Artificial Neural Network

 #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 Network”. 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 ”Bapak Kecerdasan Buatan”. layout

layout Standard Awal Perkembangan Kecerdasan Buatan (1956 – 1969) diawali dengan kesuksesan Newell dan Simon dengan sebuah program yang disebut ”General Prbolem Solver”. 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 ”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