ARTIFICIAL NEURAL NETWORK [ANN]
ARTIFICIAL NEURAL NETWORK [ANN]
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:
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
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.
Dari gambar di atas, bisa dilihat
ada beberapa bagian dari otak manusia, yaitu:
1. Dendrit
(Dendrites) berfungsi untuk mengirimkan impuls yang
diterima ke badan sel syaraf.
2. Akson
(Axon) berfungsi untuk mengirimkan impuls dari badan sel
ke jaringan lain
3. 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.
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 nilaithreshold, 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.
Komentar
Posting Komentar