Bab 1. Pengenalan dan Peranan Jarinangan Saraf Tiruan

Bab 1. Pengenalan dan Peranan Jarinangan Saraf Tiruan

1. Pengertian

Jaringan saraf tiruan didefinisikan sebagai suatu sistem pemrosesan informasi yang mempunyai karakteristik menyerupai jaringan syaraf manusia (JSB). Sistem ini terinspirasi atau tercipta sebagai suatu generalisasi model matematis dari pemahaman manusia (human cognition) yang didasarkan atas asumsi sebagai berikut :

· Pemrosesan informasi terjadi pada elemen sederhana yang disebut neuron

· Sinyal mengalir diantara sel saraf/neuron melalui suatu sambungan penghubung

· Setiap sambungan penghubung memiliki bobot yang bersesuaian. Bobot ini akan digunakan untuk menggandakan / mengalikan sinyal yang dikirim melaluinya.

· Setiap sel syaraf akan menerapkan fungsi aktivasi terhadap sinyal hasil penjumlahan berbobot yang masuk kepadanya untuk menentukan sinyal keluarannya.

Jaringan saraf tiruan merupakan penemuan baru dalam arsitektur komputer dan arsitektur algoritma yang memiliki hubungan dengan komputer konventional.

2. Sejarah Jaringan Saraf Tiruan

· Permodelan aktivitas biologis manusia dimulai pada abad ke-17 (studi tentang kerja jantung)

· Studi dasar mengenai jaringan neural terjadi pada akhir abad ke-19 dan awal abad 20.

· Studi bersifat interdisipliner, melibatkan fisika, psikologi, dan neuropsikologi.

· Ilmuwan yang terlibat : Hermann von Helmhotz, Ernst Mach, dan Ivan Pavlov

· Pandangan modern mengenai jaringan neural muncul di tahun 1940-an melalui karya Warren McCulloch dan Walter Pitts, yang memperlihatkan bahwa jaringan neuron artifisial, secara prinsipil, dapat menghitung segala fungsi aritmatik dan logika.

· Donald Hebb mengikuti dengan mengajukan konsep mekanisme belajar pada neuron biologis.

· Aplikasi JST praktis pertama muncul di akhir tahun 1950-an, melalui penemuan jaringan perseptron dan aturan belajar terasosiasi dari Frank Rosenblatt. Di tahun yang sama, Bernard Widrow dan Ted Hoff memperkenalkan algoritma belajar baru, yang masih dipakai hingga sekarang.

· Pada tahun 1969, Marvin Minsky dan Seymour Papert menunjukkan sejumlah keterbatasan inherent pada jaringan Rosenblatt dan Widrow. Pada saat itu, sejumlah orang meyakini bahwa penelitian JST sudah berakhir.

· Keraguan pada masa itu (tahun 60-an) muncul karena minimnya ide baru dan kinerja komputer

· Penelitian JST ternyata berlanjut pada tahun 70-an, ketika Teuvo Kohonen dan James Anderson secara terpisah mengembangkan JST baru yang dapat berfungsi sebagai memori.

· Tahun 80-an muncul komputer-komputer berkinerja tinggi (untuk saat itu) dan penelitian JST meningkat secara dramatis.

· Stephen Grossberg (1976) juga sangat aktif meneliti jaringan self-organizing.

· John Hopfield (1982) memperkenalkan konsep mekanika statistik, yang digunakan untuk menerangkan jaringan recurrent, yang dapat difungsikan sebagai memori.

· Kunci kemajuan kedua di tahun 1980-an adalah ditemukannya algoritma backpropagation untuk melatih perseptron multi-layer oleh sejumlah peneliti. Publikasi algoritma yang paling berpengaruh ditulis oleh David Rumelhart dan James McClelland. Algoritma ini merupakan jawaban terhadap kritik Minsky dan Papert (1960)

· Penelitian terus berlanjut. Konsep, algoritma, dan arsitektur JST baru bermunculan. Apa yang akan terjadi 20 tahun kemudian ?

3. Perbedaan Algoritma Konventional dengan Algoritma Jaringan Saraf Tiruan

a. Algoritma Konventional,

· Menggunakan sekumpulan persamaan algoritma yang kompleks

· Hanya menyelesaikan permasalahan yang diberikan dan cocok dengannya.

b. Algoritma Jaringan Saraf Tiruan

· Melakukan komputerisasi dan algoritmarisasi dengan sangat sederhana

· Memiliki self-organizing feature agar dapat menangani permasalahan dalam range yang luas.

Algoritma Konventional dan Algoritma Jaringan Saraf Tiruan akan saling melengkapi. JST dapat menyelesaikan permasalahan yang sulit jika diselesaikan dengan menggunakan komputasi konventional.

4. Konsep Jaringan Saraf Tiruan

Jaringan saraf tiruan bekerja dengan menirukan sistem kerja otak manusia yaitu dengan memberikan stimulasi/ransangan, melakukan proses dan memberikan output. Dalam sistem jaringan saraf tiruan ada proses pelatihan yang dapat memperbaiki sistem dan memberikan output yang lebih baik.

Jaringan saraf tiruan terdiri atas neuron-neuron sebagai unit pemroses informasi dan elemen penghitung tak linier yang masing-masing dihubungkan melalui suatu pembobot yang terhubung secara paralel. Bobot inilah yang akan diperbaiki selama proses pelatihan.

Pelatihan dilakukan pada jaringan saraf tiruan sebelum menyelesaikan masalah. Hal yang dicapai dalam melatih/mengajari JST adalah untuk mencapai keseimbangan antara kemampuan memorisasi dan generalisasi.

a. Kemampuan memorisasi = kemampuan JST untuk memanggil kembali secara sempurna sebuah pola yang telah dipelajari.

b. Kemampuan generalisasi = adalah kemampuan JST untuk menghasilkan respon yang bisa diterima terhadap pola-pola input yang serupa (namun tidak identik) dengan pola-pola yang sebelumnya telah dipelajari.

Hal ini sangat bermanfaat bila pada suatu saat ke dalam JST diinputkan/dimasukkan informasi baru yang belum pernah dipelajari, maka JST masih akan tetap dapat memberikan tanggapan yang baik, memberikan keluaran yang paling mendekati walaupun masukan mengalami gangguan atau derau.

5. Peranan dan Pembelajaran Jaringan Saraf Tiruan

Jaringan Saraf Tiruan memungkinkan penggunaan operasi komputer yang sangat sederhana untuk menyelesaikan masalah yang kompleks, matematika tak terdefinisi, permasalahan nonlinier atau permasalahan skokastika.

Mengapa jaringan saraf tiruan perlu dipelajari?

berikut alasan mengapa jaringan saraf tiruan perlu dipelajari:

a. Ada banyaknya teknik (algoritma) jaringan saraf tiruan yang tersedia. Teknik-teknik yang ada saat ini memiliki tekstur yang sangat beragam dan canggih.

b. Adanya komputer digital berkecepatan tinggi. Hal ini semakin mempermudah proses simulasi jaringan saraf tiruan.

c. Aplikasi yang sangat luas, sebagai berikut :

Pada tahun 1988 DARPA Neural Network Study membuat daftar berbagai aplikasi JST, yang diawali dengan aplikasi adaptive channel equalizer (1984), yang merupakan jaringan neuron-tunggal untuk sistem telepon jarak jauh, untuk menstabilkan sinyal suara. Alat ini mengalami kesuksesan luar biasa dalam industri.

Beberapa pada bidang aplikasi JST:

• Pengenalan pola (pattern recognition)

JST dapat dipakai untuk mengenali pola (mis angka, huruf, suara, atau tanda tangan) yang sudah sedikit berubah. Hal ini mirip dengan otak manusia yang masih mampu mengenali orang yang sudah beberapa waktu tidak dijumpainya

• Pengolahan sinyal JST (model ADALINE)

dapat dipakai untuk menentukan noise dalam saluran telepon

• Peramalan

JST juga dapat digunakan untuk meramalkan apa yang akan terjadi dimasa yang akan datang berdasarkan pola kejadian di masa lampau. Hal ini dapat dilakukan mengingat kemampuan JST untuk mengingat dan membuat generalisasi dari apa yang sudah ada sebelumnya

Aplikasi-aplikasi lain:

• Aerospace

Otopilot pesawat terbang akurasi tinggi, simulasi jalur penerbangan, sistem pengendali pesawat, simulasi komponen pesawat terbang, detektor kerusakan komponen pesawat

• Otomotif

Sistem pemandu otomatis, penganalisis aktivitas pengemudi

• Perbankan

Pembaca cek dan dokumen, evaluasi aplikasi kredit

• Pertahanan

Pengendali senjata, penjejak target, diskriminasi objek, pengenalan wajah, sensor-sensor baru, sonar, radar dan pengolahan sinyal citra (termasuk data kompresi), ekstraksi ciri, peredam derau, identifikasi sinyal / citra

• Elektronik

Prediksi sekuens kode, tata letak integrated circuit, kontrol proses, analisis kerusakan chip, machine vision, sintesis suara, permodelan nonlinier.

• Hiburan

Animasi, efek khusus, prakiraan pasar

• Keuangan

Taksiran harga properti, penasihat kredit, pemeriksaan hipotik, corporate bond rating, analisis kredit, program penjualan portofolio, analisis finansial keuangan, prediksi harga valuta

• Asuransi

Evaluasi aplikasi polis, optimisasi produksi

• Manufaktur

Kontrol proses, analisis dan disain produk, diagnosis mesin dan proses, identifikasi partikel (real time), sistem inspeksi kualitas (visual), pembungkusan, analisis kualitas, dll

• Medis

analisis sel kanker, analisis EEG dan ECG, disain prostesis, optimisasi waktu transplantasi, reduksi pengeluaran rumah sakit, peningkatan kualitas RS.

• Migas

Eksplorasi

• Robotik

Kontrol trajektori, robot pengangkat, sistem penglihatan

• Percakapan

Pengenalan percakapan, kompresi, klasifikasi huruf, sintesis teks ke percakapan.

• Sekuritas

Analisis pasar, automatic bond rating, sistem pelaporan perdagangan saham

• Telekomunikasi

Kompresi citra dan data, pelayanan informasi otomatis, penterjemah otomatis, sistem pemroses pembayaran rekening

• Transportasi

Sistem diagnosis rem, penjadwalan, penentuan rute

Lain-lain

Jaringan saraf tiruan juga dapat digunakan sebagai detektor virus komputer, penginderaan bau, pengenalan pola-pola unik dalam penambangan data (data mining), dan mendukung sistem pendukung keputusan (DSS - Decision Support System).

Meskipun banyak aplikasi dapat dilakukan oleh JST, namun ia memiliki beberapa keterbatasan umum. Keterbatasan utamanya adalah “KETIDAK AKURATAN” hasil yang diperoleh (karena JST bekerja berdasarkan pola yang terbentuk pada inputnya).