17
sebagai
dynamics.
Pada
akhirnya
network
memiliki kecepatan
yang
berbeda,
sehingga
respons terhadap input juga berbeda.
Secara
umum,
kebanyakan
neural
system
memerlukan proses
pembelajaran
(training).
Pembelajaran meliputi
asosiasi,
patterns,
dan
fungsi
yang
baru.
Neural
network
tidak
memberi
spesifikasi sebuah
algoritma
untuk
dieksekusi dalam
setiap
perhitungan. Neural
network
memilih
arsitektur
tertentu
dengan
karakteristik neuron,
weight,
dan
model
training
sendiri. Artificial
neural
network
juga
dapat
melakukan
perhitungan teknik matematika, seperti minimalisasi kesalahan perhitungan.
2.3.2
Pengertian Jaringan Syaraf Tiruan
Jaringan Syaraf
Tiruan
(Artificial
Neural
Network)
adalah
sistem pemrosesan
informasi yang
mempunyai karakteristik kinerja tertentu seperti jaringan neural biologis.
Artificial
neural
network
(dalam pembahasan selanjutnya disebut sebagai
jaringan
neural saja) telah dikembangkan sebagai
generalisasi
model
matematika dari
pengetahuan manusia atau biologi neural, yang berbasis pada beberapa asumsi.
Asumsi yang diambil dalam jaringan syaraf tiruan adalah sebagai berikut.
1. Pemrosesan informasi
terjadi pada sejumlah
elemen sederhana
yang disebut
neuron.
2. Sinyal diberikan antar neuron lewat jalinan koneksi.
3. Setiap
jalinan
koneksi
mempunyai bobot
yang
menggandakan sinyal
yang
ditransmisikan.
4. Setiap
neuron
menerapkan
fungsi
aktivasi
(yang
biasanya non-linear)
terhadap
jumlah sinyal masukan terbobot untuk menentukan sinyal keluarannya.
 |