AI - Jaringan Syaraf Tiruan Part 2

Kecerdasan Buatan (AI) - Jaringan Syaraf Tiruan

I. Pendahuluan

Jaringan syaraf tiruan adalah merupakan salah satu representasi buatan dari otak manusai yang selalu mencoba untuk mensimulasikan proses pembelajaran pada otak manusia tersebut. Istilah buatan disini digunakan karena jaringan syaraf ini diimplementasikan dengan menggunakan program komputer yang mampu menyelesaikan sejumlah proses perhitungan selama proses pembelajaran.

Pemodelan dengan jaringan syaraf tiruan  merupakan pembelajaran dan penyesuaian dari suatu obyek. Model-model jaringan syaraf tiruan  dapat diklasifikasikan menurut beberapa kriteria, seperti metode pembelajaran (dengan pengawasan atau tanpa pengawasan), menurut arsitekturnya (umpan maju dan berulang), tipe output (biner atau kontinyu), dan lain-lain. Dalam hal ini pemodelan dipandang dari kumpulan data input outputnya. Perceptron menggambarkan suatu usaha untuk membangun kecerdasan dan sistem pembelajaran-sendiri menggunakan komponen sederhana yang berasal dari model jaringan biologi yang diperkenalkan oleh McCuulloch dan Pitts (1943). Berikutnya Rosenblatt (1950) merancang perceptron dengan menguraikan pemodelan kemampuan sistim pengenalan pola untuk sistem penggambaran biologi.

Metode perceptron merupakan metode pembelajaran dengan pengawasan dalam sistem jaringan syaraf tiruan, sehingga jaringan yang dihasilkan harus mempunyai parameter yang dapat diatur dengan cara mengubah melalui aturan pembelajaran dengan pengawasan. Jaringan syaraf tiruan  terdiri dari sejumlah neuron dan sejumlah masukan. Dalam merancang jaringan syaraf tiruan  yang perlu diperhatikan adalah banyaknya spesifikasi yang akan diidentifikasi.

II. Jaringan Syaraf Tiruan

2.1 Pengertian Umum Jaringan Syaraf Tiruan

Jaringan syaraf tiruan  adalah suatu prosesor yang melakukan pendistribusian secara besar-besaran, yang memiliki kecenderungan alami untuk menyimpan suatu pengenalan yang pernah dialaminya, dengan kata lain JST ini memiliki kemampuan untuk dapat melakukan pembelajaran dan pendeteksian terhadap sesuatu objek.

Secara mendasar, sistem pembelajaran merupakan proses penambahan pengetahuan pada JST yang sifatnya kontinuitas sehingga pada saat digunakan pengetahuan tersebut akan dieksploitasikan secara maksimal dalam mengenali suatu objek. Neuron adalah bagian dasar dari pemrosesan suatu jaringan syaraf tiruan . Dibawah ini merupakan bentuk dasar dari suatu neuron.

            Gambar 1. Bentuk dasar neuron

1. Input merupakan masukan yang digunakan baik saat pembelajaran maupun dalam mengenali suatu objek.
2. Weight, beban yang selalu berubah setiap kali diberikan input sebagai proses pembelajaran.
3. Processing Unit merupakan tempat berlangsungnya proses pengenalan suatu objek berdasarkan pembebanan yang diberikan.
4. Output, keluaran dari hasil pengenalan suatu objek.

 Keuntungan penggunaan Jaringan syaraf tiruan :

1. Perangkat yang mampu untuk mengenali suatu objek secara non-linier.
2. Mempermudah pemetaan input menjadi suatu hasil tanpa mengetahui proses sebenarnya.
3. Mampu melakukan pengadaptasian terhadap pengenalan suatu objek
4. Perangkat yang memiliki toleransi terhadap suatu kesalahan dalam pengenalan suatu objek.
5. Jaringan syaraf tiruan  mampu diimplementasikan pada suatu Hardware atau perangkat keras.
6. Perangkat yang mampu diimplementasikan secara parallel.

2.2 Arsitektur Jaringan Syaraf Tiruan

Bentuk dasar arsitektur suatu jaringan syaraf tiruan  adalah sebagai berikut :

         Gambar 2. Arsitektur dasar Jaringan syaraf tiruan

Secara umum, terdapat tiga jenis jaringan syaraf tiruan  yang sering digunakan berdasarkan jenis network-nya, yaitu :

1. Single-Layer Jaringan syaraf tiruan
2. Multilayer Perceptron Jaringan syaraf tiruan
3. Recurrent Jaringan syaraf tiruan.

A. Single-Layer Jaringan syaraf tiruan

Jaringan syaraf tiruan  jenis ini memiliki koneksi pada inputnya secara langsung ke jaringan output.

                  Gambar 3. Single-layer Jaringan syaraf tiruan

Jenis jaringan syaraf tiruan  ini sangatlah terbatas, hanya digunakan pada kasus-kasus yang sederhana.

B. Multilayer Jaringan syaraf tiruan

Jenis jaringan syaraf tiruan  ini memiliki layer yang dinamakan “hidden”, ditengah layer input dan output. Hidden ini bersifat variable, dapat digunakan lebih dari satu hidden layer.

      Gambar 4. Multilayer Perceptron Jaringan syaraf tiruan

C. Recurrent Jaringan syaraf tiruan

Jaringan syaraf tiruan  jenis ini memiliki ciri, yaitu adanya koneksi umpan balik dari output ke input.

 

                     Gambar 5. Recurrent Network

Kelemahan dari jenis ini adalah Time Delay akibat proses umpan balik dari output ke titik input.

2.3 Proses Pembelajaran pada Jaringan syaraf tiruan

Proses pembelajaran merupakan suatu metoda untuk proses pengenalan suatu objek yang sifatnya kontinuitas yang selalu direspon secara berbeda dari setiap proses pembelajaran tersebut. Tujuan dari pembelajaran ini sebenarnya untuk memperkecil tingkat suatu error dalam pengenalan suatu objek. Secara mendasar, jaringan syaraf tiruan  memiliki sistem pembelajaran yang terdiri atas beberapa jenis berikut :

1. Supervised Learning
2. Unsupervised Learning 

A. Supervised Learning

Sistem pembelajaran pada metoda Supervised learning adalah sistem pembelajaran yang mana, setiap pengetahuan yang akan diberikan kepada sistem, pada awalnya diberikan suatu acuan untuk memetakan suatu masukan menjadi suatu keluaran yang diinginkan. Proses pembelajaran ini akan terus dilakukan selama kondisi error atau kondisi yang diinginkan belum tercapai. Adapun setiap perolehan error akan dikalkulasikan untuk setiap pemrosesan hingga data atau nilai yang diinginkan telah tercapai.

B. Unsupervised Learning

Sistem pembelajaran pada jaringan syaraf tiruan , yang mana sistem ini memberikan sepenuhnya pada hasil komputasi dari setiap pemrosesan, sehingga pada sistem ini tidak membutuhkan adanya acuan awal agar perolehan nilai dapat dicapai. Meskipun secara mendasar, proses ini tetap mengkalkulasikan setiap langkah pada setiap kesalahaJSTya dengan mengkalkulasikan setiap nilai weight yang didapat.

SIA - Flowchart

Sistem Informasi Akutansi - Flowchart

Flowchart adalah penggambaran secara grafik dari langkah-langkah dan urut-urutan prosedur dari suatu program. Flowchart menolong analis dan programmer untuk memecahkan masalah kedalam segmen-segmen yang lebih kecil dan menolong dalam menganalisis alternatif-alternatif lain dalam pengoperasian. Flowchart biasanya mempermudah penyelesaian suatu masalah khususnya masalah yang perlu dipelajari dan dievaluasi lebih lanjut.

Bila seorang analis dan programmer akan membuat flowchart, ada beberapa petunjuk yang harus diperhatikan, seperti :

1. Flowchart digambarkan dari halaman atas ke bawah dan dari kiri ke kanan.

2. Aktivitas yang digambarkan harus didefinisikan secara hati-hati dan definisi ini harus dapat dimengerti oleh pembacanya.

3. Kapan aktivitas dimulai dan berakhir harus ditentukan secara jelas.

4. Setiap langkah dari aktivitas harus diuraikan dengan menggunakan deskripsi kata kerja, misalkan menghitung gaji karyawan.

5. Setiap langkah dari aktivitas harus berada pada urutan yang benar.

6. Lingkup dan range dari aktifitas yang sedang digambarkan harus ditelusuri dengan hati-hati. Percabangan-percabangan yang memotong aktivitas yang sedang digambarkan tidak perlu digambarkan pada flowchart yang sama. Simbol konektor harus digunakan dan percabangannya diletakan pada halaman yang terpisah atau hilangkan seluruhnya bila percabangannya tidak berkaitan dengan sistem.

7. Gunakan simbol-simbol flowchart yang standar.

Flowchart terbagi atas lima jenis, yaitu :

§ Flowchart Sistem (System Flowchart)

§ Flowchart Paperwork / Flowchart Dokumen (Document Flowchart)

§ Flowchart Skematik (Schematic Flowchart)

§ Flowchart Program (Program Flowchart)

§ Flowchart Proses (Process Flowchart)
Materi secara lengkap bisa di download di Flowchart

Daftar Pustaka :
1.   Jogiyanto, analisis dan desain system informasi Andi off set Yogyakarta, 1990.
2. Tavri D. Mahyusir, Analisa Perancangan Sistem Pengolahan data. PT Elex Media Komputindo, 1989.
3.   Yourdon Edward, Modern Structur Analisis, Prentice – Hall, Inc, 1989. 
4.  widada.staff.gunadarma.ac.id/Downloads/files/, diakses 29 Maret 2019 
5. elearning.amikom.ac.id/, diakses 29 Maret 2019

AI - Jaringan Syaraf Tiruan

Kecerdasan Buatan (AI) - Jaringan Syaraf Tiruan (JST)

          Jaringan syaraf adalah merupakan salah satu representasi buatan dari otak manusia yang selalu mencoba untuk mensimulasikan proses pembelajaran pada otak manusia tersebut. Istilah buatan di sini digunakan karena jaringan syaraf ini diimplementasikan dengan menggunakan program komputer yang mampu menyelesaikan sejumlah proses pembelajaran (Fausett, 1994).

       Otak manusia memiliki struktur yang sangat kompleks dan memiliki kemampuan yang luar biasa. Otak manusia terdiri dari neuron-neuron dan penghubung yang disebut sinapsis. Neuron bekerja berdasarkan sinyal yang diberikan neuron lain dan meneruskannya pada neuron lainnya. Diperkirakan manusia memiliki 10¹¹ neuron. Masing-masing neuron saling berhubungan dengan jumlah hubungan tersebut mencapai 10⁴ buah per neuron. Jadi jumlah koneksi untuk setiap neuron adalah 10¹⁵ buah. Neuron-neuron tersebut dapat bekerja secara paralel dengan kecepatan luar biasa. Dengan jumlah yang begitu banyak, maka otak manusia mampu mengenali pola, melakukan perhitungan, serta mengontrol organ-organ tubuh dengan baik. Neuron memiliki 3 komponen utama, yaitu dendrit, badan sel (soma) dan akson. Dendrit berfungsi menerima sinyal informasi dari satu atau beberapa neuron yang terhubung. Sinyal yang diterima oleh dendrit diteruskan ke badan sel. Jika total sinyal yang diterima oleh badan sel cukup kuat untuk mengaktifkan sebuah neuron, maka neuron tersebut akan mengirimkan sinyal ke semua neuron terhubung melalui akson. Jadi semua neuron hanya memiliki dua kemungkinan yaitu mengirimkan sinyal kepada neuron lain atau tidak.

        Jaringan Syaraf Tiruan (JST) bertujuan untuk meniru kemampuan manusia dalam beradaptasi dengan lingkungannya dan belajar dari pengalaman. Jaringan ini terdiri dari banyak simpul (node) pemroses yang dianalogikan dengan neuron pada otak. Proses matematis yang ada dalam jaringan ini juga merupakan pendekatan pada cara kerja otak. Inti dari proses pembelajaran pada Jaringan Syaraf Tiruan adalah untuk meminimumkan error antara keluaran sistem dengan keluaran JST.

        Dalam proses kerja JST, kemampuan kerjanya paling dipengaruhi oleh proses belajarnya. JST harus menyesuaikan bobot-bobot untuk melakukan pengolahan terhadap  sinyal-sinyal masukannya. Kemampuan untuk menyesuaikan bobot-bobot itulah yang menentukan kemampuannya dalam belajar. Penyesuaian harga bobot-bobot itu biasa dilakukan dengan cara memperbaharuinya dalam setiap iterasi sampai bobot-bobot yang paling sesuai dicapai.

Materi secara lengkap bisa di downlod disini Jaringan Syaraf Tiruan

AI - Fuzzy Logic

Kecerdasan Buatan (AI) - Fuzzy Logic

Logika Fuzzy adalah peningkatan dari logika Boolean yang mengenalkan konsep kebenaran sebagian. Di mana logika klasik menyatakan bahwa segala hal dapat diekspresikan dalam istilah binary (0 atau 1, hitam atau putih, ya atau tidak), logika fuzzy menggantikan kebenaran boolean dengan tingkat kebenaran.

Logika Fuzzy memungkinkan nilai keanggotaan antara 0 dan 1, tingkat keabuan dan juga hitam dan putih, dan dalam bentuk linguistik, konsep tidak pasti seperti "sedikit", "lumayan", dan "sangat". Dia berhubungan dengan set fuzzy dan teori kemungkinan. Dia diperkenalkan oleh Dr. Lotfi Zadeh dari Universitas California, Berkeley pada 1965.

Sesorang dapat masuk dalam 2 himpunan yang berbeda. MUDA dan PAROBAYA, PAROBAYA dan TUA, dsb. Seberapa besar eksistensinya dapat dilihat pada nilai/derajat keanggotaannya. Gambar  berikut menunjukkan himpunan fuzzy untuk variabel umur :

Materi secara lengkap dapat di download di Fuzzy Logic

PSQL - Pertemuan 5 - 26 Maret 2019

Pemrograman SQL - Pertemuan 5 - Tabel Mata Kuliah

1.       Tabel Mata Kuliah

No	Field	Type	Size	Ket
1	Kodematkul	Varchar	10	Primary Key
2	Namamatkul	Varchar	20
3	Jenismatkul	Varchar	10
4	SKS	Integer	2

            2.

Kodematkul	Namamatkul	Jenismatkul	SKS
SIR001	Pendidikan Agama	Teori / MKDU	2
SIR002	Kewarganegaraan	Teori / MKDU	2
SIR003	Pemrograman Basic	Praktek	3
SIR004	Analisa Proses Bisnis	Teori	3
SIR005	Sistem Informasi Manajemen	Teori	3

3. Tampilkan data semua mata kuliah yang sks = 3

4. Tampilkan data mata kuliah selain praktek

5. Tampilkan data kode & nama mata kuliah

6. Tampilkan nama mata kuliah yang berawalan sistem

7. Tampilkan mata kuliah praktek yang sks nya 2

8. Tampilkan mata kuliah MKDU

9. Tampilkan total SKS

10. Tampilkan mata kuliah yg sks dibawah 3

PSQL - Pertemuan 4

Pemrograman SQL - Desain Use Case

Tema : KRS Akademik

1.  Desain Bisnis Use Case, menggunakan Rational Rose

2.  Desain Sistem Use Case, menggunakan Rational Rose

3.  Actor :

a.  Mahasiswa

b.  Dosen

c.  BAU

d.  BAAK

e.  PSI

4.  Database : Dbakademik

5.  Tabel yang terbentuk

a.  Mahasiswa

b.  Dosen

c.  Mata Kuliah

d.  KRS

e.  Pembayaran

AI - Tugas 1 - 25 Maret 2019

Kecerdasan Buatan (AI) - Tugas 1

Fuzzy Logic

1.  Buat program untuk menyelesaikan soal fuzzy

    2.  Input domain & rentang domain
    3.  Input nilai X
    4.  Tampilkan grafik
    5.  Button, bisa menampilan masing-masing @predikat

Siapkan Program & Laporan untuk presentasi, Waktu 2 minggu terhitung dari pertemuan kuliah