#LyX 2.1
created this file. For more info see http://www.lyx.org/ 474 document header book _default_options true _unincluded_children
false bahasa _package default uto lobal
_roman default _sans default _typewriter default _math auto _default_family
default _non_tex_fonts false _sc false _osf false _sf_scale 100 _tt_scale 100 default _output_format default _sync 0 _command
default command default 12 onehalf _hyperref false a4paper _geometry true _package amsmath 1
_package amssymb 1 _package cancel 1 _package esint 1 _package mathdots 1
_package mathtools 1 _package mhchem 1 _package stackrel 1 _package stmaryrd 1
_package undertilde 1 [?]engine basic [?]engine_type default _style plain
_bibtopic false _indices false portrait
_date false true _refstyle 1 ndex idx 008000 index 3cm
3 3
_
separation indent
_
indentation default _language english 1
1 default _changes false _changes
false _math_output 0 _css_as_file 0 _be_strict false header
body
layout Standard inset Graphics filename Gambar/ann.jpg
inset
layout
layout Title Artificial Neural Network layout
layout Standard inset CommandInset toc LatexCommand tableofcontents
inset
layout
layout Chapter* KATA PENGANTAR layout
layout Standard Dengan mengucapkan segala puji dan
syukur kepada Allah SWT, karena hanya dengan rahmat dan hidayah-Nya sehingga
kami dapat menyelesaikan penulisan dengan judul “Artificial Neural Networkâ€.
Adapun penulisan ini disusun untuk menyelesaikan tugas mata kuliah softskill
Pengantar Komputasi Modern kelas 4IA08 jurusan Teknik Informatika, Fakultas
Teknologi Industri Universitas Gunadarma dengan dosen Pak I Made Wiryana. Kami
mengucapkan terima kasih kepada pihak-pihak yang telah berkontribusi dalam
menyusun penulisan ini, terutama kepada : layout
layout Enumerate Sosro Hartomo layout
layout Enumerate Rajimar Suhal Hasibuan layout
layout Enumerate Abram Hotma Immanuel layout
layout Enumerate Mega Marcella layout
layout Enumerate Tito Rachmat Muchlisin layout
layout Standard Kami menyadari bahwa penulisan ilmiah
ini jauh dari kata sempurna, oleh karena itu kami menerima segala kritik dan
saran yang membangun baik untuk penulisan ini atau pun untuk penulis sendiri.
Akhir kata, semoga penulisan ini dapat bermanfaat untuk masyarakat luas.
layout
layout Standard Depok, 4 Juli 2014 layout
layout Standard Penulis layout
layout Chapter PENDAHULUAN layout
layout Section Latar Belakang Masalah layout
layout Standard Artificial Neural Network atau
jaringan saraf tiruan merupakan jaringan dari unit pemroses kecil yang saling
terhubung, yang dimodelkan berdasar jaringan saraf (neuron) jaringan saraf.
Teknologi jaringan saraf tiruan kian marak digunakan di berbagai bidang. Mulai
dari bidang kedokteran, militer, ekonomi dan bidang lain banyak menggunak an
penerapan konsep teknologi jaringan saraf tiruan. Penerapan konsep jaringan
saraf tiruan pertama-tama dengan mengadakan 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. layout
layout Section Batasan Masalah layout
layout Standard Pada penulisan ini kami akan membahas
mengenai teknologi jaringan saraf tiruan mulai dari sejarah, pengertian konsep,
penggunaan perangkat lunak pendukung seperti Matlab dan Scilab serta membahas
penerapan berbagai teknologi yang menggunakan konsep jaringan saraf tiruan.
layout
layout Section Tujuan Penulisan layout
layout Standard Tujuan penulisan mengenai jaringan
saraf tiruan adalah untuk menambah media pemahaman tentang teknologi jaringan
saraf tiruan. Mengingat belum banyaknya sumber-sumber yang mengangkat tema
konsep tersebut. Hal ini menyebabkan belum banyaknya masyarakat mengetahui
tentang konsep jaringan saraf tiruan. Dengan semakin banyak sumber referensi
pembelajaran serta masyarakat yang mengetahui tentang jaringan saraf tiruan
diharapkan dapat membuat teknologi tersebut lebih berkembang. layout
layout Section Metode Penelitian layout
layout Standard Metode penelitian yang kami gunakan
adalah metode deskriptif dan pendekatan sejarah melalui berbagai sumber buku
dan website internet. layout
layout Chapter ARTIFICIAL NEURAL NETWORK layout
layout Section Sejarah layout
layout Standard Jaringan Syaraf Tiruan sederhana
pertama kali diperkenalkan oleh McCulloch dan Pitts pada tahun 1943. McCulloch
dan Pitts menyimpulkan bahwa kombinasi beberapa neuron sederhana menjadi sebuah
sistem neural akan meningkatkan kemampuan komputasinya. Bobot dalam jaringan
yang diusulkan oleh McCulloch dan Pitts diatur untuk melakukan fungsi logika
sederhana. Fungsi aktivasi yang dipakai adalah fungsi thresold. Tahun 1958,
Rosenbaltt memperkenalkan dan mulai mengembangkan model jaringan yang disebut
perceptron. Metode pelatihan yang diperkenalkan untuk mengoptimalkan hasil
iterasinya. layout
layout Standard inset Graphics filename Gambar/mc.jpg
inset
layout
layout Standard (McCulloch Pitts, penemu pertama Neural Network) layout
layout Standard Selanjutnya, pada tahun 1960, Widrow
dan Hoff mengembangkan perceptron dengan memperkenalkan aturan pelatihan
jaringan, yang dikenal sebagai aturan delta, atau sering disebut juga kuadrat
rata-rata terkecil. Aturan ini akan mengubah bobot perceptron apabila keluaran
yang dihasilkan tidak sesuai dengan target yang diinginkan. Apa yang dilakukan
peneliti terdahulu hanya menggunakan jaringan dengan layer tunggal (single layer).
Kemudian pada tahun 1986, Rumelhart mengembangkan perceptron menjadi backpropag
ation, yang memungkinkan jaringan diproses melalui beberapa layer. Selain itu,
beberapa model jaringan syaraf tiruan lain juga dikembangkan oleh Kohonen
(1972), Hopfield (1982), dan lain-lain. layout
layout Standard inset Graphics filename Gambar/per.jpg
inset
layout
layout Standard 1943 : Waffen McCulloch dan Walter
Pitts Merancang model formal yang pertama kali sebagai perhitungan dasar neuron
pada jaringan syaraf layout
layout Standard 1949 : Donald O. Hebb Memperkenalkan
teori yang menjelaskan mengenai pembelajaran yang dilakukan oleh neuron yang
kini dikenal dengan konsep Hebbian Learning layout
layout Standard 1954 : Farley dan Clark Mensetup
model-model untuk relasi adaptif stimulus-respo n dalam jaringan random.
layout
layout Standard 1958 : Rosenblatt Mengembangkan konsep
dasar tentang perceptron untuk klasifikas i pola layout
layout Standard 1960 : Widrow dan Hoff Mengembangkan
ADALINE untuk kendali adaptif dan pencocoka n pola yang dilatih dengan aturan
pembelajaran Least Mean Square layout
layout Standard 1969 : Minsky dan Papert Mengemukakan
keterbatasan yang dimiliki perceptron, hanya mampu memproses 14 dari 16 fungsi
logika, terutama mereka tidak dapat memproses fungsi exclusive-OR layout
layout Standard 1974 : Werbos Memperkenalkan algoritma
backpropagation untuk melatih perceptron dengan banyak lapisan layout
layout Standard 1975 : Little dan Shaw Menggambarkan
jaringan syaraf menggunakan model probalist ik layout
layout Standard 1982 : Kohonen Mengembangkan metode
pembelajaran jaringan syaraf yang tidak terawasi (unsupervised learning) untuk
pemetaan layout
layout Standard 1982 : Grosberg Mengembangkan teori
jaringan yang terinspirasi oleh perkembangan psikologi. Bersama Carpenter
mereka mengenalkan sejumlah arsitektur jaringan, Adaptive Resonance Theory 1
dan 2 layout
layout Standard 1982 : Hopfield Mengembangkan jaringan
syaraf recurrent yang dapat digunakan untuk menyimpan informasi dan optimasi
layout
layout Standard 1985 : Algoritma pembelajaran dengan
menggunakan mesin Boltzmann yang menggunaka n model jaringan syaraf
probabilistik mulai dikembangkan layout
layout Standard 1987 : Kosko Mengembangkan jaringan
Adaptive Bidirectional Associative Memory (BAM) layout
layout Standard Jika dikaitkan dengan sejarah
kecerdasan buatan, berikut ini tahap-tahap sejarah perkembangannya : layout
layout Standard Era Komputer Elektronik (1941)
Ditemukannya pertama kali alat penyim-panan dan pemprosesan informasi yang
disebut komputer elektronik.
layout
layout Standard Penemuan ini menjadi dasar
pengembangan program yang mengarah ke KB. layout
layout Standard B. Masa Persiapan KB (1943 – 1956)
Tahun 1943, Warren McCulloch dan Walter Pitts mengemukakan tiga hal, yaitu :
layout
layout Standard a. pengetahuan fisiologi dasar dan
fungsi sel syaraf dalam otak.
layout
layout Standard b. analisis formal tentang logika
proposisi (propositional logic).
layout
layout Standard c.teori komputasi Turing.
layout
layout Standard Tahun 1950, Norbert Wiener membuat
penelitian mengenai prinsip-prinsip teori feedback. Contoh yang terkenal adalah
thermostat. Penemuan ini juga merupakan awal dari perkembangan KB. Tahun 1956,
John McCarthy meyakinkan Minsky, Claude Shannon dan Nathaniel Rochester untuk
membantunya melakukan penelitian dalam bidang Automata, Jaringan Syaraf dan
pembelajaran intelijensia. Mereka kerjakan projek ini selama dua tahun di
Dartmouth. Hasilnya adalah program yang mampu berpikir non-numerik dan
menyelesaikan masalah pemikiran yang dinamakan Principia Mathematica. Hal
menjadikan McCarthy disebut sebagai â€Bapak Kecerdasan Buatanâ€. layout
layout Standard Awal Perkembangan Kecerdasan Buatan
(1956 – 1969) diawali dengan kesuksesan Newell dan Simon dengan sebuah
program yang disebut â€General Prbolem Solverâ€. Program ini dirancang untuk
memulai penyelesaian masalah secara manusiawi. tahun 1958, McCarthy
mendefenisikan bahasa pemrograman tingkat tinggi, yaitu LISP, yang sekarang
mendominasi pembuatan program-program kecerdasan buatan. McCarthy membuat
program yang dinamakan programs with Common Sense. Di dalam program tersebut,
dibuat rancangan untuk menggunakan pengetahu-an dalam mencari solusi. Tahun
1959, Nathaniel Rochester dari IBM dan mahasiswa-mahasiswanya mengeluarka n
program, kecerdasan buatan, yaitu geometry Theorm Prover. Program ini dapat
membuktikan suatu teorema menggunakan axioma-axioma yang ada. Tahun 1963,
program yang dibuat James Slagle mampu menyelesaikan masalah integral untuk
mata kuliah kalkulus. Tahun 1968, program analogi buatan Tom Evan menyelesaikan
masalah analogi geometris yang ada pada tes IQ. layout
layout Standard Sistem Berbasis Pengetahuan (1969 –
1979) Pengetahuan adalah kekuatan pendukungK ecerdasan Buatan( KB). Hal ini
dibuktikan dengan program yang dibuat oleh Ed Feigenbaum, Bruce Buchanan dan
Joshua Lederberg yang membuat program untuk memecahkan masalah struktur molekul
dari informasi yang didapatkan dari spectometer massa. Program ini dinamakan
Dendral Programs yang berfokus pada segi pengetahuan kimia. Dari segi diagnosa
medis juga sudah ada yang menemukannya, yaitu Saul Amarel dalam proyek Computer
in Biomedicine. Proyek ini diawali dengan keinginan untuk mendapatkan diagnosa
penyakit berdasarkan pengetahuan yang ada pada mekanisme penyebab proses
penyakit. layout
layout Standard Kecerdasan buatan(KB) menjadi sebuah
industri (1980 – 1988) Industrialisasi KB diawali dengan ditemukannya â€sistem
pakar†(expert system) yang dinamakan R1 yang mampu mengonfigurasi
sistem-sistem komputer baru. Program tersebut mulai dioperasikan di Digital
Equipment Corporation (DEC), McDermot tahun 1982. Tahun 1986, program tersebut
mampu menghemat biaya US
untuk lebih jelasnya silahkan mengunduh disini http://www.4shared.com/rar/Kkx0o9vkce/ANN.html
