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.
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.
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), . 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.
Referensi :
https://socs.binus.ac.id/2012/07/26/konsep-neural-network/
0 Comments