Arsip Kategori: Artificial Neural Network

Adaptive Neuro-Fuzzy Inference System (ANFIS) dengan Python

Adaptive Neuro-Fuzzy Inference System (ANFIS) merupakan metode yang menggabungkan Jaringan Syaraf Tiruan (JST) dengan Fuzzy. Konsepnya adalah menjadikan “rule” sebagai “neuron”. Jumlah layer tersembunyi (hidden) hanya satu layer. Salah satu situs yang OK untuk mempraktikan ANFIS dengan bahasa pemrograman Python … Baca lebih lanjut

Dipublikasi di Artificial Neural Network, Decision Support System, Python | Meninggalkan komentar

Merekam Riwayat Pembelajaran Jaringan Syaraf Tiruan dengan Checkpoint

Training pada Jaringan Syaraf Tiruan (JST) biasanya terdiri dari beberapa epoch, sebuah satuan yang mirip iterasi (lihat pos yang lalu tentang istilah ini). Hasil pelatihan biasanya diperoleh dari epoch terakhir. Jika ingin mengetahui bias dan bobot tiap epoch perlu menggunakan … Baca lebih lanjut

Dipublikasi di Artificial Neural Network, Python | Meninggalkan komentar

Format Hasil Training Jaringan Syaraf Tiruan Pada Matlab dan Python

Jaringan Syaraf Tiruan (JST) merupakan salah satu metode computational intelligence (CI) yang meniru sifat otak makhluk hidup. Sel neuron otak direplika dalam suatu fungsi transfer/aktivasi yang kemudian ditransfer ke neuron lainnya lewat sebuah jaringan. Sebuah bobot dan bias mengatur apakah … Baca lebih lanjut

Dipublikasi di Artificial Neural Network, Matlab, Python | Meninggalkan komentar

Cross Validation dengan Scikit-Learning Python

Selain dengan membagi data latih dengan data validasi/testing dengan proporsi tertentu misalnya 70/30 (lihat pos terdahulu untuk split data), teknik lain yang terkenal dan sangat dianjurkan adalah validasi silang (cross validation). Metode ini mirip split data tetapi dengan mentraining ulang … Baca lebih lanjut

Dipublikasi di Artificial Neural Network, Python | Meninggalkan komentar

Membagi Data Latih dan Uji Secara Otomatis Pada Python

Sebenarnya menggunakan data yang kita ambil sekaligus menjadi data latih dan uji tidak diperkenankan. Namun permasalahan itu dapat diselesaikan dengan membagi data yang kita peroleh menjadi data latih dan data uji, misalnya dengan proporsi 70% untuk data latih dan sisanya … Baca lebih lanjut

Dipublikasi di Artificial Neural Network, Python | 1 Komentar

Mengetahui RULE Hasil Training ANFIS.

Berbeda dengan JST yang hasil trainingnya mirip “black box” yang tidak diketahui logikanya, pada Adaptive Neuro-Fuzzy Inference System (ANFIS) hasil trainingnya memiliki logika. Logika ini dikenal dengan istilah RULE. Postingan ini bermaksud menunjukan bagaimana melihat RULE hasil training. Masukan data … Baca lebih lanjut

Dipublikasi di Artificial Neural Network, Fuzzy Logic, Matlab | Meninggalkan komentar

Mempersiapkan Data dan Training Model ANFIS, JST dan SVM

Dalam machine learning dikenal beberapa jenis data antara lain: data training dan data testing. Terkadang data training dipisah menjadi data training dan target. Dalam prakteknya, data training menggunakan sebagaian prosentase dengan sisanya dijadikan data tasting untuk pengujian model. Excel dapat … Baca lebih lanjut

Dipublikasi di Artificial Neural Network, Data Mining, Decision Support System | Meninggalkan komentar

Competitive Network dan Contoh Implementasinya

Tipe network ini menghasilkan keluaran yang terbesar sebagai pemenang. Misal ada tiga input sebesar 1,2, dan 3, maka pemenangnya adalah input ketiga (sebesar 3). Berikut notasi standar competitive network. Fungsi competitive network pada matlab adalah “compet”. Buka command window pada … Baca lebih lanjut

Dipublikasi di Artificial Neural Network, Matlab | Meninggalkan komentar

Membuat Mask (Bingkai) Pada Citra & Manfaatnya

Postingan ini bermaksud menginformasikan problem ketika pencocokan pola citra kurang berhasil akibat pola yang tidak memiliki bingkai. Ketika dengan Autoassociative Memory diminta memprediksi angka satu berikut (lihat yang berwarna putih). Prediksi di sebelah kanan memang tepat angka satu, tetapi terpotong … Baca lebih lanjut

Dipublikasi di Artificial Neural Network, Matlab, Pengolahan Citra | Meninggalkan komentar

Instal Matlab Mobile (Android)

Matlab pertama kali diciptakan untuk memanipulasi matriks dengan cepat dan praktis. Oleh karena itu diberi nama “Matlab” singkatan dari Matrix Laboratory. Kemampuan yang sesederhana kalkulator diimbangi dengan pemrograman yang berat membuat aplikasi ini banyak disukai oleh peneliti-peneliti yang bermain dengan … Baca lebih lanjut

Dipublikasi di Artificial Neural Network, Komputer dan Masyarakat, Matlab | 1 Komentar

Associative Memory Jaringan Syaraf Tiruan dengan Matlab

Jaringan Syaraf Tiruan (JST) ditemukan oleh ilmuawan ilmu komputer dengan maksud menciptakan sistem yang menyerupai otak manusia. Salah satu kemampuan otak manusia adalah mengingat sesuatu. Perhatikan piramida taksonomi bloom di bawah ini. Tingkat paling rendah dari otak kita adalah mengingat, … Baca lebih lanjut

Dipublikasi di Artificial Neural Network | Meninggalkan komentar

Melihat Network Hasil Training dengan NNTOOL

Secanggih apapun alat bantu tetap saja kita butuh pengetahuan akan prinsip-prinsip kerjanya. Begitu pula Matlab yang dalam meramu Jaringan Syaraf Tiruan (JST) menawarkan toolbox NNTOOL. Selain dengan toolbox berbasis Graphic User Interface (GUI), Matlab di versi awal hanya menyediakan toolbox … Baca lebih lanjut

Dipublikasi di Artificial Neural Network | Meninggalkan komentar

Training, Validating, Testing dan Corpus

Empat kata di atas, terutama tiga pertama merupakan istilah yang banyak disebut dalam literatur machine learning. Sementara yang keempat, Corpus, muncul belakangan ketika banyaknya pihak-pihak yang berkontribusi dengan membagikan file big data yang dimilikinya. Postingan kali ini sedikit menambah penjelasan … Baca lebih lanjut

Dipublikasi di Artificial Neural Network, Decision Support System, Riset dan Penulisan | Meninggalkan komentar

Tipe Machine Learning

Walaupun kecerdasan buatan (Artificial Intelligent), Machine Learning, dan Deep Learning berbeda tetapi satu sama lain berhubungan. Deep Learning, yang dimotori oleh Jaringan Syaraf Tiruan lapis banyak, adalah salah satu jenis Machine Learning. Machine Learning itu sendiri adalah salah satu jenis … Baca lebih lanjut

Dipublikasi di Artificial Neural Network, Riset dan Penulisan | Meninggalkan komentar

Menormalkan Data Untuk Range Sempit

Beberapa literatur, seperti (Hagan, M. T., Demuth, H. B., & Beale 1997) merekomendasikan penggunakan normal Euclidis (Euclidean) untuk menormalkan data agar hanya berada pada rang [0,1]. Alasannya adalah keortogonalan matriks konversi yang mempermudah Jaringan Syaraf Tiruan (JST) dalam proses pelatihan … Baca lebih lanjut

Dipublikasi di Artificial Neural Network, Matlab | 5 Komentar