ANN

Artificial Neural Network

ANN (Artificial Neural Network) merupakan model komputasi yang terinspirasi dari neurological model brain atau otak.

Otak manusia bekerja dengan cara yang berbeda dibandingkan computer digital.

Jaringan Syaraf Biologi

·         Struktur otak manusia sangat komplek

·         Otak manusiaterdiri dari sel-sel syaraf (neuron) dan penghubung (sinapsis)

·         Neuron bekerja berdasarkan implus atau sinyal yang diberikan padanya dan diteruskan ke neuron lainnya.

Kemampuan Otak

Diantaranya :

·         Mengenali pola

·         Melakukan perhitungan

·         Mengonrol organ-organ tubuh

Semuanya dilakukan dengan kecepatan tinggi dibandingkan computer digital.

Contoh :

Pengenalan wajah seseorang yang sedikit berubah (memakai topi, jenggot tambahan).


Komponen Penting Neuron

·         Dendrit
Menerima sinyal kimia listrik dari neuron lain>

·         Soma
Menjumlahkan semua sinyal yang masuk dan jika hasil penjumlahan cukup kuat atau melebihi threshoid, sinyal akan diteruskan ke sel lain melalui axon

·         Axon
Mengirimkan sinyal ke neuron lain.

Sejarah Jaringan Syaraf Tiruan

JST sederhana petama kali diperkenalkan oleh MCCulloh dan Pitts tahun 1943.

·         Menyimpulkan bahwa kombinasi beberapa neuron sederhana menjadi sebuah system neuron akan meningkatkan kemampuan komputasinya.

·         Bobot dalam jaringan diatur untuk melakukan fungsi logika sederhana.

·         Fungsi aktivasi yang digunakan adalah fungsi threshold.

Tahun 1958, Rosenblatt memperkenalkan model jaringan perceptron

·         Terdapat metode pelatihan untuk mengoptimalkan hasil iterasi.

Widrow dan Hoff (1960) mengembangkan perceptron dengan memperkenalkan aturan pelatihan jaringan (ADALINE = Adative Linear Neuron).

·         Disebut aturan Delta (kuadrat rata-rata terkecil)

·         Mengubah bobot perceptron apabila keluaran yang dihasilkan tidak sesuai dengan target yang diinginkan

Rumelhart (1986) mengembangkan perceptron menjadi backpropagation.

·         Jaringan di proses menjadi beberapa layer.

Aplikasi JST

·         Pengenalan pola (pattern recognition)

Mengenal huruf, angka, suara, tanda tangan.

Menyerupai otak manusia yang masih mampu mengenali orang sudah beberapa lama tidak dijumpai (wajah atau bentuk tubuh sedikit berubah).

·         Pengolahan signal
Menekan noise dalam saluran telepon

·         Peramalan (forecasting)

Meramal kejadian masa dating berdasarkan pola kejadian yang ada dimasa lampau

JST mampu mengingat dan membuat generalisasi dari apa yang sudah ada sebelumnya.

Kelebihan dan Kekuranagan JST

Kelebihan :

·         Banyak hal atau aplikasi yang dapat dilakukan oleh JST

Kekurangan :

·         Ketidak akuratan hasil yang diperoleh

·         Bekerja berdasarkan pola yang terbentuk pada inputnya

·         Membutuhkan data pelatihan yang banyak

Komponen ANN

·         Input : data masukan beserta bobot-bobotnya

·         Summation : menjumlahkan semua hasil perkalian nilai dengan bobotnya

·         Fungsi aktifasi : sebagai penentuan nilai ambang, jika terpenuhi maka signal diteruskan

·         Output : hasil dari komputasi

Ilustrasi Processing Unit ANN

·         Input L data masukan dari processing unit sebelumnya atau dari luar

·         Bobot (weight) : derajat pengaruh nilai input pada processing unit

·         Summation : weighted sum dari nilai input

·         Nilai ambang (threshold value) : jika weighted sum melebihi nilai threshold maka signal akan ditransmisikan

·         Output : signal yang keluar lewat axon

Proses Pembelajaran ANN

·         Pembelajaran terawasi
Jika output yang diharapkan telah diketahui sebelumnya

·         Pembelajaran tak terawasi
tidak memerlukan atau tidak dapat ditentukan target output

Sumber
http://file.upi.edu/Direktori/FPMIPA/PRODI._ILMU_KOMPUTER/LALA/Materi_Kuliah/Kecerdasan_Buatan/10._ANN.pdf