Dasar Pemahaman Neural Network

Cabang ilmu kecerdasan buatan cukup luas, dan dekat kaitannya dengan disiplin ilmu yang lainnya. Hal ini bisa dilihat dari banyak sekali aplikasi yang merupakan hasil kombinasi dari banyak sekali ilmu. Seperti halnya yang ada pada peralatan medis yang berbentuk aplikasi. Sudah berkembang bahwa aplikasi yang dibentuk 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 bergotong-royong mengadopsi dari kemampuan otak insan yang bisa menunjukkan stimulasi/rangsangan, melaksanakan proses, dan menunjukkan output. Output diperoleh dari variasi stimulasi dan proses yang terjadi di dalam otak manusia. Kemampuan insan dalam memproses gosip merupakan hasil kompleksitas proses di dalam otak. Misalnya, yang terjadi pada anak-anak, mereka bisa berguru untuk melaksanakan pengenalan meskipun mereka tidak mengetahui algoritma apa yang digunakan. Kekuatan komputasi yang luar biasa dari otak insan ini merupakan sebuah keunggulan di dalam kajian ilmu pengetahuan.

Fungsi dari Neural Network diantaranya adalah:

1. Pengklasifikasian pola
2. Memetakan referensi yang didapat dari input ke dalam referensi gres pada output
3. Penyimpan referensi yang akan dipanggil kembali
4. Memetakan pola-pola yang sejenis
5. Pengoptimasi permasalahan
6. Prediksi

Sejarah Neural Network

Perkembangan ilmu Neural Network sudah ada semenjak tahun 1943 ketika Warren McCulloch dan Walter Pitts memperkenalkan perhitungan model neural network yang pertama kalinya. Mereka melaksanakan kombinasi beberapa processing unit sederhana bantu-membantu yang bisa menunjukkan peningkatan secara keseluruhan pada kekuatan komputasi.

Hal ini dilanjutkan pada penelitian yang dikerjakan oleh Rosenblatt pada tahun 1950, dimana ia berhasil menemukan sebuah two-layer network, yang disebut sebagai perceptron. Perceptron memungkinkan untuk pekerjaan pembagian terstruktur mengenai pembelajaran tertentu dengan penambahan bobot pada setiap koneksi antar-network.

Keberhasilan perceptron dalam pengklasifikasian referensi tertentu ini tidak sepenuhnya sempurna, masih ditemukan juga beberapa keterbatasan didalamnya. Perceptron tidak bisa untuk menuntaskan permasalahan XOR (exclusive-OR). Penilaian terhadap keterbatasan neural network ini menciptakan 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 gres pada domain ilmu neural network. Penelitian terakhir diantaranya yaitu mesin Boltzmann, jaringan Hopfield, model pembelajaran kompetitif, multilayer network, dan teori model resonansi adaptif.

Untuk ketika ini, Neural Network sudah sanggup 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 gosip yang masuk. Satu neuron mempunyai 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 tubuh sel syaraf.

Akson (Axon) berfungsi untuk mengirimkan impuls dari tubuh sel ke jaringan lain

Sinapsis berfungsi sebagai unit fungsional di antara dua sel syaraf.

Proses yang terjadi pada otak insan adalah:

Sebuah neuron mendapatkan impuls dari neuron lain melalui dendrit dan mengirimkan sinyal yang dihasilkan oleh tubuh sel melalui akson. Akson dari sel syaraf ini bercabang-cabang dan berafiliasi dengan dendrit dari sel syaraf lain dengan cara mengirimkan impuls melalui sinapsis. Sinapsis yaitu unit fungsional antara 2 buah sel syaraf, misal A dan B, dimana yang satu yaitu serabut akson dari neuron A dan satunya lagi yaitu 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 bila 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 fundamental dari Artificial Neural Network (ANN) yaitu mengadopsi prosedur berpikir sebuah sistem atau aplikasi yang ibarat otak manusia, baik untuk pemrosesan banyak sekali sinyal elemen yang diterima, toleransi terhadap kesalahan/error, dan juga parallel processing.

Karakteristik dari ANN dilihat dari referensi korelasi antar neuron, metode penentuan bobot dari tiap koneksi, dan fungsi aktivasinya.

Input, berfungsi mirip dendrite

Output, berfungsi mirip akson

Fungsi aktivasi, berfungsi mirip sinapsis

Neural network dibangun dari banyak node/unit yang dihubungkan oleh link secara langsung. Link dari unit yang satu ke unit yang lainnya dipakai untuk melaksanakan propagasi aktivasi dari unit pertama ke unit selanjutnya. Setiap link mempunyai bobot numerik. Bobot ini memilih 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, bila masih dibawah nilai threshold, neuron akan diaktifkan. Setelah aktif, neuron akan mengirimkan nilai output melalui bobot-bobot outputnya ke semua neuron yang berafiliasi 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 sampai mencapai layer terakhir/layer output. Layer yang terletak di antara input dan output disebut sebagai hidden layer. Namun, tidak semua ANN mempunyai hidden layer, ada juga yang hanya terdapat layer input dan output saja.

Referensi :

https://socs.binus.ac.id/2012/07/26/konsep-neural-network/

Sumber http://meemcode.blogspot.com

Berlangganan Informasi Terbaru: