Tuesday, May 25, 2010
Monday, May 24, 2010
Pengertian dan Sejarah Jaringan Syaraf Tiruan
pengertian Jaringan syaraf tiruan
Jaringan saraf tiruan merupakan jaringan dari unit pemroses kecil yang saling terhubung, yang dimodelkan berdasar jaringan saraf (neuron) jaringan saraf.
Jaringan saraf tiruan
Jaringan saraf tiruan (JST) (Bahasa Inggris: artificial neural network (ANN), atau juga disebut simulated neural network (SNN), atau umumnya hanya disebut neural network (NN)), adalah jaringan dari sekelompok unit pemroses kecil yang dimodelkan berdasarkan jaringan saraf manusia. JST merupakan sistem adaptif yang dapat merubah strukturnya untuk memecahkan masalah berdasarkan informasi eksternal maupun internal yang mengalir melalui jaringan tersebut.
Secara sederhana, JST adalah sebuah alat pemodelan data statistik non-linier. JST dapat digunakan untuk memodelkan hubungan yang kompleks antara input dan output untuk menemukan pola-pola pada data.
Sejarah
Saat ini bidang kecerdasan buatan dalam usahanya menirukan intelegensi manusia, belum mengadakan pendekatan dalam bentuk fisiknya melainkan dari sisi yang lain. Pertama-tama diadakan studi mengenai teori dasar mekanisme proses terjadinya intelegensi. Bidang ini disebut ‘Cognitive Science’. Dari teori dasar ini dibuatlah suatu model untuk disimulasikan pada komputer, dan dalam perkembangannya yang lebih lanjut dikenal berbagai sistem kecerdasan buatan yang salah satunya adalah jaringan saraf tiruan. Dibandingkan dengan bidang ilmu yang lain, jaringan saraf tiruan relatif masih baru. Sejumlah literatur menganggap bahwa konsep jaringan saraf tiruan bermula pada makalah Waffen McCulloch dan Walter Pitts pada tahun 1943. Dalam makalah tersebut mereka mencoba untuk memformulasikan model matematis sel-sel otak. Metode yang dikembangkan berdasarkan sistem saraf biologi ini, merupakan suatu langkah maju dalam industri komputer.
Pengertian Dasar
Tidak ada dua otak manusia yang sama, setiap otak selalu berbeda. Beda dalam ketajaman, ukuran dan pengorganisasiannya. Salah satu cara untuk memahami bagaimana otak bekerja adalah dengan mengumpulkan informasi dari sebanyak mungkin scan otak manusia dan memetakannya. Hal tersebut merupakan upaya untuk menemukan cara kerja rata-rata otak manusia itu. Peta otak manusia diharapkan dapat menjelaskan misteri mengenai bagaimana otak mengendalikan setiap tindak tanduk manusia, mulai dari penggunaan bahasa hingga gerakan.
Walaupun demikian kepastian cara kerja otak manusia masih merupakan suatu misteri. Meski beberapa aspek dari prosesor yang menakjubkan ini telah diketahui tetapi itu tidaklah banyak. Beberapa aspek-aspek tersebut, yaitu :
a. Tiap bagian pada otak manusia memiliki alamat, dalam bentuk formula kimia, dan sistem saraf manusia berusaha untuk mendapatkan alamat yang cocok untuk setiap akson (saraf penghubung) yang dibentuk.
b. Melalui pembelajaran, pengalaman dan interaksi antara sistem maka struktur dari otak itu sendiri akan mengatur fungsi-fungsi dari setiap bagiannya.
c. Axon-axon pada daerah yang berdekatan akan berkembang dan mempunyai bentuk fisik mirip, sehingga terkelompok dengan arsitektur tertentu pada otak.
d. Axon berdasarkan arsitekturnya bertumbuh dalam urutan waktu, dan terhubung pada struktur otak yang berkembang dengan urutan waktu yang sama.
Berdasarkan keempat aspek tersebut di atas dapat ditarik suatu kesimpulan bahwa otak tidak seluruhnya terbentuk oleh proses genetis. Terdapat proses lain yang ikut membentuk fungsi dari bagian-bagian otak, yang pada akhirnya menentukan bagaimana suatu informasi diproses oleh otak.
Elemen yang paling mendasar dari jaringan saraf adalah sel saraf. Sel-sel saraf inilah membentuk bagian kesadaran manusia yang meliputi beberapa kemampuan umum. Pada dasarnya sel saraf biologi menerima masukan dari sumber yang lain dan mengkombinasikannya dengan beberapa cara, melaksanakan suatu operasi yang non-linear untuk mendapatkan hasil dan kemudian mengeluarkan hasil akhir tersebut.
Dalam tubuh manusia terdapat banyak variasi tipe dasar sel saraf, sehingga proses berpikir manusia menjadi sulit untuk direplikasi secara elektrik. Sekalipun demikian, semua sel saraf alami mempunyai empat komponen dasar yang sama. Keempat komponen dasar ini diketahui berdasarkan nama biologinya yaitu, dendrit, soma, akson, dan sinapsis. Dendrit merupakan suatu perluasan dari soma yang menyerupai rambut dan bertindak sebagai saluran masukan. Saluran masukan ini menerima masukan dari sel saraf lainnya melalui sinapsis. Soma dalam hal ini kemudian memproses nilai masukan menjadi sebuah output yang kemudian dikirim ke sel saraf lainnya melalui akson dan sinapsis.
Penelitian terbaru memberikan bukti lebih lanjut bahwa sel saraf biologi mempunyai struktur yang lebih kompleks dan lebih canggih daripada sel saraf buatan yang kemudian dibentuk menjadi jaringan saraf buatan yang ada sekarang ini. Ilmu biologi menyediakan suatu pemahaman yang lebih baik tentang sel saraf sehingga memberikan keuntungan kepada para perancang jaringan untuk dapat terus meningkatkan sistem jaringan saraf buatan yang ada berdasarkan pada pemahaman terhadap otak biologi.
Sel saraf-sel saraf ini terhubung satu dengan yang lainnya melalui sinapsis. Sel saraf dapat menerima rangsangan berupa sinyal elektrokimiawi dari sel saraf-sel saraf yang lain. Berdasarkan rangsangan tersebut, sel saraf akan mengirimkan sinyal atau tidak berdasarkan kondisi tertentu. Konsep dasar semacam inilah yang ingin dicoba para ahli dalam menciptakan sel tiruan.
Definisi
Suatu jaringan saraf tiruan memproses sejumlah besar informasi secara paralel dan terdistribusi, hal ini terinspirasi oleh model kerja otak biologis. Beberapa definisi tentang jaringan saraf tiruan adalah sebagai berikut di bawah ini.
Hecht-Nielsend (1988) mendefinisikan sistem saraf buatan sebagai berikut:
"Suatu neural network (NN), adalah suatu struktur pemroses informasi yang terdistribusi dan bekerja secara paralel, yang terdiri atas elemen pemroses (yang memiliki memori lokal dan beroperasi dengan informasi lokal) yang diinterkoneksi bersama dengan alur sinyal searah yang disebut koneksi. Setiap elemen pemroses memiliki koneksi keluaran tunggal yang bercabang (fan out) ke sejumlah koneksi kolateral yang diinginkan (setiap koneksi membawa sinyal yang sama dari keluaran elemen pemroses tersebut). Keluaran dari elemen pemroses tersebut dapat merupakan sebarang jenis persamaan matematis yang diinginkan. Seluruh proses yang berlangsung pada setiap elemen pemroses harus benar-benar dilakukan secara lokal, yaitu keluaran hanya bergantung pada nilai masukan pada saat itu yang diperoleh melalui koneksi dan nilai yang tersimpan dalam memori lokal".
Menurut Haykin, S. (1994), Neural Networks: A Comprehensive Foundation, NY, Macmillan, mendefinisikan jaringan saraf sebagai berikut:
“Sebuah jaringan saraf adalah sebuah prosesor yang terdistribusi paralel dan mempuyai kecenderungan untuk menyimpan pengetahuan yang didapatkannya dari pengalaman dan membuatnya tetap tersedia untuk digunakan. Hal ini menyerupai kerja otak dalam dua hal yaitu: 1. Pengetahuan diperoleh oleh jaringan melalui suatu proses belajar. 2. Kekuatan hubungan antar sel saraf yang dikenal dengan bobot sinapsis digunakan untuk menyimpan pengetahuan.
Dan menurut Zurada, J.M. (1992), Introduction To Artificial Neural Systems, Boston: PWS Publishing Company, mendefinisikan sebagai berikut:
“Sistem saraf tiruan atau jaringan saraf tiruan adalah sistem selular fisik yang dapat memperoleh, menyimpan dan menggunakan pengetahuan yang didapatkan dari pengalaman”.
DARPA Neural Network Study (1988, AFCEA International Press, p. 60) mendefinisikan jaringan syaraf buatan sebagai berikut :
Sebuah jaringan syaraf adalah sebuah sistem yang dibentuk dari sejumlah elemen pemroses sederhana yang bekerja secara paralel dimana fungsinya ditentukan oleh stuktur jaringan, kekuatan hubungan, dan pegolahan dilakukan pada komputasi elemen atau nodes
Jaringan Syaraf Tiruan
Jaringan syaraf tiruan (JST) atau Artificial Neural Network (ANN) adalah suatu model matematik atau komputasi untuk mensimulasikan struktur dan fungsi dari jaringan syaraf dalam otak.
Terdiri dari:
- Node atau unit pemroses (penjumlah dan fungsi aktivasi)
- weight/ bobot yang dapat diatur
- Masukan dan Keluaran
- Sifat : Adatif
- Mampu belajar
- Nonlinear
Biological Neural Network
Jaringan Syaraf Tiruan (JST)
Model Neuron Tanpa bias
Model Neuron dengan bias
Neuron Sederhana
Model Matematis
X=input/masukan i= banyaknya input
W=bobot/weight
Keluaran Penjumlah
n = sigma pi.wi
(Jumlah semua Input(pi) dikali bobot (wi)
Output/Keluaran Neuron:
a = f(n);
f=fungsi aktivasi
Fungsi Aktivasi
Beberapa fungsi aktivasi [a=f(n)]
- Hardlimit function
- Linear Function
a = n
- Sigmoid Function
a = 1 /( 1 + e^-n )
Kegunaan Aktivasi
- Untuk pengambilan keputusan biasanya digunakan Hardlimit
- Untuk pengenalan pola/jaringan back propagation biasanya digunakan sigmoid
- Untuk prediksi/aproksimasi linear
biasanya digunakan linear
Model McCulloch and Pitts
Neuron menghitung jumlah bobot dari setiap sinyal input dan membandingkan hasilnya dengan nilai bias/threshold, b. Jika input bersih kurang dari threshold, output neuron adalah -1. Tetapi, jika input bersih lebih besar dari atau sama dengan threshold, neuron diaktifkan dan outputnya ditetapkan +1 (McCulloch and Pitts, 1943).
Fungsi aktivasi ini disebut Fungsi tanda (Sign Function). Sehingga output aktual dari neuron dapat ditunjukkan dengan:
Perceptron
- Perceptron (Rosenblatt, 1958): JST training yang sederhana dipakaikan prosedur algoritma training yang pertama kali. Terdiri dari neuron tunggal dengan bobot synaptic yang diatur dan hard limiter.
- Operasinya didasarkan pada model neuron McCulloch dan Pitts.
- Jumlah input yang telah diboboti dipakaikan kepada hard limiter: menghasilkan output +1 jika input positif dan -1 jika negatif à mengklasifikasikan output ke dalam dua area A1 dan A2.
Proses Belajar
Target = Nilai yang diinginkan, Output = Nilai keluar dari neuron
Proses compare (membandingkan) antara output dengan target,jika terjadi perbedaan maka weight/bobot diatur sampai nilai output = (mendekati) nilai target.
Proses Belajar
Analog
- Target = apa yang anda inginkan
- Input/masukan = Kekurangan dan kelebihan/potensi anda
- Bobot = seberapa besar usaha anda
- Output = hasil dari potensi and kelemahan dikalikan dengan usaha terhadap potensi or kelemahan
- Error = Kesalahan/Introspeksi diri = perkuat potensi or/and lemahkan kekurangan
Proses Belajar
Proses Belajar jika masukan positif
Untuk masukan positif penambahan bobot menyebabkan peningkatan keluaran.
Proses Belajar jika masukan negatif
Untuk masukan negatif penambahan bobot menyebabkan penurunan keluaran.
Proses Perceptron Belajar
Belajar
- Pada awalnya bobot dibuat kecil untuk menjaga jangan sampai terjadi perbedaan yang sangat besar dengan target.
- Bobot awal adalah dibuat random, umumnya dalam interval [-0.5 – 0.5]
- Keluaran adalah proses jumlah perkalian antara masukan dengan bobot.
- Jika terjadi perbedaan antara keluaran dengan target, e(k) = a(k) – t(k), k = iterasi ke- 1, 2, 3, maka:
Bobot diupdate/diatur sedikit demi sedikit untuk mendapatkan keluaran yang sesuai dengan target:
w(k+1) = w(k) + delta w(k)
Perceptron Learning Rule (Rosenblatt, 1960)
- e(k)= a(k)-t(k);
k = iterasi ke-1,2,...
a(k) = keluaran neuron
t(k) = target yanng diinginkan
e(k) = error kesalahan
- w(k+1) = w(k) + delta W(k)
- Delta w(k) = kec. belajar x masukan x error = alpha x p(k) x e(k)
dengan:
Alpha = learning rate = kecepatan belajar
Alpha besar belajar cepat -> tidak stabil
Alpha kecil belajar lambat -> stabil
Langkah Pembelajaran
1.Langkah pertama : Inisialisasi Awal
- Mengatur bobot w1, w2, ..., wn interval [-0.5 – 0.5], mengatur bias/threshold b, mengatur kec pembelajaran, fungsi aktivasi
2.Langkah kedua : Menghitung keluaran
- Mengaktifkan perceptron dengan memakai masukan p1(k), p2(k), ..., pi(k) dan target yang dikehendaki t(k). Hitunglah output aktual pada iterasi ke-k = 1
- i adalah jumlah input perceptron dan step adalah fungsi aktivasi
3.Langkah ke tiga : Menghitung error
- e(k) = t(k) – a(k); t(k) = target,a(t)=keluaran perceptron
4.Langkah ke empat : Mengatur Bobot
- Mengupdate bobot perceptron
wi(k+1) = wi(k) + Delta wi(k)
w(k+1) = bobot baru; w(k) = bobot yg lalu
Delta wi(p) adalah pengkoreksian bobot pada iterasi k, yang dihitung dengan:
- Delta wi(p) = Alpha x pi(k) x e(k)
5.Langkah ke lima : pengulangan
- Naikkan iterasi k dengan 1 (k=k+1), kembalilah ke langkah ke dua dan ulangi proses sampai keluaran=target or mendekati target.
Melatih Perceptron: Operasi OR
Contoh Pembelajaran
1.Langkah pertama : Inisialisasi Awal
- Mengatur bobot w1, w2 interval [-0.5 – 0.5], w1(1)=0.3 w2(1)=0.1, mengatur bias/threshold b=0.2, mengatur kec pembelajaran (alpha) =0.2, fungsi aktivasi-> step
2.Langkah kedua : Menghitung keluaran
- Mengaktifkan perceptron dengan memakai masukan p1(k), p2(k) dan target yang dikehendaki t(k).
Hitunglah output aktual pada iterasi ke-k = 1
3.Langkah ke tiga : Menghitung error
e(k) = t(k) – a(k)
e(1) = 0 – 0 = 0
4.Langkah ke empat : Mengatur Bobot
- Mengupdate bobot perceptron
wi(k+1) = wi(k) + delta wi(k)
w1(2) = 0.3(1) + delta w1(1)
Delta w1(1) = alpha x pi(1) x e(1) = 0.2 x 0 x 0 = 0
maka w1(2) = 0.3(1) + 0 = 0.3 (tidak berubah)
wi(k+1) = wi(k) + delta wi(k)
w2(2) = 0.3(1) + delta w2(1)
delta w2(1) = alpha x pi(1) x e(1) = 0.2 x 0 x 0 = 0
maka w2(2) = 0.1(1) + 0 = 0.1 (tidak berubah)
5.Langkah ke lima : pengulangan
- Naikkan iterasi k dengan 1 (k=k+1), kembalilah ke langkah ke dua dan ulangi proses sampai keluaran=target or mendekati target.
- K=2
w1(2)= 0.3 w2(2)=0.1, p1(2)=0, p2(2)=1 target(2)=Fd(2)=1
- Hitung keluaran:
- Hitung error:
e(2)= target(2) – a(2) = 1 – 0 =1 (ada error)
- Mengatur Bobot
Mengupdate bobot perceptron:
wi(k+1) = wi(k) + delta wi(k)
w1(3) = 0.3(2) + delta w1(2)
delta w1(2) = alpha x p1(1) x e(1) = 0.2 x 0 x 1 = 0
maka w1(3) = 0.3(1) + 0 = 0.3 (tidak berubah)
wi(k+1) = wi(k) + delta wi(k)
w2(3) = 0.3(2) + delta w2(2)
delta w2(1) = alpha x p2(1) x e(1) = 0.2 x 1 x 1 = 0.2
maka w2(3) = 0.1(1) + 0.2 = 0.3 (berubah sebelumnya w2(2)=0.1)
Terdiri dari:
- Node atau unit pemroses (penjumlah dan fungsi aktivasi)
- weight/ bobot yang dapat diatur
- Masukan dan Keluaran
- Sifat : Adatif
- Mampu belajar
- Nonlinear
Biological Neural Network
Jaringan Syaraf Tiruan (JST)
Model Neuron Tanpa bias
Model Neuron dengan bias
Neuron Sederhana
Model Matematis
X=input/masukan i= banyaknya input
W=bobot/weight
Keluaran Penjumlah
n = sigma pi.wi
(Jumlah semua Input(pi) dikali bobot (wi)
Output/Keluaran Neuron:
a = f(n);
f=fungsi aktivasi
Fungsi Aktivasi
Beberapa fungsi aktivasi [a=f(n)]
- Hardlimit function
- Linear Function
a = n
- Sigmoid Function
a = 1 /( 1 + e^-n )
Kegunaan Aktivasi
- Untuk pengambilan keputusan biasanya digunakan Hardlimit
- Untuk pengenalan pola/jaringan back propagation biasanya digunakan sigmoid
- Untuk prediksi/aproksimasi linear
biasanya digunakan linear
Model McCulloch and Pitts
Neuron menghitung jumlah bobot dari setiap sinyal input dan membandingkan hasilnya dengan nilai bias/threshold, b. Jika input bersih kurang dari threshold, output neuron adalah -1. Tetapi, jika input bersih lebih besar dari atau sama dengan threshold, neuron diaktifkan dan outputnya ditetapkan +1 (McCulloch and Pitts, 1943).
Fungsi aktivasi ini disebut Fungsi tanda (Sign Function). Sehingga output aktual dari neuron dapat ditunjukkan dengan:
Perceptron
- Perceptron (Rosenblatt, 1958): JST training yang sederhana dipakaikan prosedur algoritma training yang pertama kali. Terdiri dari neuron tunggal dengan bobot synaptic yang diatur dan hard limiter.
- Operasinya didasarkan pada model neuron McCulloch dan Pitts.
- Jumlah input yang telah diboboti dipakaikan kepada hard limiter: menghasilkan output +1 jika input positif dan -1 jika negatif à mengklasifikasikan output ke dalam dua area A1 dan A2.
Proses Belajar
Target = Nilai yang diinginkan, Output = Nilai keluar dari neuron
Proses compare (membandingkan) antara output dengan target,jika terjadi perbedaan maka weight/bobot diatur sampai nilai output = (mendekati) nilai target.
Proses Belajar
Analog
- Target = apa yang anda inginkan
- Input/masukan = Kekurangan dan kelebihan/potensi anda
- Bobot = seberapa besar usaha anda
- Output = hasil dari potensi and kelemahan dikalikan dengan usaha terhadap potensi or kelemahan
- Error = Kesalahan/Introspeksi diri = perkuat potensi or/and lemahkan kekurangan
Proses Belajar
Proses Belajar jika masukan positif
Untuk masukan positif penambahan bobot menyebabkan peningkatan keluaran.
Proses Belajar jika masukan negatif
Untuk masukan negatif penambahan bobot menyebabkan penurunan keluaran.
Proses Perceptron Belajar
Belajar
- Pada awalnya bobot dibuat kecil untuk menjaga jangan sampai terjadi perbedaan yang sangat besar dengan target.
- Bobot awal adalah dibuat random, umumnya dalam interval [-0.5 – 0.5]
- Keluaran adalah proses jumlah perkalian antara masukan dengan bobot.
- Jika terjadi perbedaan antara keluaran dengan target, e(k) = a(k) – t(k), k = iterasi ke- 1, 2, 3, maka:
Bobot diupdate/diatur sedikit demi sedikit untuk mendapatkan keluaran yang sesuai dengan target:
w(k+1) = w(k) + delta w(k)
Perceptron Learning Rule (Rosenblatt, 1960)
- e(k)= a(k)-t(k);
k = iterasi ke-1,2,...
a(k) = keluaran neuron
t(k) = target yanng diinginkan
e(k) = error kesalahan
- w(k+1) = w(k) + delta W(k)
- Delta w(k) = kec. belajar x masukan x error = alpha x p(k) x e(k)
dengan:
Alpha = learning rate = kecepatan belajar
Alpha besar belajar cepat -> tidak stabil
Alpha kecil belajar lambat -> stabil
Langkah Pembelajaran
1.Langkah pertama : Inisialisasi Awal
- Mengatur bobot w1, w2, ..., wn interval [-0.5 – 0.5], mengatur bias/threshold b, mengatur kec pembelajaran, fungsi aktivasi
2.Langkah kedua : Menghitung keluaran
- Mengaktifkan perceptron dengan memakai masukan p1(k), p2(k), ..., pi(k) dan target yang dikehendaki t(k). Hitunglah output aktual pada iterasi ke-k = 1
- i adalah jumlah input perceptron dan step adalah fungsi aktivasi
3.Langkah ke tiga : Menghitung error
- e(k) = t(k) – a(k); t(k) = target,a(t)=keluaran perceptron
4.Langkah ke empat : Mengatur Bobot
- Mengupdate bobot perceptron
wi(k+1) = wi(k) + Delta wi(k)
w(k+1) = bobot baru; w(k) = bobot yg lalu
Delta wi(p) adalah pengkoreksian bobot pada iterasi k, yang dihitung dengan:
- Delta wi(p) = Alpha x pi(k) x e(k)
5.Langkah ke lima : pengulangan
- Naikkan iterasi k dengan 1 (k=k+1), kembalilah ke langkah ke dua dan ulangi proses sampai keluaran=target or mendekati target.
Melatih Perceptron: Operasi OR
Contoh Pembelajaran
1.Langkah pertama : Inisialisasi Awal
- Mengatur bobot w1, w2 interval [-0.5 – 0.5], w1(1)=0.3 w2(1)=0.1, mengatur bias/threshold b=0.2, mengatur kec pembelajaran (alpha) =0.2, fungsi aktivasi-> step
2.Langkah kedua : Menghitung keluaran
- Mengaktifkan perceptron dengan memakai masukan p1(k), p2(k) dan target yang dikehendaki t(k).
Hitunglah output aktual pada iterasi ke-k = 1
3.Langkah ke tiga : Menghitung error
e(k) = t(k) – a(k)
e(1) = 0 – 0 = 0
4.Langkah ke empat : Mengatur Bobot
- Mengupdate bobot perceptron
wi(k+1) = wi(k) + delta wi(k)
w1(2) = 0.3(1) + delta w1(1)
Delta w1(1) = alpha x pi(1) x e(1) = 0.2 x 0 x 0 = 0
maka w1(2) = 0.3(1) + 0 = 0.3 (tidak berubah)
wi(k+1) = wi(k) + delta wi(k)
w2(2) = 0.3(1) + delta w2(1)
delta w2(1) = alpha x pi(1) x e(1) = 0.2 x 0 x 0 = 0
maka w2(2) = 0.1(1) + 0 = 0.1 (tidak berubah)
5.Langkah ke lima : pengulangan
- Naikkan iterasi k dengan 1 (k=k+1), kembalilah ke langkah ke dua dan ulangi proses sampai keluaran=target or mendekati target.
- K=2
w1(2)= 0.3 w2(2)=0.1, p1(2)=0, p2(2)=1 target(2)=Fd(2)=1
- Hitung keluaran:
- Hitung error:
e(2)= target(2) – a(2) = 1 – 0 =1 (ada error)
- Mengatur Bobot
Mengupdate bobot perceptron:
wi(k+1) = wi(k) + delta wi(k)
w1(3) = 0.3(2) + delta w1(2)
delta w1(2) = alpha x p1(1) x e(1) = 0.2 x 0 x 1 = 0
maka w1(3) = 0.3(1) + 0 = 0.3 (tidak berubah)
wi(k+1) = wi(k) + delta wi(k)
w2(3) = 0.3(2) + delta w2(2)
delta w2(1) = alpha x p2(1) x e(1) = 0.2 x 1 x 1 = 0.2
maka w2(3) = 0.1(1) + 0.2 = 0.3 (berubah sebelumnya w2(2)=0.1)
ST12 – Terlalu
aku terasa mati ditinggal kekasih
tak pernah terpikir ini bisa terjadi
aku terasa pilu saat kau berlalu
hilang semua kisah cinta dalam hatiku
* cintaku padamu tlah setinggi langit
namun kau tak merasakan
sayangku padamu kan ku ingat slalu
biar ku bawa sendiri
reff:
aku tak bisa menahan langkah kakimu
aku tak bisa menahan kepergianmu
kamu terlalu telah dengan yang lain
untuk hidupmu nanti
aku tak bisa menahan air mataku
aku tak bisa kesedihanku
aku telah hancur hilang semua mimpiku
repeat *
reff2:
aku tak bisa menahan langkah kakimu
aku tak bisa menahan kepergianmu
kamu terlalu telah dengan yang lain
untuk hidupmu nanti
aku tak bisa menahan kepedihanku
aku tak bisa menahan air mataku
hatiku tlah hancur hilang semua mimpiku
untuk hidupmu nanti
aku tak bisa menahan air mataku
aku tak bisa kesedihanku
aku telah hancur hilang semua mimpiku
aku telah hancur hilang semua mimpiku
Lirik lagu ST12 – Terlalu ini dipersembahkan oleh LirikLaguIndonesia.Net. Kunjungi DownloadLaguIndonesia.Net untuk download MP3 ST12 – Terlalu.
ST12 – I Love You
sudah ku bilang i love you
sudah ku bilang i miss you
sudah ku bilang i love you
sudah ku bilang i miss you
* aku menangis
dan ku tangisi kepergian kekasih hatiku
cukuplah sudah aku relakan kepergian kekasihku
** aku lelah tuk bisa meninggalkan, tinggalkan dirimu
aku lelah tuk bisa meninggalkan, tinggalkan dirimu
aku lelah tuk bisa meninggalkan, tinggalkan dirimu
aku lelah tuk bisa meninggalkan, tinggalkan dirimu
repeat *
repeat **
Lirik lagu ST12 – I Love You ini dipersembahkan oleh LirikLaguIndonesia.Net. Kunjungi DownloadLaguIndonesia.Net untuk download MP3 ST12 – I Love You.
ST12 – Anugerah Cinta
* cintamu anugerahku
cintamu menusuk jantungku
aku merindukanmu
jangan engkau jauh dariku
padamu aku korbankan
padamu aku serahkan
padamu aku berikan
padamu
tanpamu hancur hatiku
tanpamu menyakitkanku
tanpamu terasa pilu
tanpamu
** biarkan ku bersalah
beri aku waktu
jangan engkau kabur dariku
biarkan ku menjagamu
repeat *
repeat **
repeat * [2x]
Lirik lagu ST12 – Anugerah Cinta ini dipersembahkan oleh LirikLaguIndonesia.Net. Kunjungi DownloadLaguIndonesia.Net untuk download MP3 ST12 – Anugerah Cinta.
Sunday, May 23, 2010
tiga kata satu arti
Tak Pernah Terungkap
Sebuah Misteri Dari Dirimu..
Kenyatan Begitu Jauh Dari Apa Yang Sebenarnya
Tak Begitu Jelas Dalam Pikiranmu
Apa Yang Ada Dalam Hatimu
Dari Sikap Smuanya Jelas
Dari Perbuatanmu Apalagi
Tapi Kenapa Semuanya Begitu Tak Nyata Dihatimu
Pengorbanan Yang Ku Berikan
Tak Begitu Melekat Dihatimu
Semua Hancur Sudah
Bersama Hilangnya Sebuah
Harapan Menggapai Mimpi.
Sebuah Misteri Dari Dirimu..
Kenyatan Begitu Jauh Dari Apa Yang Sebenarnya
Tak Begitu Jelas Dalam Pikiranmu
Apa Yang Ada Dalam Hatimu
Dari Sikap Smuanya Jelas
Dari Perbuatanmu Apalagi
Tapi Kenapa Semuanya Begitu Tak Nyata Dihatimu
Pengorbanan Yang Ku Berikan
Tak Begitu Melekat Dihatimu
Semua Hancur Sudah
Bersama Hilangnya Sebuah
Harapan Menggapai Mimpi.
Kegagalan Bukan Akhir dari Perjalanan
Perjalanan manusia penuh dengan lika-liku
Selalu berbeda tanpa batas ruang dan waktu
Kegagalan kadang kala menyakitkan kalbu
Jika tiada pembimbing bagi hati yang pilu
Ketika akhir dari tujuan tidak menjadi milik anda
Hanya keikhlasanlah yg menolong pedihnya jiwa
Tatkala kegagalan terus membayangi langkah kita
Pasrahkanlah segalanya pada Sang maha Bijaksana
Percayalah bahwa Sang Pencipta maha mengetahui
Sehingga sanubari senantiasa berdzikir tanpa henti
Renungkanlah makna hidup setiap insan di dunia ini
Niscaya kebahagiaan akan merasuk dalam ruang hati
Kegagalan bukan akhir dari suatu perjalanan
Karna ia hanya sebatas ujian dalam kehidupan
Kerinduan akan kebahagiaan selalu didapatkan
Bagi seorang yg berfikir bahwa hidup adalah ujian
Jadilah hamba Allah yang baik saat menyikapi segala cobaan
Sehingga jiwa yang tenang menghampiri nuansa kebahagiaan
Tataplah masa depan melalui doa dalam langkah kemenangan
Karna tiada hal yang sia-sia dalam setiap jalan pengorbanan.
Selalu berbeda tanpa batas ruang dan waktu
Kegagalan kadang kala menyakitkan kalbu
Jika tiada pembimbing bagi hati yang pilu
Ketika akhir dari tujuan tidak menjadi milik anda
Hanya keikhlasanlah yg menolong pedihnya jiwa
Tatkala kegagalan terus membayangi langkah kita
Pasrahkanlah segalanya pada Sang maha Bijaksana
Percayalah bahwa Sang Pencipta maha mengetahui
Sehingga sanubari senantiasa berdzikir tanpa henti
Renungkanlah makna hidup setiap insan di dunia ini
Niscaya kebahagiaan akan merasuk dalam ruang hati
Kegagalan bukan akhir dari suatu perjalanan
Karna ia hanya sebatas ujian dalam kehidupan
Kerinduan akan kebahagiaan selalu didapatkan
Bagi seorang yg berfikir bahwa hidup adalah ujian
Jadilah hamba Allah yang baik saat menyikapi segala cobaan
Sehingga jiwa yang tenang menghampiri nuansa kebahagiaan
Tataplah masa depan melalui doa dalam langkah kemenangan
Karna tiada hal yang sia-sia dalam setiap jalan pengorbanan.
Cinta Sejati
10 TAHUN SUDAH …
Ku tatap matamu ketika bertemu
Ku temui warna-warni masa depanku di sana
Sejak saat itu aku tahu bahwa hanya kau yang terindah
Ku katakan cinta meski belum semuanya jelas
Saat itu kau tersenyum
Telah kau sambut perasaan ini
Dan gelap malamku telah kau terangi
Kini pagi kian sejuk dengan suaramu
Tiap hembusan nafas bisa kurasakan detak hatiku
Ada kamu di sana
Sungguh aku memujamu
Ku tuangkan semuanya dalam lagu dan puisi
sampai kapanpun kisahnya takkan pernah berubah
Datanglah hari yang ku takutkan
Ketika cinta ini diuji dan keyakinan kita goyah
Aku terperangkap di dunia lain
Dunia yang tak pernah ku tahu apakah hitam atau putih
Ku jalani hari-hari disana dan akupun berubah
Aku butuh kamu saat itu
Namun aku ragu
Apakah cinta kita tetap kau pegang teguh
Atau telah sirna sejak aku bukan diriku
Kucari jawaban itu
Keyakinanku pun kian menipis
Kita berpisah…mungkin itu jalan yang terbaik
Waktu demi waktu
Semua itu menyadarkanku akan betapa kau begitu berarti
Bagai air yang tak mungkin bumi hidup tanpanya
Atau pohon yang memberi kita udara
Aku butuh kamu
Ku coba raih lagi cinta itu
Namun cerita indah sulit sekali tertulis untuk kedua kali
Begitu banyak rintangan yang datang atau pergi meninggalkan galau di hati
Kadang aku duduk menanti di ujung fajar
Kau malah bergandengan tangan menatap senja
Lalu kau mencariku di pagi buta
Kau harap fajar masih menunggu
Aku malah memeluk bayangan lain sesaat sebelum kau tiba
Dan akhirnya kita bisa bertemu disaat mathari mulai terbenam
Aku diam tak tahu harus berkata apa
Kau pasti berharap aku akan mengatakannya lagi
Sebait puisi yang hilang
Namun aku bukanlah aku
Aku sadari siapa diriku kini
Aku telah terjebak pada jaln yang menyesatkan
Yang tak mungkin kau berada bersamaku
Seribu pertanyaan telah ku tinggalkan
Ketika sang surya datang menyapa aku telah pergi
Aku hanya memberimu beberapa detik setiap tehunnya
Tak sebanding dengan apa yang kutinggalkan
Terlambat…
Pada akhirnya kau telah memilih jalanmu
Saat semua masa laluku telah aku tinggalkan
Sekedar ingin ku meraihmu lagi
Ku cari persimpangan hati kita namun tak pernah ku temui
Akupun berlabuh pada samudra yang lain
10 tahun sudah
Cerita kita tetap selalu indah
Karena apapun yang terjadi adalah hal yang tak mungkin aku lupakan
10 tahun sudah
Kini kamu hadir kembali
Hadir sebagi seseorang yang pernah dan selalu ku cintai
Aku cukup bahagia bisa mendengar lagi suaramu
Meski kini kau telah memakai cincin yang lain
Arti hadirmu tak hanya mewarnai lembaran cinta
Kau telah mengubah hidupku menjadi lebih berarti
Dan jika suatu hari aku telah berada pada puncak cita-citaku
Semua itu karena Tuhan telah menghadirkanmu
Ku tatap matamu ketika bertemu
Ku temui warna-warni masa depanku di sana
Sejak saat itu aku tahu bahwa hanya kau yang terindah
Ku katakan cinta meski belum semuanya jelas
Saat itu kau tersenyum
Telah kau sambut perasaan ini
Dan gelap malamku telah kau terangi
Kini pagi kian sejuk dengan suaramu
Tiap hembusan nafas bisa kurasakan detak hatiku
Ada kamu di sana
Sungguh aku memujamu
Ku tuangkan semuanya dalam lagu dan puisi
sampai kapanpun kisahnya takkan pernah berubah
Datanglah hari yang ku takutkan
Ketika cinta ini diuji dan keyakinan kita goyah
Aku terperangkap di dunia lain
Dunia yang tak pernah ku tahu apakah hitam atau putih
Ku jalani hari-hari disana dan akupun berubah
Aku butuh kamu saat itu
Namun aku ragu
Apakah cinta kita tetap kau pegang teguh
Atau telah sirna sejak aku bukan diriku
Kucari jawaban itu
Keyakinanku pun kian menipis
Kita berpisah…mungkin itu jalan yang terbaik
Waktu demi waktu
Semua itu menyadarkanku akan betapa kau begitu berarti
Bagai air yang tak mungkin bumi hidup tanpanya
Atau pohon yang memberi kita udara
Aku butuh kamu
Ku coba raih lagi cinta itu
Namun cerita indah sulit sekali tertulis untuk kedua kali
Begitu banyak rintangan yang datang atau pergi meninggalkan galau di hati
Kadang aku duduk menanti di ujung fajar
Kau malah bergandengan tangan menatap senja
Lalu kau mencariku di pagi buta
Kau harap fajar masih menunggu
Aku malah memeluk bayangan lain sesaat sebelum kau tiba
Dan akhirnya kita bisa bertemu disaat mathari mulai terbenam
Aku diam tak tahu harus berkata apa
Kau pasti berharap aku akan mengatakannya lagi
Sebait puisi yang hilang
Namun aku bukanlah aku
Aku sadari siapa diriku kini
Aku telah terjebak pada jaln yang menyesatkan
Yang tak mungkin kau berada bersamaku
Seribu pertanyaan telah ku tinggalkan
Ketika sang surya datang menyapa aku telah pergi
Aku hanya memberimu beberapa detik setiap tehunnya
Tak sebanding dengan apa yang kutinggalkan
Terlambat…
Pada akhirnya kau telah memilih jalanmu
Saat semua masa laluku telah aku tinggalkan
Sekedar ingin ku meraihmu lagi
Ku cari persimpangan hati kita namun tak pernah ku temui
Akupun berlabuh pada samudra yang lain
10 tahun sudah
Cerita kita tetap selalu indah
Karena apapun yang terjadi adalah hal yang tak mungkin aku lupakan
10 tahun sudah
Kini kamu hadir kembali
Hadir sebagi seseorang yang pernah dan selalu ku cintai
Aku cukup bahagia bisa mendengar lagi suaramu
Meski kini kau telah memakai cincin yang lain
Arti hadirmu tak hanya mewarnai lembaran cinta
Kau telah mengubah hidupku menjadi lebih berarti
Dan jika suatu hari aku telah berada pada puncak cita-citaku
Semua itu karena Tuhan telah menghadirkanmu
Charly(St12)-Sinar Pahlawanku
cord by canpy
[chorus]
C
jangan menangis sayang
Gm A Dm
ini hanyalah cobaan Tuhan
Fm C
hadapi semua dengan senyuman
Dm G
dengan senyuman dengan senyuman
C
jangan menangis sayang
Gm A Dm
sinarmu tetap harus bersinar
Fm C Dm G
tabahkan hatimu demi ibu, itu surgamu
C Em
kuteriris mendengar kisahnya
Am Em
bocah kecil merawat ibunya
Gm A Dm
sinar mata dan baik hatinya
G
yang tak berdaya
C Em
telah lama dia menderita
Am Em
sang ayahpun meninggalkan dia
Gm A Dm
mengisi hidup hanya berdua
G
kuatkan sinar
[chorus]
C
jangan menangis sayang
Gm A Dm
ini hanyalah cobaan Tuhan
Fm C
hadapi semua dengan senyuman
Dm G
dengan senyuman dengan senyuman
C
jangan menangis sayang
Gm A Dm
sinarmu tetap harus bersinar
Fm C Dm G
tabahkan hatimu demi ibu, itu surgamu
[int] Am Em F C Em
Am Em F G A
[chorus]
D
jangan menangis sayang
Am B Em
ini hanyalah cobaan Tuhan
Gm D
hadapi semua dengan senyuman
Em A
dengan senyuman wo hooo
D
jangan menangis sayang
Am B Em
sinarmu tetap harus bersinar
Gm D Em
tabahkan hatimu demi ibu, itu surgamu
A
itu surgamu
D
jangan menangis sayang
Am B Em
ini hanyalah cobaan Tuhan
Gm D Em
tabahkan hatimu demi ibu, itu surgamu
A
itu surgamu
[outro] D Gm D Gm
[chorus]
C
jangan menangis sayang
Gm A Dm
ini hanyalah cobaan Tuhan
Fm C
hadapi semua dengan senyuman
Dm G
dengan senyuman dengan senyuman
C
jangan menangis sayang
Gm A Dm
sinarmu tetap harus bersinar
Fm C Dm G
tabahkan hatimu demi ibu, itu surgamu
C Em
kuteriris mendengar kisahnya
Am Em
bocah kecil merawat ibunya
Gm A Dm
sinar mata dan baik hatinya
G
yang tak berdaya
C Em
telah lama dia menderita
Am Em
sang ayahpun meninggalkan dia
Gm A Dm
mengisi hidup hanya berdua
G
kuatkan sinar
[chorus]
C
jangan menangis sayang
Gm A Dm
ini hanyalah cobaan Tuhan
Fm C
hadapi semua dengan senyuman
Dm G
dengan senyuman dengan senyuman
C
jangan menangis sayang
Gm A Dm
sinarmu tetap harus bersinar
Fm C Dm G
tabahkan hatimu demi ibu, itu surgamu
[int] Am Em F C Em
Am Em F G A
[chorus]
D
jangan menangis sayang
Am B Em
ini hanyalah cobaan Tuhan
Gm D
hadapi semua dengan senyuman
Em A
dengan senyuman wo hooo
D
jangan menangis sayang
Am B Em
sinarmu tetap harus bersinar
Gm D Em
tabahkan hatimu demi ibu, itu surgamu
A
itu surgamu
D
jangan menangis sayang
Am B Em
ini hanyalah cobaan Tuhan
Gm D Em
tabahkan hatimu demi ibu, itu surgamu
A
itu surgamu
[outro] D Gm D Gm
--- Nidji Dosakah Aku ---
[intro] Am C G
Am C
dosakah aku mencintaimu
G
mendampingimu inginkanmu
Am C
aku menjadi diri sendiri
G
tak peduli apa kata dunia
Am C
ku nanti hari ketika
G
cinta datang cinta menang
Am C
jadi sayangku bertahanlah
G
bila terkadang mulutnya kejam
Bm Em Bm Em
peluklah aku jangan menyerah
C D
mereka bukan hakim kita
[chorus]
Am C
bintang yang mempertemukan kita
G D
cinta yang mempertahankan kita
Am C
ooh Tuhan dengarkan doa
G D
dari cinta yang terlarang
[interlude] Am C G D
Am C D C Bm D
[chorus]
Am C
bintang yang mempertemukan kita
G D
cinta yang mempertahankan kita
Am C
ooh Tuhan dengarkan doa
G D
dari cinta yang terlarang
Am C
rasa yang mempersatukan kita
G D
cinta yang mempertahankan kita
Am C
ooh Tuhan dengarkan doa
G D
dari cinta yang terlarang
Am C G D
cinta dan rasa bersatu di doa
Am C G D
berharap cinta kita yang terlarang
Am C G D
berharap cinta kita yang kan menang
Subscribe to:
Posts (Atom)