Pendahuluan
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:
- Pengklasifikasian
pola
- Memetakan
pola yang didapat dari input ke dalam pola baru pada output
- Penyimpan
pola yang akan dipanggil kembali
- Memetakan
pola-pola yang sejenis
- Pengoptimasi
permasalahan
- Prediksi
Sejarah Neural Network
Perkembangan ilmu Neural Network sudah ada sejak tahun 1943
ketika Warren McCulloch dan Walter Pitts memperkenalkan perhitungan model
neural network yang pertama kalinya. Mereka melakukan kombinasi beberapa processing
unit sederhana bersama-sama yang mampu memberikan peningkatan secara
keseluruhan pada kekuatan komputasi.
Hal ini dilanjutkan pada penelitian yang dikerjakan oleh
Rosenblatt pada tahun 1950, dimana dia berhasil menemukan sebuah two-layer
network, yang disebut sebagai perceptron. Perceptron
memungkinkan untuk pekerjaan klasifikasi pembelajaran tertentu dengan
penambahan bobot pada setiap koneksi antar-network.
Keberhasilan perceptron dalam pengklasifikasian pola
tertentu ini tidak sepenuhnya sempurna, masih ditemukan juga beberapa
keterbatasan didalamnya. Perceptron tidak mampu untuk menyelesaikan
permasalahan XOR (exclusive-OR). Penilaian terhadap keterbatasan neural
network ini membuat penelitian di bidang ini sempat mati selama kurang lebih 15
tahun. Namun demikian, perceptron berhasil menjadi sebuah dasar untuk
penelitian-penelitian selanjutnya di bidang neural network. Pengkajian terhadap
neural network mulai berkembang lagi selanjutnya di awal tahun 1980-an. Para
peneliti banyak menemukan bidang interest baru pada domain ilmu neural network.
Penelitian terakhir diantaranya adalah mesin Boltzmann, jaringan Hopfield,
model pembelajaran kompetitif, multilayer network, dan teori
model resonansi adaptif.
Untuk saat ini, Neural Network sudah dapat diterapkan pada
beberapa task, diantaranya classification, recognition, approximation,
prediction, clusterization, memory simulation dan banyak task-task berbeda yang
lainnya, dimana jumlahnya semakin bertambah seiring berjalannya waktu.
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.
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.
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.
- Input,
berfungsi seperti dendrite
- Output,
berfungsi seperti akson
- 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.
daftar psutaka : http://socs.binus.ac.id/2012/07/26/konsep-neural-network/
Tidak ada komentar:
Posting Komentar