Hallo, waktu itu saya mendapat tugas dari dosen saya, tugasnya yaitu mencari contoh aplikasi JST kemudian diminta untuk mengidentifikasi apa saja yang menjadi input, output, arsitektur dan ciri-ciri. Nah, berikut saya jabarkan hasil tugas saya, barangkali ada yang sedang mengambil JST kemudian dikasih tugas yang sama, nah bisa banget nih buat dijadikan referensi untuk tugas kamu.. 😀

• Contoh Aplikasi JST

Aplikasi Jaringan Syaraf Tiruan untuk mendeteksi penyakit Tuberkulosis PAru pada manusia di Rumah Sakit Umum Tangerang Selatan

• Identifikasi Input JST

1. Batuk dengan kategori : Tidak batuk = 0, Batuk biasa = 0,25, Batuk berdahak = 0,5, Batuk lama = 0,75, Batuk berdarah = 1
2. Sesak nafas: Tidak sesak = 0, Sesak sedang = 0,5, Berat dan berulang = 1
3. Nyeri dada: Tidak nyeri = 0, Jarang = 0,5, Sering = 1
4. Demam pada sore atau malam hari : Tidak demam = 0, Terkadang demam = 0,5, Demam agak panas = 0,75, Panas sekali = 1
5. Penurunan nafsu makan: Tidak turun = 0, Turun = 1
6. Badan lemah (malaise) :  Tidak lemah = 0, Lemah = 1
7. Hasil Lab (BTA) : BTA negative = 0, BTA positive = 1
8. Riwayat terkena TB : Tidak memiliki riwayat = 0, Tuntas pengobatan = 0,5, Belum tuntas = 1

• Identifikasi output JST

1. Suspect TB paru = 0
2. Negatif TB paru = 1

• Arsitektur JST

Jaringan satu lapis (Single Layer Network)

Pada jaringan satu lapis, hanya memiliki satu lapisan input, dan satu lapisan output. Pada jaringan ini sinyal masukan langsung diolah  menjadi sinyal keluaran, tanpa melalui hidden layer seperti contoh yang ditunjukkan pada Gambar 2.6. Pada jaringan satu lapis dapat ditambah dengan bias yang merupakan bobot koneksi dari unit yang aktiitasnya selalu 1. Keterangan :

x₁, x₂, x₃                                                      = nilai input

X₁, X₂, X₃                                                     = lapisan input

W₁₁, w₁₂, w₁₃, w₂₁, w₂₂, w₂₃                     = matriks bobot antara input dan output

Y₁, Y₂                                                            = lapisan output

y₁, y₂                                                             = nilai output

Jaringan Lapis Banyak (Multiple Layer Network)

Jaringan lapisan banyak terdiri atas satu lapisan input, satu lapisan output dan satu atau lebih hidden layer yang terletak diantara lapisan input dan lapisan output seperti yang ditunjukkan pada Gambar 2. Jaringan dengan banyak lapisan dapat dimanfaatkan untuk menyelesaikan permasalahan yang lebih sulit dan komplek daripada jaringan dengan satu lapis akan tetapi tentu saja dengan pembelajaran yang lebih rumit dan lama. Pada jaringan lapis banyak juga dapat ditambah dengan satu buah neuron bias pada tiap lapisanya.

Keterangan :

x₁, x₂, x₃                                 = nilai input

X₁, X₂, X₃                                = lapisan input

V₁₁, v₁₂, v₁₃, v₂₁, v₂₂, v₂₃      = matriks bobot antara input dan hidden layer

Z₁, Z₂                                       = hidden layer

W₁, w₂                                     = matriks bobot antara hidden layer dan output

Y                                              = lapisan output

y                                               = nilai output

Jaringan dengan lapisan kompetitif

Hubungan antara neuron pada lapisan kompetitif pada umumnya tidak diperlihatkan pada diagram arsitektur. Salah satu contoh dari arsitektur jaringan dengan lapisan kompetitif diperlihatkan pada Gambar 3. Yang memiliki bobot -µ