Jadi saya akan menjelaskan tentang Jaringan Saraf Tiruan
atau bisa disebut sebagai ANN
dengan kepanjangannya Artificial Neural Network
Adalah jaringan dari sekelompok unit pemroses kecil
yang dimodelkan berdasarkan jaringan saraf manusia
atau jaringan saraf biologis (JSB)
Jaringan Saraf Biologis dapat digunakan untuk memodelkan hubungan  yang kompleks
antara input dan output untuk menemukan pola-pola pada data
Jaringan saraf tiruan telah dikembangkan sebagai turunan model matematika
dari kesadaran manusia atau saraf biologis,
karena berdasar pada asumsi bahwa
Pemrosesan informasi terjadi pada beberapa elemen sederhana yang disebut neuron
Sinyal lewat diantara neuron menciptakan jaringan koneksi
Setiap  koneksi  penghubung  memiliki  bobot  yang  terhubung,
yang dalam jaringan saraf tertentu mengalikan sinyal yang ditransmisikan
Setiap neuron mempunyai fungsi aktivasi, biasanya non linier
pada jaringan inputnya, jumlah dari bobot sinyal input
untuk menentukan sinyal outputnya
Jadi, saya akan menjelaskan mengenai arsitektur dari ANN
Setiap neuron dapat memiliki beberapa masukan
tapi hanya ada satu keluaran saja
Jalur masukan  ini merupakan data asli atau data olahan dari neuron sebelumnya
Sedangkan hasil keluaran ini adalah bahan hasil olahan
untuk dijadikan bahan bagi neuron yang berikutnya
Suatu jaringan syaraf tiruan ini terdiri atas 1 grup neuron yang tersusun atas lapisan - lapisan
Gambar di samping ini menunjukkan arsitektur umum dari jaringan syaraf buatan
yang bersifat feedfordwarding atau data proses pada satu arah
1. Lapisan input atau input Layer
berfungsi sebagai penghubung jaringan ke dunia luar atau sumber data
2. Lapisan tersembunyi atau Hidden Layer
Suatu jaringan dapat memiliki satu atau beberapa hidden layer
tetapi juga bisa tidak memilikinya sama sekali
Jika jaringan ini memiliki beberapa jaringan tersembunyi,
maka lapisan tersembunyi terbawah berfungsi untuk menerima masukan dari lapisan input
3. Lapisan Output atau Output Layer
Ouput layer ini prinsip kerjanya sama dengan hidden layer
namun juga digunakan fungsi sigmoid
keluaran dari neuron ini sudah dianggap sebagai hasil dari proses
Berikut ini Saya akan menjelaskan mengenai
"Komponen Jaringan Syaraf"
Seperti halnya otak manusia, jaringan saraf juga terdiri dari beberapa neuron
dan ada hubungan antara neuron–neuron tersebut.
Neuron–neuron tersebut akan mentransformasikan informasi yang diterima melalui sambungan keluarnya
menuju ke neuron–neuron yang lain
Pada jaringan saraf, hubungan ini dikenal dengan nama bobot
Informasi tersebut disimpan pada nilai tertentu pada bobot tersebut.
Cara Kerja Jaringan Syaraf Tiruan
1. Informasi  disebut  input  akan  dikirim  neuron  dengan  bobot kedatangan tertentu
2. Input  ini  kemudian akan  diproses  suatu  fungsi  perambatan
yang  akan menjumlahkan nilai–nilai semua bobot yang datang.
3. Hasil penjumlahan ini kemudian akan dibandingkan dengan suatu nilai tertentu (threshold)
melalui fungsi aktivasi setiap neuron.
4. Apabila input tersebut melewati suatu nilai ambang tertentu,
maka neuron tersebut akan diaktifkan,
tetapi jika tidak, neuron tersebut tidak akan diaktifkan
5. Apabila neuron tersebut diaktifkan
maka neuron tersebut akan mengirimkan output
melalui bobot–bobot outputnya/ ke semua neuron yang berhubungan dengannya.
Pada jaringan saraf, neuron–neuron akan dikumpulkan dalam lapisan–lapisan yang disebut dengan lapisan neuron
Biasanya neuron–neuron pada setiap lapisan akan dihubungkan dengan lapisan–lapisan sebelumnya dan sesudahnya,
kecuali lapisan input dan lapisan output
Informasi yang diberikan pada jaringan saraf
akan dirambatkan dari lapisan ke lapisan,
mulai dari lapisan input sampai ke lapisan output melalui lapisan yang lainnya
Umumnya neuron-neuron yang terletak pada lapisan yang sama
akan memiliki keadaan yang sama
sehingga pada setiap lapisan yang sama
neuron-neuron memiliki fungsi aktivasi yang sama
Bila neuron-neuron pada suatu lapisan akan dihubungkan
dengan neuron-neuron pada lapisan lain
maka setiap neuron pada lapisan tersebut
juga harus dihubungkan dengan setiap neuron pada lapisan lainnya
Faktor terpenting dalam menentukan kelakuan suatu neuron adalah fungsi aktivasi dan pola bobotnya
Saya akan menjelaskan proses pembelajaran
Perubahan yang terjadi selama pembelajaran adalah perubahan nilai bobot.
Nilai bobot akan bertambah, jika informasi yang diberikan oleh neuron yang bersangkutan tersampaikan.
sebaliknya jika tidak disampaikan oleh suatu neuron ke neuron yang lain,
maka nilai bobot yang menghubungkan keduanya akan dikurangi.
Pada saat pembelajaran dilakukan pada input yang berbeda
maka nilai bobot akan diubah secara dinamis
hingga mencapai nilai yang cukup seimbang.
Apabila nilai ini telah tercapai yang mengindikasikan
bahwa tiap–tiap input telah berhubungan dengan output yang diharapkan.
Ada beberapa metode untuk proses pembelajaran pada jaringan saraf tiruan ini
diantaranya Pembelajaran Terawasi, Tak terawasi, dan Hybrid.
"Pembelajaran Terawasi"
1. Output telah diketahui sebelumnya.
2. Satu pola input akan diberikan ke satu neuron pada lapisan input.
3. Pola dirambatkan disepanjang jaringan saraf hingga sampai ke neuron pada lapisan output.
4. Lapisan output ini akan membangkitkan pola output
yang nantinya akan dicocokkan dengan pola output targetnya.
5. Apabila terjadi perbedaan antara output hasil pembelajaran
dengan pola target, maka disini akan muncul error
6. Apabila error ini masih cukup besar, mengindikasikan bahwa masih perlu dilakukan lebih banyak pembelajaran lagi.
"Pembelajaran Tak Terawasi"
1. Tidak memerlukan target output
2. Tidak  dapat  ditentukan  hasil seperti  apakah  yang  diharapkan selama proses pembelajaran
3. Selama proses pembelajaran, nilai bobot disusun dalam suatu range tertentu
tergantung pada nilai input yang diberikan
4. Tujuan pembelajaran ini adalah mengelompokkan unit–unit yang hampir sama dalam suatu area tertentu.
5. Pembelajaran  ini  biasanya  sangat  cocok  untuk  pengelompokan klasifikasi pola.
"Gabungan pembelajaran terawasi dan tak terawasi"
1. Merupakan kombinasi dari pembelajaran terawasi dan pembelajaran tak terawasi.
2. Sebagian dari bobot-bobotnya ditentukan melalui pembelajaran terawasi
dan sebagian lainnya melalui pembelajaran tak terawasi.
3. Contoh algoritma JST yang menggunakan metode ini ialah algoritma RBF
Beberapa contoh Aplikasi Jaringan Syaraf Tiruan dalam kehidupan kita sehari hari
1. Jaringan syaraf tiruan untuk mendeteksi posisi wajah manusia pada citra digital.
2. Jaringan syaraf tiruan dapat dipakai unuk menekan noise dalam saluran telepon.
3. Untuk pengenalan pola sidik jari
4. Aplikasi Pengenalan Ucapan Dengan Jaringan Syaraf Tiruan Backpropagation
