< prev

Page 1Page 2Page 3Page 4Page 5Page 6Page 7Page 8Page 9Page 10Page 11Page 12

Page 3 of 12
next >

Majalah Ilmiah UNIKOM

Vol. 12 , No1.

5

H a l a m a n

akurat dibandingkan dengan software ge-

ologi dalam hal menentukan parameter

petrofisika seperti porositas dan saturasi

air [Tadayoni, dkk, 2002], juga cukup ber-

hasil menghubungkan rumusan menghi-

tung permeabilitas, porositas, dan ukuran

pori dibandingkan dengan regresi linear.

ANN juga salah satu alat penyelesai ma-

salah kompleks yang umumnya terjadi

pada batuan gamping [Rezaee, dkk,

2006].

image

parasi sampel, akan dirancang suatu pro-

gram pengenalan bermacam-macam

image

ingan Syaraf Tiruan MATLAB mengguna-

Back PropagationLevenberg-

Marquardt.

Jaringan Syaraf Tiruan merupakan

teknologi yang lahir dari upaya manusia

untuk mencari tahu bagaimana sistem

koordinasi hewan terjadi, bagaimana

syaraf bekerja, mengoptimasi diri, dan

mampu menjadi pusat segala sistem ha-

yati hewan. Suatu jaringan saraf tiruan

memproses sejumlah besar informasi se-

cara paralel dan terdistribusi, hal ini terin-

spirasi oleh model kerja otak biologis.

Gambar 2 Sampel Jaringan Backpropaga-

tion banyak lapisan

Pada gambar di atas, ada tiga lapisan

utama jaringan backpropagation yaitu

hidden

input dari ekstraksi gambar akan menghi-

(feed forward)

lapisan tersembunyi dan kemudian ke

lapisan output. Setelah perhitungan eror

dalam lapisan output, erornya diback-

propagasi lagi dalam masing-masing neu-

ron yang akan dipindahkan hitungannya

ke lapisan hidden yang mengupdate atau

memperbarui masing-masing bobot dan

bias. Proses ini diulang-ulang sampai

diperoleh eror yang minimum dan ke-

mudian pelatihannya berhenti.

Arsitektur Jaringan Syaraf

Jaringan dengan banyak lapisan memiliki

1 atau lebih lapisan yang terletak diantara

lapisan input dan lapisan output

(memiliki 1 atau lebih lapisan tersem-

bunyi). Umumnya, ada lapisan bobot-

bobot yang terletak antara 2 lapisan yang

bersebelahan. Jaringan dengan banyak

lapisan ini dapat menyelesaikan perma-

salahan yang lebih sulit daripada jaringan

dengan lapisan tunggal, tentu saja den-

gan pembelajaran yang lebih rumit. Na-

mun demikian, pada banyak kasus, pem-

belajaran pada jaringan dengan ban-

yak lapisan ini lebih sukses dalam

menyelesaikan masalah.

Tipe pembelajaran dalam Jaringan Syaraf

Tiruan, adalah Pembelajaran terawasi

(supervised learning)

Metode pembelajaran pada jaringan

syaraf disebut terawasi jika output yang

diharapkan telah diketahui sebelumnya.

Pada proses pembelajaran, satu pola in-

put akan diberikan ke satu neuron pada

lapisan input. Pola ini akan dirambatkan

di sepanjang jaringan syaraf hingga sam-

pai ke neuron pada lapisan output.

Lapisan output ini akan membangkitkan

pola output yang nantinya akan dicocok-

kan dengan pola output targetnya. Apa-

bila terjadi perbedaan antara pola output

hasil pembelajaran dengan pola target,

maka disini akan muncul error. Apabila

nilai error ini masih cukup besar, mengin-

dikasikan bahwa masih perlu dilakukan

lebih banyak pembelajaran lagi.Terdapat

berbagai tipe pembelajaran terawasi be-

Hebb Rule, Percep-

tron, Delta Rule, Backpropagation, Hetero

John Adler