Artikel
Jaringan Saraf (Neural Network)
Jaringan syaraf tiruan (artifical
neural network) adalah sistem komputasi yang arsitektur dan operasinya
diilhami dari pengetahuan tentang sel syaraf biologis di dalam otak. Jaringan
syaraf tiruan merupakan salah satu representasi buatan dari otak manusia yang
selalu mencoba menstimulasi proses pembelajaran pada otak manusia tersebut.
Jaringan syaraf tiruan dapat digambarkan sebagai model matematis dan komputasi
untuk fungsi aproksimasi non-linear, klasifikasi data cluster dan regresi
non-parametrik atau sebuah simulasi dari koleksi model jaringan syaraf biologi.
Model jaringan syaraf
ditunjukkan dengan kemampuannya dalam emulasi, analisis, prediksi dan asosiasi.
Kemampuan yang dimiliki jaringan syaraf tiruan dapat digunakan untuk belajar
dan menghasilkan aturan atau operasi dari beberapa contoh atau input yang
dimasukkan dan membuat prediksi tentang kemungkinan output yang akan muncul
atau menyimpan karakteristik input yang diberikan kepada jaringan syaraf
tiruan.
Konsep Dasar Jaringan Syaraf Tiruan
Jaringan
syaraf tiruan terdiri dari beberapa neuron dan ada hubungan antar neuron-
neuron seperti pada otak manusia. Neuron/selsaraf adalah sebuah unit pemroses
informasi yang merupakan dasar operasi jaringan syaraf tiruan.
Jaringan
syaraf tiruan terdiri atas beberapa elemen penghitung tak linier yang
masing-masing dihubungkan melalui suatu pembobot dan tersusun secara paralel.
Pembobot inilah yang nantinya akan berubah (beradaptasi) selama proses
pelatihan.
Karakteristik Jaringan Syaraf Tiruan
Penyelesaian masalah dengan
jaringan syaraf tiruan tidak memerlukan pemrograman. Jaringan syaraf tiruan
menyelesaikan masalah melalui proses belajar dari contoh-contoh pelatihan yang
diberikan. Biasanya pada jaringan syaraf tiruan diberikan sebuah himpunan pola
pelatihan yang terdiri dari sekumpulan contoh pola. Proses belajar jaringan
syaraf tiruan berasal dari serangkaian contoh-contoh pola yang diberikan.metode
pelatihan yang sering dipakai adalah metode belajar terbimbing. Selama proses
belajar itu pola masukan disajikan bersama-sama dengan pola keluaran yang
diinginkan.
ARSITEKTUR JARINGAN
SYARAF
Faktor
terpenting untuk menentukan kelakuan suatu neuron adalah fungsi aktivasi dan
pola bobotnya.
Ada beberapa arsitektur jaringan syaraf, antara lain
:
a a. Jaringan
dengan lapisan tunggal (single layer net)
Hanya
memiliki satu lapisan dengan bobot-bobot terhubung Jaringan ini hanya menerima
input kemudian secara langsung akan mengolahnya menjadi output tanpa harus melalui lapisan tersembunyi.
b. Jaringan
dengan banyak lapisan (multilayer net)
-Memiliki 1 atau lebih lapisan yang terletak
diantara lapisan input dan lapisan output
-Ada lapisan yang berbobot yang terletak antara 2
lapisan yang bersebelahan.
Kelebihan dan Kekurangan Jaringan
Saraf Tiruan (Neural Network)
Kelebihan:
- Mampu mengakuisisi pengetahuan walau tidak ada kepastian
- Mampu melakukan generalisasi dan ekstraksi dari suatu pola data tertentu
- JST dapat menciptakan suatu pola pengetahuan melalui pengaturan diri atau kemampuan belajar (self organizing)
- Memiliki fault tolerance, gangguan dapat dianggap sebagai noise saja
- Kemampuan perhitungan secara paralel sehingga proses lebih singkat
Kekurangan:
- Kurang mampu untuk melakukan operasi operasi numerik dengan presisi tinggi
- Kurang mampu melakukan operasi algoritma aritmatik, operasi logika dan simbolis
- Lamanya proses training yang mungkin terjadi dalam waktu yang sangat lama untuk jumlah data yang besar.
Sebuah jaringan yang sederhana mempunyai struktur
feedforward dimana signal bergerak dari input kemudian melewati lapisan
tersembunyi dan akhirnya mencapai unit output (mempunyai struktur perilaku yang
stabil).
Tipe jaringan feedforward mempunyai sel
syaraf yang tersusun dari beberapa lapisan. Lapisan input bukan merupakan sel
syaraf. Lapisan ini hanya memberi pelayanan dengan mengenalkan suatu nilai dari
suatu variabel. Lapisan tersembunyi dan lapisan output sel syaraf
terhubung satu sama lain dengan lapisan sebelumnya. Kemungkinan yang timbul
adalah adanya hubungan dengan beberapa unit dari lapisan sebelumnya atau
terhubung semuanya (lebih baik).
Gambar Jaringan Syaraf Tiruan Feedforward
Yang termasuk dalam struktur feedforward
:
- Single-layer perceptron
- Multilayer perceptron
- Radial-basis function networks
- Higher-order networks
- Polynomial learning networks
Jika suatu jaringan berulang (mempunyai koneksi
kembali dari output ke input) akan menimbulkan ketidakstabilan dan akan
menghasilkan dinamika yang sangat kompleks. Jaringan yang berulang sangat
menarik untuk diteliti dalam Jaringan Syaraf Tiruan, namun sejauh ini structure
feedforward sangat berguna untuk memecahkan masalah. Yang termasuk dalam stuktur
recurrent (feedback) :
- Competitive networks
- Self-organizing maps
- Hopfield networks
- Adaptive-resonanse theory models
Gambar Jaringan Syaraf Tiruan FeedBack
Ketika sebuah Jaringan
Syaraf digunakan. Input dari nilai suatu variabel ditempatkan dalam suatu input
unit dan kemudian unit lapisan tersembunyi dan lapisan output menjalankannya.
Setiap lapisan tersebut menghitung nilai aktivasi dengan mengambil jumlah bobot
output dari setiap unit dari lapisan sebelumnya dan kemudian dikurangi dengan
nilai ambang. Nilai aktifasi kemudian melalui fungsi aktifasi untuk
menghasilakan output dari sel syaraf. Ketika semua unit pada Jaringan Syaraf
telah dijalankan maka aksi dari lapisan output merupakan output dari seluruh
jaringan syaraf.
Faktor
Keberhasilan Jaringan Syaraf Tiruan
Jaringan Syaraf Tiruan
mengalami “booming” dan diminati beberapa tahun terakhir ini, dan sangat sukses
digunakan untuk memecahkan berbagai masaalah dalam berbagai disiplin ilmu
seperti : bidang finansial, kedokteran, teknik, geologi dan fisika. Lebih jauh
lagi, bahwa sesuatu masaalah dengan menggunakan Jaringan Syaraf Tiruan dapat
diprediksi, dikelompokkan dan dikontrol. Ada beberapa faktor yang mendukung
keberhasilan tersebut antara lain :
- Handal. Jaringan Syaraf Tiruan adalah teknik pemodelan yang sangat memuaskan yang dapat membuat model suatu fungsi yang sangat kompleks. Khususnya Jaringan Syaraf Tiruan nonlinear. Sejak beberapa tahun, model linear umumnya digunakan dimana model linear dikenal dengan strategi optimasi. Jaringan Syaraf Tiruan juga menggunakan model nonlinear dengan berbagai variabel.
- Mudah digunakan. Jaringan Syaraf Tiruan dipelajari dengan contoh. Pengguna Jaringan Syaraf Tiruan mengumpulkan data dan melakukan pembelajaran algoritma untuk mempelajari secara otomatis struktur data, sehingga pengguna tidak memerlukan pengetahuan khusus mengenai bagaimana memilih dan mempersiapkan data, bagaimana memilih Jaringan Syaraf Tiruan yang tepat, bagaimana membaca hasil, tingkatan pengetahuan yang diperlukan untuk keberhasilan Menggunakan Jaringan Syaraf Tiruan tidak lebih dari pemecahan masalah yang menggunakan metode statistik nonlinear yang telah dikenal.
Contoh Aplikasi Jaringan Syaraf Tiruan
Jaringan Syaraf Tiruan mampu
menggambarkan setiap situasi adanya sebuah hubungan antara variabel predictor
(independents, inputs) dan variabel predicted (dependents, outputs), ketika
hubungan tersebut sangat kompleks dan tidak mudah untuk menjelaskan kedalam
istilah yang umum dari “correlations” atau “differences between
groups”. Beberapa contoh permasalahan yang dapat dipecahkan secara baik
oleh Jaringan Syaraf Tiruan antara lain:
1. Deteksi Fenomena Kedokteran.
Berbagai indikasi yang berhubungan dengan kesehatan
(kombinasi dari denyut jantung, tingkatan dan berbagai substansi dalam darah,
dll) dapat dimonitoring. Serangan pada kondisi kesehatan tertentu dapat
dihubungan dengan perubahan kombinasi yang sangat kompeks (nonlinear dan
interaktif) pada subset dari variabel, dapat dimonitoring. Jaringan
Syaraf Tiruan telah digunakan untuk mengenali pola yang diperkirakan sehingga
perlakuan yang tepat dapat dilakukan.
2. Untuk Mendeteksi Golongan Darah Manusia
Dengan menggunakan pengolahan citra. Manusia berusaha keras
dengan segala kemampuannya untuk menirukan kehebatan yang mereka miliki,
misalnya seorang dokter dengan keahliannya dapat membedakan golongan darah
manusia antara A, B, AB, dan O. Dengan pendekatan kecerdasan buatan, manusia
berusaha menirukan bagaimana polapola dibentuk. Jaringan Syaraf Tiruan telah
dikembangkan sebagai generalisasi model matematik dari pembelajaran manusia dan
aplikasi aplikasi lain nya
Referensi:
Tidak ada komentar:
Posting Komentar