Jaringan Saraf (Neural Network)

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.

1. Struktur Feedforward  

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 

2.  Struktur Recurrent (Feedback)
 

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:

http://cgeduntuksemua.blogspot.co.id/2012/03/pengertian-kelebihan-dan-kekurangan_29.html

https://aiukswgkelompok11.wordpress.com/jaringan-syaraf-tiruan/

http://elektronika-dasar.web.id/arsitektur-jaringan-syaraf-tiruan/

 

 

 

 

 

ARTIKEL 3 SISTEM CERDAS

Apa itu sistem cerdas?

Sistem cerdas adalah sistem yang dapat mengadopsi sebagaian kecil dari tingkat kecerdasan manusia untuk berinteraksi dengan keadaan eksternal suatu sistem. Sebagian kecil dari tingkat kecerdasan itu antara lain: kemampuan untuk dilatih, mengingat kembali kondisi yang pernah dialami, mengolah data-data untuk memberikan aksi yang tepat sesuai yang telah diajarkan, dan kemampuan menyerap kepakaran seorang ahli melalui perintah yang dituliskan dalam sebuah bahasa pemrograman tertentu. Sub-bab berikut membahas secara singkat tiga buah sistem cerdas yang dimaksud.

          Sistem cerdas banyak dijumpai di sekitar kita. Karena semaki berkembangnya zaman maka komputer pun memiliki kemajuan yang cukup pesat, apalagi di bidang Sistem Cerdas (Artificial Intelegent). Karena sekarang komputer tidak hanya digunakan untuk menghitung saja banyak perlengkapan yang dapat membantu manusia yang dibuat dengan komputer. Contoh penggunaan sistem cerdas di sekitar kita adalah:

            Smart Card adalah sebagai alat penyimpan data, kartu ini menyimpan nama pemiliknya. Waktu berganti, kemudian muncul berbagai tambahan seperti nama pemilik yang diembos (timbul), tanda tangan pemilik yang tujuannya adalah menghindari pemalsuan kartu. Semakin lama, hal ini kurang efektif untuk menjaga keamanan kartu. Selain itu, perkembangan teknologi membutuhkan kartu agar dapat dibaca dan diproses menggunakan komputer. Perkembangan pertama yang cukup revolusioner adalah magnetic stripe pada bagian belakang kartu. Mungkin Anda sudah sangat hapal betul dengan garis blok hitam di bagian belakang. Fungsi Smart Card pertama kali adalah Sebagai Alat Penyimpan Data

Contoh dari penggunaan Smart Card yaitu:

1. Smart Health Card System

Kapasitas penyimpanan yang besar dari smart health card system dan kemampuan pemrosesan yang sangat baik membuatnya menjadi pilihan ideal untuk implementasi dalam sistem perawatan kesehatan. Sebuah sistem kesehatan berdasarkan smart card menawarkan manfaat besar bagi semua yang terlibat seperti pasien, penyedia layanan, dan penyedia asuransi kesehatan.

1        2. Kartu Tanda Mahasiswa

Kartu Tanda Mahasiswa atau biasa disebut KTM saat ini sudah semakin canggih karena selain hanya sebagai tanda pengenal mahasiswa di suatu universitas, KTM sudah menjelma sebagai smart card dimana bisa di gunakan untuk hal lain contohnya sebagai kartu ATM, kartu untuk naik kereta, dan masih banyak lagi. Dimana, di setiap KTM saat ini memiliki chip yang mempunyai fungsi yang bermacam-macam.

1        3.  Kartu Multitrip

Kartu multitrip merupakan salah satu contoh dari smart card yang ada saat ini, lebih dari satu akomodasi di Indonesia saat ini yang tidak lagi menggunakan tiket/karcis untuk bisa menaikki kendaraan umum yang ada di Indonesia. Contohnya seperti kereta dan busway dimana keduanya tak lagi menggunakan tiket melainkan menggunakan kartu multitrip. Karena penggunaannya yang mudah para pengguna jasa angkutan umum pun lebih efektif dalam menggunakan kartu multitrip selain pemakaiannya yang tidak sulit kartu multitrip juga sangat membantu para pengguna jasa angkutan umum untuk menghemat waktu.

          Dari ketiga contoh sistem cerdas di atas, banyak kemudahan yang di berikan. Contohnya penggunaan Smart Card pada Kartu Multitrip pengguna jasa angkutan umum seperti kereta dan busway bisa lebih menghemat waktu tanpa harus mengantri untuk membeli tiket, untuk Smart Health Card System memudahkan para pasien untuk mengetahui riwayat kesehatannya melalui smart card tersebut. Serta untuk Kartu Tanda Mahasiswa memudahkan para mahasiswa dalam melakukan transaksi tanpa harus mengantri ke Bank karena dalam KTM tersebut terdapat chip yang dapat kita gunakan juga sebagai ATM.

            Adapun kekurangan dari sistem cerdas Smart Card ini ialah kurangnya edukasi terhadap masyarakat karena masih banyak masyarakat yang belum mengerti penggunaan Smart Card tersebut, apabila masyarakat lebih mengetahui tentang penggunaan Smart Card tersebut makan sistem cerdas akan lebih terasa manfaatnya.

Sumber:

·         http://bombtracck.blogspot.co.id/2012/07/contoh-penerapan-sistem-cerdas-dalam.html

·         https://sigitkurniawanisme.wordpress.com/2014/01/17/pengertian-smart-card-secara-mudah/

·         http://amaliajamil.blogspot.co.id/2013/12/smart-health-card-contoh-pemanfaatan-ti.html