1. Deskripsi
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 sistem saraf manusia. JST merupakan sistem adaptif yang dapat mengubah strukturnya untuk memecahkan masalah berdasarkan informasi eksternal maupun internal yang mengalir melalui jaringan tersebut. Oleh karena sifatnya yang adaptif, JST juga sering disebut dengan jaringan adaptif.
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. Menurut suatu teorema yang disebut "teorema penaksiran universal", JST dengan minimal sebuah lapis tersembunyi dengan fungsi aktivasi non-linear dapat memodelkan seluruh fungsi terukur Boreal apapun dari suatu dimensi ke dimensi lainnya.
2. 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.
3. Supervised learning
Supervised learning merupakan suatu pembelajaran yang terawasi dimana jika output yang diharapkan telah diketahui sebelumnya. Biasanya pembelajaran ini dilakukan dengan menggunakan data yang telah ada. Pada metode ini, setiap pola yang diberikan kedalam jaringan saraf tiruan telah diketahui outputnya. Satu pola input akan diberikan ke satu neuron pada lapisan input. Pola ini akan dirambatkan di sepanjang jaringan syaraf hingga sampai ke neuron pada lapisan output. Lapisan output ini akan membangkitkan pola output yang nantinya akan dicocokkan dengan pola output targetnya. Nah, apabila terjadi perbedaan antara pola output hasil pembelajaran dengan pola output target, maka akan muncul error. Dan apabila nilai error ini masih cukup besar, itu berarti masih perlu dilakukan pembelajaran yang lebih lanjut.
Contoh algoritma jaringan saraf tiruan yang mernggunakan metode supervised learning adalah :
- hebbian (hebb rule)
- perceptron, adaline
- boltzman
- hapfield
- backpropagation.
4. Unsupervised learning
Unsupervised learning merupakan pembelajan yang tidak terawasi dimana tidak memerlukan target output. Pada metode ini tidak dapat ditentukan hasil seperti apa yang diharapkan selama proses pembelajaran, nilai bobot yang disusun dalam proses range tertentu tergantung pada nilai output yang diberikan. Tujuan metode uinsupervised learning ini agar kita dapat mengelompokkan unit-unit yang hampir sama dalam satu area tertentu. Pembelajaran ini biasanya sangat cocok untuk klasifikasi pola.
Contoh algoritma jaringan saraf tiruan yang menggunakan metode unsupervised ini adalah :
- competitive
- hebbian
- kohonen
- LVQ(Learning Vector Quantization)
- neocognitron.
5. Hybrid
Hybrid adalah gabungan antara Supervised dan Unsupervised. Disusun untuk mampu mengenali dan meniru pola pemetaan dari pasangan inputan masukan ke keluaran yang diinginkan. Karenanya parameter JST dapat ditentukan dengan melatih atau mengajari JST tersebut dengan pola masukan keluaran yang telah benar dengan bebeapa aturan pembelajaran. Dan pembelajaran dalam JST merupakan gabungan dalam pembelajaran terawasi (supervised learning) dan pembelajaran tidak terawasi (unsupervised learning). Merupakan kombinasi dari kedua pembelajaran tersebut. Sebagian dari bobot-bobotnya ditentukan melalui pembelajaran terawasi dan sebagian lainnya melalui pembelajaran tak terawasi.
6. Contoh ANN
Contoh pemanfaat Jaringan Syaraf Tiruan dalam kehidupan sehari-hari jaringan syaraf tiruan digunakan dalam aplikasi yang berkaitan dengan hal-hal berikut :
- Identifikasi dan kontrol : Kontrol kendaraan, Natural Resources Mangement
- Pengambil keputusan dalam video game: Chess, Poker, Backgammon
- Pengenal Pola : Radar, Pengenal wajah, Pengenal objek
- Diagnosa Medis untuk mendeteksi penyakit kanker
Referensi artikel :
Tidak ada komentar:
Posting Komentar