2 KISI-KISI Ujian Sekolah Dasar mata pelajaranPPKn 2024.pdf
Jst part1
1. 66//1010//20132013
Jaringan Syaraf
Tiruan (JST)
Latar Belakang
• Melihat kemampuan manusia dalam memproses
informasi, mengenal wajah, tulisan, dsb. Melihat
wajah dari sudut pandang yang belum pernah
dialami sebelumnya.
• Otak manusia memiliki kemampuan untuk belajar
dan beradaptasi
– Mampu mengenali pola, wajah, mengkontrol organ tubuh!
• Bahkan anak-anak dapat melakukan hal tsb.
• Masih belum tahu algoritma yang digunakan.
• Melihat analogi biologis.
• Otak manusia berisi kira-kira 20 billion (2x1010)
nerve cells.
2. 66//1010//20132013
Pengertian JST
Jaringan Syaraf Tiruan (JST) / Artificial Neural
Network (ANN):
• Upaya memodelkan cara kerja / fungsi sistem
syaraf manusia dalam melaksanakan tugas
tertentu.
• Didasari kemampuan otak dalam
mengorganisasikan sel-sel penyusunnya yang
disebut neuron
• Aplikasi khususnya dalam pengenalan pola,
dengan efektivitas yang sangat tinggi.
Aplikasi JST
• Pengenalan pola (pattern recognition)
– Huruf, tanda tangan, suara, gambar yang sudah
sedikit berubah (mengandung noise)
– Identifikasi pola saham
– Pendeteksian uang palsu, kanker
• Signal Processing
– Menekan noise pada saluran telepon
• Peramalan
– Peramalan saham
• Autopilot dan simulasi
• Kendali otomatis otomotif
3. 66//1010//20132013
Otak Manusia
• Bertugas untuk memproses informasi
• Seperti prosesor sederhana
• Masing-masing cell tersebut berinteraksi
mendukung kinerja otak
• Setiap sel (neuron) memiliki satu nukleus (soma),
bertugas memproses informasi, informasi diterima
oleh dendrit, dan disebarkan melalui akson
• Pertemuan informasi antar syaraf berada di
sinapsis
Adopsi JST dari Syaraf Manusia
Otak Manusia
SuatuSuatu simpulsimpul syarafsyaraf
4. 66//1010//20132013
Adopsi JST dari Syaraf Manusia
Satu Neuron (sel syaraf)
SatuSatu node JSTnode JST
Model Sel Syaraf (Neuron)
• Sinapsis (jalur hubungan), masing-masing sinapsis memiliki
bobot (kekuatan hubungan).
• Adder untuk menjumlahkan sinyal-sinyal input yang diberi bobot
oleh sinapsis.
• Fungsi aktivasi untuk membatasi amplitudo output setiap neuron.
5. 66//1010//20132013
Model Sel Syaraf (Neuron)
(.)ϕ :: FungsiFungsi AktivasiAktivasi
Model Neuron
• Neuron adalah unit pengolahan informasi
• Sejumlah sinapsis atau jalur penghubung
– Dikarakterisasi bobot atau penguatan
• Penjumlah
– Menjumlahkan sinyal input yang diperkuat oleh
sinapsis
– Penkombinasi linier (linear combiner)
• Fungsi aktivasi
– Disebut squashing function
• Membatasi output pada nilai-nilai yang terbatas
