Artificial Neural Network (ANN

Artificial Neural Network (ANN)

Artificial Neural Network (ANN)

Merupakan cabang ilmu multi disiplin yang meniru cara kerja otak manusia. Salah satu struktur yang ditiru adalah bentuk neuronnya (sel saraf). Jaringan saraf tiruan ANN dapat menyelesaikan persoalan rumit/tidak mungkin jika diselesaikan dengan menggunakan komputasi kovensional.

Dengan melakukan proses belajar jaringan saraf tiruan dapat mengatur dirinya untuk menghasilkan suatu respon yang konsisten terhadap rangkaian masukkan. Jaringan saraf tiruan dirancang dan dilatih untuk memiliki kemampuan seperti manusia.

Pengertian Artificial Neural Network

Artificial Neural Network atau jaringan saraf tiruan adalah system komputasi dimana arsitektur dan komputasi diilhami dari pengetahuan tentang sel saraf dalam otak. ANN merupakan model yang meniru cara kerja jaringan neural biologis.

Otak sebagai system pengolah informasi

Otak manusia juga hewan terdiri atas sel yang disebut neuron. Dibanding sel lain yang selalu memproduksi dirinya, kemudian mati, dia punya keistimewaan tidak mati. Karena informasi yang tersimpan di dalamnya dapat bertahan. Diperkiakan otak manusia terdiri atas 10⁹ neuron, dan terdapat 100 jenis yang diketahui. Neuron – neuron ini terbagi atas grup – grup yang disebut jaringan dan dibedakan atas fungsinya dan setiap grup mengandung ribuan neuron yang saling terhubung. Dengan demikian dapat disimpulkan otak merupakan kumpulan jaringan neuron. Kecepatan proses tiap jaringan jauh lebih kecil disbanding dengan kecepatan proses komputer saat ini. Namun karena otak terdiri atas jutaan jaringan yang bekerja secara parallel(simultan), maka otak dapat mengerjakan pekerjaan yang lebih kompleks dibandingkan dengan apa yang dikerjakan dengan komputer. Struk pemrosesan parallel ini merupakan bagian yang menarik dari jaringan neural, yang dapat ditiru untuk diimplementasikan pada komputer.

Perbedaan expert system dan ANN

Expert system

a. Dalam pemecahan masalah dibutuhkan programmer

b. Knowledge dibuat programmer, sehingga dapat ditelusuri proses pembuatannya.

c. Sample input cacat tidak menghasilkan output.

ANN

a. Dapat memecahkan kasus rumit yang tidak dapat dilakukan Expert System.

b. Knowledge terbentuk dengan sendirinya.

c. Dapat menghasilkan output walau input cacat.

Arsitektur Artificial Neural Network

Lapisan input (Input Layer)

Berfungsi sebagai penghubung jaringan ke dunia luar (sumber data). Neuron – neuron ini tidak melakukan apapun pada data, hanya meneruskan data ini kelapisan berikutnya.

Lapisan Tersembunyi (Hidden Layer)

Suatu jaringan dapat memiliki lebih dari satu hidden layer atau bahkan tidak bisa punya sama sekali. Jika jaringan memiliki beberapa lapisan tersembunyi, maka lapisan tersembunyi paling bawah yang menerima dari input dari input layer. Besar nilai masukan (net) neuron ke-J pada lapisan tersembunyi ini tergantung pada akumulasi jumlah perkalian antar nilai bobot (W, adalah kekuatan hubungan antar neuron, dengan nilai keluaran U) neuron ke-I pada lapisan sebelumnya (neuron input) ditambahkan dengan nilai bias (W, neuron ke-J atau

Nilai bias ini merupakan nilai konstan yang dimiliki setiap neuron (kecuali neuron pada lapisan input) yang digunakan untuk memperbaiki keluaran jaringan agar dapat menyamai atau mendekati nilai keluaran yang diinginkan. Bobot W_(ji) bernilai 0 (nol) menunjukkan bahwa antara neuron ke-J dan ke-I tidak berhubungan nilai keluaran neuron pada lapisan tersembunyi ini merupakan fungsi dari nilai masukannya pada eksperimen ini digunakan F C net_(ji)fungsi signoid

Output Layer

Prinsip kerja pada lapisan ini sama dengan prinsip kerja pada hidden layer dan ini juga digunakan fungsi sigmoid. Tetapi keluaran dari lapisan ini sudah dianggap dari keluaran proses

Skema Proses yang terjadi pada setiap neuron

Artificial Neural Network (ANN) dalam bahasa Indonesia disebut juga Jaringan Saraf

Tiruan (JST) atau pada umumnya disebut juga hanya Neural Network adalah sebuah sistem

jaringan yang dimodelkan berdasarkan sistem jaringan saraf manusia. Tujuan dari dibuatnya

Neural Network adalah membuat sebuah sistem yang dapat belajar sendiri sesuai dengan data

dan kondisi lingkungan yang kita berikan serta dapat memodelkan data statistic (curve fitting)

non-linier, permodelan yang kompleks tersebut menghubungkan antara input dan output

untuk menemukan pola-pola data, seperti metode curve fitting.

Keuntungan :

1. Neural Network dapat mengerjakan permasalahan non-linier, maupun linier.

2. Ketika salah satu elemen dari neural network gagal, dia akan terus lanjut, karena bekerja

secara parallel.

3. Neural Network dapat belajar dan tidak perlu diprogram ulang.

4. Neural Network dapat diimplementasikan dimana saja.

5. Neural Network dapat diimplementasikan tanpa banyak masalah.

Kerugian :

1. Neural Network membutuhkan proses training untuk dioperasikan.

2. Arsitektur Neural Network berbeda dari arsitektur mikroprosesor.

3. Membutuhkan frekuensi yang tinggi (high processing time) untuk sistem neural network

skala besar.

Neural Network bekerja pada 2 mode, yang pertama adalah proses training  dan

yang kedua adalah proses execution. Pada proses training kita akan melatih sistem dengan

memberinya sebanyak mungkin contoh data input  serta data output  yang akan dihasilkan

oleh data input tersebut.

Contoh, misalkan kita memberikan data training pada sistem untuk proses pembagian;

Data Input_1= 8

Data Input_2 = 2

Output = 4

Beberapa contoh permasalahan yang dapat dipecahkan secara baik oleh Jaringan Syaraf Tiruan antara lain :

1.    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.

2.    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 pola-pola dibentuk. Jaringan Syaraf Tiruan telah dikembangkan sebagai generalisasi model matematik dari pembelajaran manusia.

3.    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.

4.    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.

5.    Monitoring Kondisi Mesin.  

Jaringan Syaraf Tiruan dapat digunakan untuk memangkas biaya dengan memberikan keahlian tambahan untuk menjadwa lkan 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.

6.    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.

Referensi : http://dokumen.tips/documents/artificial-neural-network-5597977b45fa6.html

                    
                    http://ariesalva.blogspot.co.id/2009/10/artificial-neural-network-ann.html
                   
                    https://trirezqiariantoro.files.wordpress.com/2007/05/jaringan_syaraf_tiruan.pdf