oleh sel-sel saraf yang disebut neuron. Neuron ini banyak
dan bercabang-cabang, menghubungkan jaringan satu dengan yang lain. Setiap sel
saraf terdiri atas badan sel saraf, akson (neurit), dendrit, dan selubung saraf.
Badan sel-sel saraf kemudian berkumpul membentuk ganglion. Ganglion-
ganglion ini letaknya hanya pada tempat tertentu, yaitu di kiri dan kanan sumsum
tulang belakang. Jalannya impuls dimulai dari adanya rangsangan atau stimulan
dari luar yang ditangkap oleh dendrit, kemudian dilanjutkan ke badan sel. Dari
badan sel impuls akan diteruskan ke akson (neurit). Akson inilah yang akan
menyampaikan impuls ke sel-sel saraf yang akhirnya disampaikan ke organ
efektor. Struktur atau bentuk dari neuron dapat dilihat pada gambar berikut :
2. Jaringan Syaraf Tiruan (JST)
JST didefinisikan sebagai suatu sistem pemrosesan informasi yang mempunyai
karakteristik menyerupai jaringan syaraf biologis manusia (JSB). JST tercipta
sebagai suatu generalisasi model matematis dari pemahaman manusia (human
cognition) yang didasarkan atas asumsi sebagai berikut :
1. Pemrosesan informasi terjadi pada elemen sederhana yang disebut neuron
2. Sinyal mengalir diantara sel saraf/neuron melalui suatu sambungan penghubung
3. Setiap sambungan penghubung memiliki bobot yang bersesuaian. Bobot ini
akan digunakan untuk menggandakan / mengalikan sinyal yang dikirim
melaluinya.
Struktur atau pemodelan dari jaringan syaraf tiruan adalah sebagai berikut :
Arsitektur jaringan syaraf tiruan merupakan penggambaran dari struktur-struktur penyusun dari
sebuah jaringan syaraf tiruan. Contohnya adalah Single Layer. Model ini adalah teknik matematis
yang paling sederhana. Model ini pertama kali diperkenalkan oleh McCulloch dan Pitts. Dalam
jaringan ini, beberpa neuron(x) berhubungan langsung dengan layer output (y). Masing-masing
input terhubung dengan bobot (w) dan menghasilkan output yang berbeda tergantung dari input
yang ada.
Single layer JST disusun mengggunakan 2 bagian neuron, yaitu bagian input dan bagian output.
Berikut gambar dari single layer JST :