Jaringan Syaraf Tiruan adalah
paradigma pemrosesan suatu informasi yang terinspirasi oleh sistim sel syaraf
biologi, sama seperti otak yang memproses suatu informasi. Elemen mendasar dari
paradigma tersebut adalah struktur yang baru dari sistim pemrosesan informasi.
Jaringan Syaraf Tiruan, seperti manusia, belajar dari suatu contoh. Jaringan
Syaraf Tiruan dibentuk untuk memecahkan suatu masalah tertentu seperti
pengenalan pola atau klasifikasi karena proses pembelajaran.
Jaringan Syaraf Tiruan berkembang
secara pesat pada beberapa tahun terakhir. Jaringan Syaraf Tiruan telah
dikembangkan sebelum adanya suatu komputer konvensional yang canggih dan terus
berkembang walaupun pernah mengalami masa vakum selama beberapa tahun.
Inspirasi Biologi
Jaringan Syaraf Tiruan keluar dari
penelitian kecerdasan buatan, terutama percobaan untuk menirukan
fault-tolerence dan kemampuan untuk belajar dari sistem syaraf biologi dengan
model struktur low-level dari otak. Otak terdiri dari sekitar (10.000.000.000)
sel syaraf yang saling berhubungan. Sel syaraf mempunyai cabang struktur input
(dendrites), sebuah inti sel dan percabangan struktur output (axon). Axon dari
sebuah sel terhubung dengan dendrites yang lain melalui sebuah synapse. Ketika sebuah
sel syaraf aktif, kemudian menimbulkan suatu signal electrochemical pada axon.
Signal ini melewati synapses menuju ke sel syaraf yang lain. Sebuah sel syaraf
lain akan mendapatkan signal jika memenuhi batasan tertentu yang sering disebut
dengan nilai ambang atau (threshold).
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.
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.
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.
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.
Prediksi Pasar Saham.
Fluktuasi dari harga saham dan
index saham adalah contoh lain yang kompleks, multidimesi tetapi dalam beberapa
kondisi tertentu merupakan phenomena yang dapat prediksi. Jaringan Syaraf
Tiruan telah digunakan oleh analis teknik untuk membuat prediksi tentang pasar
saham yang didasarkan atas sejumlah faktor seperti keadaan masa lalu bursa yang
lain dan berbagai indikator ekonomi.
Perjanjian Kredit.
Berbagai informasi biasanya didapat
dari seorang peminjam seperti umur, pendidikan, pekerjaan dan berbagai data
lain. Setelah pembelajaran dari Jaringan Syaraf Tiruan tentang data peminjam,
analisis Jaringan Syaraf Tiruan dapat mengidentifikasi karaktersetik peminjam
sehingga dapat digunakan untuk mengklasifikasikan peminjam terhadap resiko peminjam
dalam kategori baik atau buruk.
Monitoring Kondisi
Mesin.
Jaringan Syaraf Tiruan dapat
digunakan untuk memangkas biaya dengan memberikan keahlian tambahan untuk
menjadwalkan perawatan mesin. Jaringan Syaraf Tiruan dapat dilatih untuk
membedakan suara sebuah mesin ketika berjalan normal (“false alarm”) dengan
ketika mesin hampir mengalami suatu masalah. Setelah periode pembelajaran,
keahlian dari Jaringan Syaraf Tiruan dapat digunakan untuk memperingatkan
seorang teknisi terhadap kerusakan yang akan timbul sebelum terjadi yang akan
menyebabkan biaya yang tidak terduga.
Pemeliharaan Mesin.
Jaringan Syaraf Tiruan telah
digunakan untuk menganalisis input dari sebuah sensor pada sebuah mesin. Dengan
mengontrol beberapa parameter ketika mesin sedang berjalan, dapat melakukan
fungsi tertentu misalnya meminimalkan penggunaan bahan bakar.
Kesimpulan
Jaringan Syaraf Tiruan mulai
dilirik banyak kalangan karena mempunyai banyak kelebihan dibandingkan system
konvensional. Jaringan Syaraf Tiruan mewakili pikiran manusia untuk mendekatkan
diri dengan komputer, maksudnya Jaringan Syaraf Tiruan dirancang agar komputer
dapat bekerja seperti/layaknya otak manusia. Berikut ini beberapa keunggulan
dari Jaringan Syaraf Tiruan adalah :
1. Adaptive learning: Suatu
kemampuan untuk melakukan suatu kegiatan yang didasarkan atas data yang
diberikan pada saat pembelajaran atau dari pengalaman sebelumnya.
2. Self-Organisation: Dapat membuat
organisasi sendiri atau me-representasikan informasi yang didapat pada saat
pembelajaran.
3. Real Time Operation: Dapat
menghasilkan perhitungan parallel dan dengan device hardware yang khusus yang
dibuat akan memberikan keuntungan dengan adanya kemampuan tersebut.
4. Fault Tolerance melalui
Redundant Information Coding: Kerusakan pada bagian tertentu dari jaringan akan
mengakibatkan penurunan kemampuan. Beberapa jaringan mempunyai kemampuan untuk
menahan kerusakan besar pada jaringan.
5. Kelebihan Jaringan Syaraf Tiruan
terletak pada kemampuan belajar yang dimilikinya. Dengan kemampuan tersebut
pengguna tidak perlu merumuskan kaidah atau fungsinya. Jaringan Syaraf Tiruan
akan belajar mencari kaidah atau fungsi tersebut. Dengan demikian Jaringan
Syaraf Tiruan mampu digunakan untuk menyelesaikan masalah yang rumit dan atau
masalah yang terdapat kaidah atau fungsi yang tidak diketahui.
6. Kemampuan Jaringan Syaraf Tiruan
dalam menyelesaikan masalah yang rumit telah dibuktikan dalam berbagai macam
penelitian.
Sumber yang saya dapatkan
berupa e-book yang telah saya rangkum sedemikian rupa, jika ingin mengetahui
sumber tersebut, Anda dapat klik link yang saya berikan dibawah ini:
0 komentar:
Posting Komentar