Jaringan Syaraf
Tiruan dibuat pertama kali pada tahun 1943 oleh neurophysiologist Waren
McCulloch dan logician Walter Pits, namun teknologi yang tersedia pada
saat itu belum memungkinkan mereka berbuat lebih jauh.
Jaringan Syaraf Tiruan adalah
paradigma pemrosesan suatu informasi yang terinspirasi oleh sistim sel syaraf
biologi, sama seperti otak yang memproses suatu informasi.
Perbandingan
Jaringan Syaraf Tiruan dengan Konvensional
Jaringan Syaraf
Tiruan memiliki pendekatan yang berbeda untuk memecahkan masalah bila
dibandingkan dengan sebuah komputer konvensional. Umumnya computer konvensional
menggunakan pendekatan algoritma (komputer konvensional menjalankan sekumpulan
perintah untuk memecahkan masalah). Jika suatu perintah tidak diketahui oleh
komputer konvensional maka komputer konvensional tidak dapat memecahkan masalah
yang ada. Sangat penting mengetahui bagaimana memecahkan suatu masalah pada
komputer konvensional dimana komputer konvensional akan sangat bermanfaat jika
dapat melakukan sesuatu dimana pengguna belum mengatahui bagaimana
melakukannya.
Model Dasar
Jaringan Syaraf Tiruan
Berdasarkan dari arsitektur (pola
koneksi), Jaringan Syaraf Tiruan dapat dibagi
kedalam dua
katagori :
- Struktur feedforward
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).
Yang termasuk dalam struktur feedforward
:
- Single-layer perceptron
- Multilayer perceptron
- Radial-basis function networks
- Higher-order networks
- Polynomial learning networks
- 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
Lapisan pada
Jaringan Syaraf Tiruan
Jaringan Syaraf Tiruan biasanya
mempunyai 3 group atau lapisan yaitu unit-unit :
lapisan input yang
terhubung dengan lapisan tersembunyi yang selanjutnya terhubung
dengan lapisan output.
- Aktifitas unit-unit lapisan input menunjukkan informasi dasar yang kemudian digunakan dalam Jaringan Syaraf Tiruan.
- Aktifitas setiap unit-unit lapisan tersembunyi ditentukan oleh aktifitas dari unitunit input dan bobot dari koneksi antara unit-unit input dan unit-unit lapisan Tersembunyi
- Karakteristik dari unit-unit output tergantung dari aktifitas unit-unit lapisan tersembunyi dan bobot antara unit-unit lapisan tersembunyi dan unit-unit output.
Perceptron
Perceptron
termasuk kedalam salah satu bentuk Jaringan Syaraf Tiruan yang sederhana.
Perceptron biasanya digunakan untuk mengklasifikasikan suatu tipe pola tertentu
yang sering dikenal dengan istilah pemisahan secara linear. Pada dasarnya
perceptron pada Jaringan Syaraf dengan satu lapisan memiliki bobot yang bisa
diatur dan suatu nilai ambang. Algoritma yang digunakan oleh aturan perceptron
ini akan mengatur parameter-parameter bebasnya melalui proses pembelajaran.
Fungsi aktivasi dibuat sedemikian rupa sehingga terjadi pembatasan antara
daerah positif dan daerah negatif.
= Proses
Pembelajaran =
Umumnya, jika
menggunakan Jaringan Syaraf Tiruan, hubungan antara input dan output harus
diketahui secara pasti dan jika hubungan tersebut telah diketahui maka dapat dibuat
suatu model. Hal lain yang penting adalah proses belajar hubungan input/output dilakukan
dengan pembelajaran. Ada dua tipe pembelajaran yang dikenal yaitu : pembelajaran terawasi dan pembelajaran tak terawasi.
Pada
pembelajaran terawasi,
metode ini digunakan jika output yang diharapkan telah diketahui sebelumnya.
Biasanya pembelajaran dilakukan dengan menggunakandata yang telah ada. Pada
contoh diatas misalnya data pasar saham yang ada pada DOW,NASDAQ atau FTSE,
data yang ada sebelumnya mengenai aplikasi kredit yang berhasil termasuk daftar
pertanyaan atau posisi ebuah robot dan
reaksi yang benar.
Pada metode
pembelajaran yang tidak terawasi, tidak memerlukan target output. Pada
metode ini tidak dapat ditentukan hasil seperti apa yang diharapkan selama
proses pembelajaran. Selama proses pembelajaran, nilai bobot disusun dalam
suatu range tertentu tergantung pada nilai input yang diberikan. Tujuan
pembelajaran ini adalah mengelompokkan unit-unit yang hampir sama dalam suatu
area tertentu. Pembelajaran seperti ini biasanya sangat cocok untuk
pengelompokkan (klasifikasi) pola.
= Fungsi
Transfer =
Karakter dari Jaringan Syaraf
Tiruan tergantung atas bobot dan fungsi inputoutput (fungsi transfer) yang
mempunyai ciri tertentu untuk setiap unit. Fungsi ini terdiri dari 3 katagori
yaitu :
- Untuk linear units, Aktifitas output adalah sebanding dengan jumlah bobot output.
- Untuk threshold units, Output diatur satu dari dua tingkatan tergantung dari apakah jumlah input adalah lebih besar atau lebih kecil dari nilai ambang.
- Untuk sigmoid units, Output terus menerus berubah-ubah tetapi tidak berbentuk linear. Unit ini mengandung kesamaan yang lebih besar dari sel syaraf sebenarnya dibandingkan dengan linear dan threshold unit, namun ketiganya harus dipertimbangkan dengan perkiraan kasar.
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 :
- Deteksi Fenomena Kedokteran.
- Untuk mendeteksi golongan darah manusia
- Prediksi Pasar Saham.
- Perjanjian Kredit.
No comments:
Post a Comment