SISTEM JARINGAN SARAF TIRUAN
(ARTIFICIAL NEURAL NETWORK)
I.
DEFINISI
Jaringan syaraf tiruan (JST) merupakan suatu model
kecerdasan yang diilhami dari struktur otak manusia dan kemudian
diimplementasikan menggunakan program komputer yang mampu menyelesaikan
sejumlah proses perhitungan selama proses pembelajaran berlangsung.
Jaringan syaraf tiruan akan mentransformasikan
informasi dalam bentuk bobot dari satu neuron ke neuron yang lainnya, informasi
tersebut akan diproses oleh suatu fungsi perambatan dan semua bobot
input/masukan yang datang dijumlahkan kemudian dibandingkan dengan suatu nilai
ambang tertentu melalui fungsi aktivasi setiap neuron. Bila nilai melampaui
nilai ambang maka neuron akan diaktifkan dan informasi keluaran diteruskan ke neuron
yang tersambung dengannya.
Jaringan syaraf tiruan bisa dikatakan sebagai analogi
yang berkaitan erat dengan proses berfikir dalam otak manusia. Jaringan syarah
tiruan merupakan pembentukan generalisasi model matematika dengan menggunakan
beberapa asumsi, di antaranya :
·
Sistem proses informasi terjadi pada
banyak elemen sederhana (neuron).
·
Sinyal yang dikirimkan di antara
neuron-neuron melalui penghubung-penghubung (sinapsis).
·
Penghubung antarneuron memiliki bobot yang
akan memperkuat atau memperlemah sinyal.
·
Untuk menentukan output (target), setiap
neuron menggunakan fungsi aktivasi (biasanya bukan merupakan fungsi linear)
yang dikenakan pada jumlahan input yang diterima. Bersarnya output akan
dibandingkan (learning process) dengan suatu batas ambang (threshold).
Dengan
demikian, dari asumsi-asumsi tersebut jaringan syarat tiruan ditentukan oleh 3
hal yang paling mendasar :
1. Pola
hubungan antarneuron (arsitektur jaringan).
2. Metode
untuk menentukan bobot penghubung (learning atau training method).
3. Fungsi
aktivasi.
II.
SEJARAH
Jaringan
syaraf tiruan diperkenalkan secara sederhana pada tahun 1943 oleh McCulloch dan
Pitts [Fausett: 1994]. Pada saat itu McCulloch dan Pitts melalui beberapa
komputasi menggunakan neuron-neuron sederhana dapat mengubah menjadi sebuah
sistem baru (neural) yang mempunyai kemampuan komputasi yang lebih baik.
Selain itu McCulloch dan Pitts juga mengusulkan pemberian bobot dalam jaringan
yang dapat diatur untuk melakukan fungsi logika sederhana. Beliau-beliau ini
menggunakan semacam aktivasi (Threshold).
Pada
tahun 1958, Rosenblatt beserta Minsky dan Papert mulai mengembangkan model
jaringan yang disebut dengan perceptron. Dalam model ini mereka mencoba
untuk mengoptimalkan hasil iterasinya. Kemudian pada tahun 1960 Widrow dan Hoff
mengembangkan model perception ini dengan memperkenalkan aturan pelatihan
jaringan yang disebut aturan delta (sering disebut kuadrat rata-rata
terkecil). Aturan tersebut akan mengubah bobot perceptron apabila keluaran yang
dihasilkan tidak lagi sesuai dengan target yang telah ditetapkan. Hal ini yang
menyebabkan komputer dapat “belajar” dengan sendirinya, kecepatan belajar dapat
diatur dengan menggunakan parameter tertentu.
Perkembangan
selanjutnya dibuat oleh Rumelhart (1986) dengan mencoba mengembangkan sistem
layar tunggal (single layer) pada perceptron menjadi sistem layar jamak
(multilayers), yang kemudian disebut dengan sistem backpropagation.
Setelah itu, muncul beberapa model jaringan syaraf tiruan lain yang dikembangkan
oleh peneliti lain.
III.
KONSEP DASAR
Setiap
sel syarag memiliki satu inti sel (nucleus) yang berperan sebagai pusat
pemroses. Setiap informasi yang masuk diterima oleh rambut-rambu sel (dendrit),
kemudian dijumlahkan di dalam nucleus dan dikirim memalui batang sel (axon)
ke dendrit akhir yang bersentuhan dengan dendrit dari neuron yang
lain.
Pada
algoritma jaringan syaraf tiruan (JST) sinyal masukan yang dinotasikan dengan x1, x2,...,xn
dikalikan dengan sejumlah bobot w dan dijumlahkan dengan bobot bias b.
Hasil perkalian dan penjumlahan a akan diaktifkan menggunakan fungsi
aktivasi F tertentuk untuk mendapatkan keluaran jaringan Y. Pemilihan
fungsi aktivasi disesuaikan dengan tujuan dan tipe data keluaran yang
diinginkan.
IV.
PENJELASAN DAN CONTOH STUDI KASUS DI DUNIA
NYATA
Contoh
jaringan syaraf tiruan di dunia nyata yang sesuai dengan atrikel yang sudah ada
yaitu “Penerapan Jarigan Syaraf Tiruan Untuk Memprediksi Jumlah Pengangguran
di Provinsi Kalimantan Timur Dengan Menggunakan Algoritma Pembelajaran
Backpropagation”. Jadi pada artikel tersebut memprediksi penangguran yang
sebelumnya masih menggunakan ilmu statistika sosial, perhitungan statistika
modern banyak dilakukan oleh komputer, dan bahkan beberapa perhitungan hanya
dapat dilakukan oleh komputer berkecepatan tinggi seperti menggunakan Jaringan
Syaraf Tiruan. Penerapan JST untuk memprediksi jumlah penangguran di Provinsi
Kalimantan Timur dengan menggunakan algoritma pembelajaran backpropagation
berdasarkan pada data survey lapangan sebagai tolak ukur perlu tidaknya
ditinjau kembali pengikatan lapangan pekeraan yang bersesuaian.
Dari
hasil pengujian yang dilakukan tahun 2009, dengan menggunakan metode
JST-Backpropagation dapat memprediksi jumlah penangguran dan target output yang
diinginkan lebih mendekati ketetapan. Hasil pengujian di peroleh prediksi
jumlah penangguran di tahun 2009 adalah 133.104. Sedangkan hasil prediksi
penangguran tahun 2009 yang dilakukan oleh BPS Provinsi Kalimantan Timur adalah
139.830. Kesimpulannya dengan menggunakan JST, hasil yang diinginkan lebih
akurat.
V.
DAFTAR PUSTAKA
·
http://repository.usu.ac.id/bitstream/handle/123456789/47283/Chapter%20II.pdf?sequence=4&isAllowed=y
Komentar
Posting Komentar