ARTIFICIAL NEURAL NETWORK
PENGERTIAN
Cabang ilmu kecerdasan buatan cukup luas, dan erat kaitannya dengan
disiplin ilmu yang lainnya. Hal ini bisa dilihat dari berbagai aplikasi yang
merupakan hasil kombinasi dari berbagai ilmu. Seperti halnya yang ada pada
peralatan medis yang berbentuk aplikasi. Sudah berkembang bahwa aplikasi yang
dibuat merupakan hasil perpaduan dari ilmu kecerdasan buatan dan juga ilmu
kedokteran atau lebih khusus lagi yaitu ilmu biologi.
Neural
Network merupakan kategori ilmu Soft Computing. Neural Network sebenarnya
mengadopsi dari kemampuan otak manusia yang mampu memberikan
stimulasi/rangsangan, melakukan proses, dan memberikan output. Output diperoleh
dari variasi stimulasi dan proses yang terjadi di dalam otak manusia.
Kemampuan
manusia dalam memproses informasi merupakan hasil kompleksitas proses di dalam
otak. Misalnya, yang terjadi pada anak-anak, mereka mampu belajar untuk
melakukan pengenalan meskipun mereka tidak mengetahui algoritma apa yang
digunakan. Kekuatan komputasi yang luar biasa dari otak manusia ini merupakan
sebuah keunggulan di dalam kajian ilmu pengetahuan.
Fungsi dari Neural Network
diantaranya adalah:
1. Pengklasifikasian pola
2. Memetakan pola yang didapat dari input ke dalam pola baru pada output
3. Penyimpan pola yang akan dipanggil kembali
4. Memetakan pola-pola yang sejenis
5. Pengoptimasi permasalahan
6. Prediksi
Konsep
Neural Network
1.
Proses Kerja Jaringan Syaraf Pada Otak Manusia
Ide dasar Neural Network dimulai dari otak manusia, dimana otak
memuat sekitar 1011 neuron.
Neuron ini berfungsi memproses setiap informasi yang masuk. Satu neuron
memiliki 1 akson, dan minimal 1 dendrit. Setiap sel syaraf terhubung dengan
syaraf lain, jumlahnya mencapai sekitar 104 sinapsis.
Masing-masing sel itu saling berinteraksi satu sama lain yang menghasilkan
kemampuan tertentu pada kerja otak manusia.
Gambar.1 : Struktur Neuron pada otak manusia
Dari gambar di atas, bisa dilihat ada beberapa bagian dari otak manusia, yaitu:
- Dendrit (Dendrites) berfungsi untuk mengirimkan impuls yang diterima ke badan sel syaraf.
- Akson (Axon) berfungsi untuk mengirimkan impuls dari badan sel ke jaringan lain.
- Sinapsis berfungsi sebagai unit fungsional di antara dua sel syaraf.
Proses yang terjadi pada otak manusia adalah: Sebuah neuron menerima impuls dari neuron lain melalui dendrit dan mengirimkan sinyal yang dihasilkan oleh badan sel melalui akson. Akson dari sel syaraf ini bercabang-cabang dan berhubungan dengan dendrit dari sel syaraf lain dengan cara mengirimkan impuls melalui sinapsis.
Sinapsis adalah unit fungsional antara 2 buah sel syaraf, misal A dan B, dimana yang satu adalah serabut akson dari neuron A dan satunya lagi adalah dendrit dari neuron B.
Kekuatan sinapsis bisa menurun/meningkat tergantung seberapa besar tingkat propagasi (penyiaran) sinyal yang diterimanya. Impuls-impuls sinyal (informasi) akan diterima oleh neuron lain jika memenuhi batasan tertentu, yang sering disebut dengan nilai ambang (threshold).
2. Struktur Neural Network
Dari struktur neuron pada otak manusia, dan proses kerja yang dijelaskan di atas, maka konsep dasar pembangunan neural network buatan (Artificial Neural Network) terbentuk. Ide mendasar dari Artificial Neural Network (ANN) adalah mengadopsi mekanisme berpikir sebuah sistem atau aplikasi yang menyerupai otak manusia, baik untuk pemrosesan berbagai sinyal elemen yang diterima, toleransi terhadap kesalahan/error, dan juga parallel processing.
Gambar 2 : Struktur ANN
Karakteristik
dari ANN dilihat dari pola hubungan antar neuron, metode penentuan bobot dari
tiap koneksi, dan fungsi aktivasinya. Gambar di atas menjelaskan struktur ANN
secara mendasar, yang dalam kenyataannya tidak hanya sederhana seperti itu.
1. Input, berfungsi seperti dendrite
2. Output, berfungsi seperti akson
3. Fungsi aktivasi, berfungsi seperti sinapsis
Neural
network dibangun dari banyak node/unit yang dihubungkan oleh link secara
langsung. Link dari unit yang satu ke unit yang lainnya digunakan untuk
melakukan propagasi aktivasi dari unit pertama ke unit selanjutnya. Setiap link
memiliki bobot numerik. Bobot ini menentukan kekuatan serta penanda dari sebuah
konektivitas.
Proses pada ANN dimulai dari input yang diterima oleh neuron beserta
dengan nilai bobot dari tiap-tiap input yang ada. Setelah masuk ke dalam
neuron, nilai input yang ada akan dijumlahkan oleh suatu fungsi perambatan (summing function), yang bisa dilihat seperti pada di
gambar dengan lambang sigma (∑). Hasil penjumlahan akan diproses oleh fungsi
aktivasi setiap neuron, disini akan dibandingkan hasil penjumlahan dengan threshold (nilai ambang) tertentu.
Jika nilai
melebihi threshold, maka aktivasi neuron akan dibatalkan,
sebaliknya, jika masih dibawah nilai threshold, neuron
akan diaktifkan. Setelah aktif, neuron akan mengirimkan nilai output melalui
bobot-bobot outputnya ke semua neuron yang berhubungan dengannya. Proses ini
akan terus berulang pada input-input selanjutnya.
ANN terdiri dari banyak neuron di dalamnya. Neuron-neuron ini akan
dikelompokkan ke dalam beberapa layer. Neuron yang terdapat pada tiap layer
dihubungkan dengan neuron pada layer lainnya. Hal ini tentunya tidak berlaku
pada layer input dan output, tapi hanya layer yang berada di antaranya.
Informasi yang diterima di layer input dilanjutkan ke layer-layer dalam ANN
secara satu persatu hingga mencapai layer terakhir/layer output. Layer yang
terletak di antara input dan output disebut sebagai hidden layer. Namun, tidak semua ANN memiliki hidden
layer, ada juga yang hanya terdapat layer input dan output saja.
Arsitektur Jaringan Arificial Neural Network
Artificial Neural Network memiliki Arsitektur. Setiap neuron dapat memiliki beberapa masukan dan mempunnyai
satu keluaran. Jalur masukan pada suatu neuron bisa berisi data mentah atau
data hasil olahan neuron sebelumnya. Sedangkan hasil keluaran suatu neutron
dapat berupa hasil akhir atau berupa bahan masukkan bagi neutron berikutnya.
Jaringan neuron buatan terdiri atas kumpulan grup neuron yang tersusun dalam
lapisan yaitu :
- Lapisan Input (Input Layer)
Lapisan masukan merupakan lapisan yang terdiri dari beberapa neuronyang akan menerima sinyal dari luar dan kemudian meneruskan ke neuron-neuron lain dalam jaringan. Lapisan ini dillhami berdasarkan cirri-ciri dancara kerja sel-sel saraf sensori pada jaringan saraf biologi.
- Lapisan Tersembunyi (Hidden Layer)
Lapisan tersembunyi merupakan tiruan dari sel-sel syaraf konektor pada jaringan saraf bilogis. Lapisan tersembunyi berfungsi meningkatkan kemampuan jaringan dalam memecahkan masalah. Konsekuensi dari adanya lapisan ini adalah pelatihan menjadi makin sulit atau lama.
- Lapisan Output (Output Layer)
Lapisan
keluaran berfungsi menyalurkan sinyal-sinyal keluaran hasil pemrosesan
jaringan. Lapisan ini juga terdiri dair sejumlah neuron. Lapisan keluaran
merupakan tiruan dari sel saraf motor pada jaringan saraf biologis.
Keuntungan :
- Suatu neural jaringan dapat melaksanakan tugas yang suatu program linier tidak bisa.
- Ketika suatu unsur neural jaringan gagal, ANN masih dapat melanjut tanpa masalah oleh paralel mereka.
- ANN bias diimplementasikan pada berbagai aplikasi.
- ANN bias diimplementasikan tanpa masalah yang berarti
Kerugian:
- ANN membutuhkan “pelatihan” terlbih dahulu sebelum beroprasi.
- Arsitektur dari ANN berbeda dari arsitektur kebanyakan microprocessor, sehingga membutuhkan proses emulasi.
- Membutuhkan waktu processing yang tinggi untuk ANN dengan ukuran yang besar.
DAFTAR PUSTAKA :
Komentar
Posting Komentar