Jaringan Syaraf Tiruan

Jaringan Syaraf tiruan bisa dibayangkan seperti otak buatan yang dapat berpikir seperti manusia dan juga sepandai manusia dalam menyimpulkan sesuatu dari potongan-potongan informasi yang diterima. Khayalan manusia tersebut mendorong para peneliti untuk mewujudkannya. Komputer diusahankan agar bisa berpikir sama seperti cara berpikir manusia. Caranya adalah dengan melakukan peniruan terhadap aktivitas-aktivitas yang terjadi di dalam sebuah jaringan syaraf biologis. Salah satu contoh pengambilan ide dari jaringan syaraf biologis adalah adanya elemen-elemen pemrosesan pada jaringan syaraf tiruan yang saling terhubung dan beroperasi secara paralel. Ini meniru jaringan syaraf biologis yang tersusun dari sel-sel syaraf (neuron). Cara kerja dari elemen-elemen pemrosesan jaringan syaraf tiruan juga sama seperti meng-encode informasi yang diterimanya. Jaringan syaraf biologis merupakan kumpulan sel-sel syaraf (neuron). Neuron mempunyai tugas mengolah informasi. Komponen-komponen utama dari sebuah neuron dapat dikelompokkan menjadi tiga bagian, yaitu: 1. Dendrit. Dendrit bertugas untuk menerima informasi. 2. Badan sel (soma). Badan sel berfungsi sebagai tempat pengolahan informasi. 3. Akson (neurit). Akson mengirimkan impuls-impuls ke sel syaraf lainnya.

Jaringan syaraf tiruan memiliki beberapa kelebihan yaitu : 1. Mampu memecahkan masalah yang sukar disimulasikan dengan menggunakan teknik analitikal logika seperti pada sistem pakar dan teknologi software standar. 2. Mampu memahami data yang dimasukkan meskipun data tersebut tidak lengkap (incomplete data) atau data yang terkena gangguan (noisy data). 3. Jaringan syaraf tiruan yang sulit diciptakan dengan pendekatan simbolik/logikal dari teknik tradisional artificial intelligence, yaitu bahwa jaringan syaraf tiruan mampu belajar dari pengalaman.

4. Hemat biaya dan lebih nyaman bila dibandingkan dengan harus menulis program seperti software standar. Pada jaringan syaraf tiruan, yang perlu dilakukan adalah melatih jaringan untuk belajar dengan cara memasukkan set data berisi sekumpulan kasus ke dalam jaringan. 5. Jaringan syaraf tiruan terbuka untuk digabungkan dengan tekonologi lain, misalnya dengan expert system, logika fuzzy, algoritma genetika, atau diintregasikan dengan database. Cara Kerja Komponen Jaringan Syaraf Tiruan Ada beberapa tipe jaringan syaraf tiruan, tetapi hampir semuanya memiliki komponen yang sama. Sama halnya seperti otak manusia, jaringan syaraf juga terdiri dari beberapa neuron, dan ada hubungan antara neuron tersebut. Neuron-neuron tersebut akan mentransformasikan informasi yang diterima melalui sambungan keluarnya menuju ke neuron-neuron yang lain. Pada JST hubungan ini dikenal dengan nama bobot. Informasi tersebut disimpan pada suatu nilai tertentu pada bobot tersebut.

Informasi (disebut dengan input) akan dikirim ke neuron dengan bobot kedatangan tertentu. Input ini akan diproses oleh suatu fungsi perambatan yang akan menjumlahkan nilai-nilai semua bobot yang datang. Hasil penjumlahan ini kemudian akan dibandingkan dengan suatu nilai ambang (threshold) tertentu melalui fungsi aktivasi setiap neuron. Apabila input tersebut melewati suatu nilai ambang tertentu , maka neuron tersebut akan diaktifkan, tetapi jika tidak maka neuron tersebut tidak akan diaktifkan. Apabila neuron tersebut diaktifkan, maka neuron tersebut akan mengirimkan output melalui bobot-bobot output-nya ke semua neuron yang berhubungan dengannya. Hal ini dilakukan secara terus menerus. Pada jaringan syaraf, neuron-neuron akan dikumpulkan dalam lapisan-lapisan (layer) yang disebut dengan lapisan neuron (neuron layers). Biasanya neuron-neuron pada satu lapisan akan dihubungkan dengan lapisan-lapisan sebelum dan sesudahnya (kecuali lapisan input dan lapisan output). Informasi yang diberikan pada jaringan syaraf akan dirambatkan dari lapisan ke lapisan, mulai dari lapisan input sampai ke lapisan output melalui lapisan yang lainnya, yang sering dikenal dengan nama lapisan tersembunyi (hidden layer), tergantung pada algoritma pembelajarannya, bisa jadi informasi tersebut akan dirambatkan secara mundur pada jaringan.

Beberapa jaringan syaraf ada juga yang tidak memiliki lapisan tersembunyi, dan ada juga yang neuron-neuronnya disusun dalam bentuk matriks. Jaringan saraf tiruan (JST) (Bahasa Inggris: artificial neural network (ANN), atau juga disebut simulated neural network (SNN), atau umumnya hanya disebut neural network (NN)), adalah jaringan dari sekelompok unit pemroses kecil yang dimodelkan berdasarkan jaringan saraf manusia. JST merupakan sistem adaptif yang dapat mengubah strukturnya untuk memecahkan masalah berdasarkan informasi eksternal maupun internal yang mengalir melalui jaringan tersebut. Secara sederhana, JST adalah sebuah alat pemodelan data statistik non-linier. JST dapat digunakan untuk memodelkan hubungan yang kompleks antara input dan output untuk menemukan pola-pola pada data. sejarah Saat ini bidang kecerdasan buatan dalam usahanya menirukan intelegensi manusia, belum mengadakan pendekatan dalam bentuk fisiknya melainkan dari sisi yang lain. Pertama-tama diadakan studi mengenai teori dasar mekanisme proses terjadinya intelegensi. Bidang ini disebut Cognitive Science. Dari teori dasar ini dibuatlah suatu model untuk disimulasikan pada komputer, dan dalam perkembangannya yang lebih lanjut dikenal berbagai sistem kecerdasan buatan yang salah satunya adalah jaringan saraf tiruan. Dibandingkan dengan bidang ilmu yang lain, jaringan saraf tiruan relatif masih baru. Sejumlah literatur menganggap bahwa konsep jaringan saraf tiruan bermula pada makalah Waffen McCulloch dan Walter Pitts pada tahun 1943. Dalam makalah tersebut mereka mencoba untuk memformulasikan model matematis selsel otak. Metode yang dikembangkan berdasarkan sistem saraf biologi ini, merupakan suatu langkah maju dalam industri komputer.

Pengertian Dasar
Tidak ada dua otak manusia yang sama, setiap otak selalu berbeda. Beda dalam ketajaman, ukuran dan pengorganisasiannya. Salah satu cara untuk memahami bagaimana otak bekerja adalah dengan mengumpulkan informasi dari sebanyak mungkin scan otak manusia dan memetakannya. Hal tersebut merupakan upaya untuk menemukan cara kerja rata-rata otak

manusia itu. Peta otak manusia diharapkan dapat menjelaskan misteri mengenai bagaimana otak mengendalikan setiap tindak tanduk manusia, mulai dari penggunaan bahasa hingga gerakan. Walaupun demikian kepastian cara kerja otak manusia masih merupakan suatu misteri. Meski beberapa aspek dari prosesor yang menakjubkan ini telah diketahui tetapi itu tidaklah banyak. Beberapa aspek-aspek tersebut, yaitu : a. Tiap bagian pada otak manusia memiliki alamat, dalam bentuk formula kimia, dan sistem saraf manusia berusaha untuk mendapatkan alamat yang cocok untuk setiap akson (saraf penghubung) yang dibentuk. b. Melalui pembelajaran, pengalaman dan interaksi antara sistem maka struktur dari otak itu sendiri akan mengatur fungsi-fungsi dari setiap bagiannya. c. Axon-axon pada daerah yang berdekatan akan berkembang dan mempunyai bentuk fisik mirip, sehingga terkelompok dengan arsitektur tertentu pada otak. d. Axon berdasarkan arsitekturnya bertumbuh dalam urutan waktu, dan terhubung pada struktur otak yang berkembang dengan urutan waktu yang sama. Berdasarkan keempat aspek tersebut di atas dapat ditarik suatu kesimpulan bahwa otak tidak seluruhnya terbentuk oleh proses genetis. Terdapat proses lain yang ikut membentuk fungsi dari bagian-bagian otak, yang pada akhirnya menentukan bagaimana suatu informasi diproses oleh otak. Elemen yang paling mendasar dari jaringan saraf adalah sel saraf. Sel-sel saraf inilah membentuk bagian kesadaran manusia yang meliputi beberapa kemampuan umum. Pada dasarnya sel saraf biologi menerima masukan dari sumber yang lain dan mengkombinasikannya dengan beberapa cara, melaksanakan suatu operasi yang non-linear untuk mendapatkan hasil dan kemudian mengeluarkan hasil akhir tersebut. Dalam tubuh manusia terdapat banyak variasi tipe dasar sel saraf, sehingga proses berpikir manusia menjadi sulit untuk direplikasi secara elektrik. Sekalipun demikian, semua sel saraf alami mempunyai empat komponen dasar yang sama. Keempat komponen dasar ini diketahui berdasarkan nama biologinya yaitu, dendrit, soma, akson, dan sinapsis. Dendrit merupakan suatu perluasan dari soma yang menyerupai rambut dan bertindak sebagai saluran masukan. Saluran masukan ini menerima masukan dari sel saraf lainnya melalui sinapsis. Soma dalam hal ini kemudian memproses nilai masukan menjadi sebuah output yang kemudian dikirim ke sel saraf lainnya melalui akson dan sinapsis. Penelitian terbaru memberikan bukti lebih lanjut bahwa sel saraf biologi mempunyai struktur yang lebih kompleks dan lebih canggih daripada sel saraf buatan yang kemudian dibentuk menjadi jaringan saraf buatan yang ada sekarang ini. Ilmu biologi menyediakan suatu pemahaman yang lebih baik tentang sel saraf sehingga memberikan keuntungan kepada para perancang jaringan untuk dapat terus meningkatkan sistem jaringan saraf buatan yang ada berdasarkan pada pemahaman terhadap otak biologi.

Sel saraf-sel saraf ini terhubung satu dengan yang lainnya melalui sinapsis. Sel saraf dapat menerima rangsangan berupa sinyal elektrokimiawi dari sel saraf-sel saraf yang lain. Berdasarkan rangsangan tersebut, sel saraf akan mengirimkan sinyal atau tidak berdasarkan kondisi tertentu. Konsep dasar semacam inilah yang ingin dicoba para ahli dalam menciptakan sel tiruan. Suatu jaringan saraf tiruan memproses sejumlah besar informasi secara paralel dan terdistribusi, hal ini terinspirasi oleh model kerja otak biologis. Beberapa definisi tentang jaringan saraf tiruan adalah sebagai berikut di bawah ini. Hecht-Nielsend (1988) mendefinisikan sistem saraf buatan sebagai berikut: "Suatu neural network (NN), adalah suatu struktur pemroses informasi yang terdistribusi dan bekerja secara paralel, yang terdiri atas elemen pemroses (yang memiliki memori lokal dan beroperasi dengan informasi lokal) yang diinterkoneksi bersama dengan alur sinyal searah yang disebut koneksi. Setiap elemen pemroses memiliki koneksi keluaran tunggal yang bercabang (fan out) ke sejumlah koneksi kolateral yang diinginkan (setiap koneksi membawa sinyal yang sama dari keluaran elemen pemroses tersebut). Keluaran dari elemen pemroses tersebut dapat merupakan sebarang jenis persamaan matematis yang diinginkan. Seluruh proses yang berlangsung pada setiap elemen pemroses harus benar-benar dilakukan secara lokal, yaitu keluaran hanya bergantung pada nilai masukan pada saat itu yang diperoleh melalui koneksi dan nilai yang tersimpan dalam memori lokal". Menurut Haykin, S. (1994), Neural Networks: A Comprehensive Foundation, NY, Macmillan, mendefinisikan jaringan saraf sebagai berikut: Sebuah jaringan saraf adalah sebuah prosesor yang terdistribusi paralel dan mempuyai kecenderungan untuk menyimpan pengetahuan yang didapatkannya dari pengalaman dan membuatnya tetap tersedia untuk digunakan. Hal ini menyerupai kerja otak dalam dua hal yaitu: 1. Pengetahuan diperoleh oleh jaringan melalui suatu proses belajar. 2. Kekuatan hubungan antar sel saraf yang dikenal dengan bobot sinapsis digunakan untuk menyimpan pengetahuan. Dan menurut Zurada, J.M. (1992), Introduction To Artificial Neural Systems, Boston: PWS Publishing Company, mendefinisikan sebagai berikut: Sistem saraf tiruan atau jaringan saraf tiruan adalah sistem selular fisik yang dapat memperoleh, menyimpan dan menggunakan pengetahuan yang didapatkan dari pengalaman. DARPA Neural Network Study (1988, AFCEA International Press, p. 60) mendefinisikan jaringan syaraf buatan sebagai berikut : Sebuah jaringan syaraf adalah sebuah sistem yang dibentuk dari sejumlah elemen pemroses sederhana yang bekerja secara paralel dimana fungsinya ditentukan oleh stuktur jaringan, kekuatan hubungan, dan pegolahan dilakukan pada komputasi elemen atau nodes.

Jaringan saraf tiruan pada umumnya digunakan untuk tugas atau pekerjaan yang kurang praktis jika dikerjakan secara manual.
[sunting] Kegunaan Dalam Kehidupan Nyata

Perkiraan Fungsi, atau Analisis Regresi, termasuk prediksi time series dan modeling. Klasifikasi, termasuk pengenalan pola dan pengenalan urutan, serta pengambil keputusan dalam pengurutan. Pengolahan data, termasuk penyaringan, pengelompokan, dan kompresi. Robotik

Penelitian pada jaringan saraf tiruan, yang biasa disebut sebagai jaringan saraf, berawal dari pengetahuan bahwa otak manusia bekerja dalam cara yang sangat berbeda dibandingkan dengan komputer dijital konvensional. Otak adalah komputer (sistem pengolahan informasi) yang bersifat sangat komplek, nonlinier, dan paralel. Otak mempunyai kemampuan untuk mengorganisasi konstituen struktural, dikenal sebagai neuron, untuk melakukan perhitungan tertentu (misalnya: pengenalan pola, persepsi, dan kendali motorik) yang jauh lebih cepat dibandingkan komputer dijital tercepat yang ada saat ini. Sebagai contoh, penglihatan manusia, yang merupakan tugas pengolahan informasi. Fungsi dari sistem penglihatan adalah memberikan representasi dari lingkungan sekitar kita dan yang lebih penting, memasok informasi yang kita butuhkan untuk berinteraksi dengan lingkungan. Lebih jelasnya, otak secara rutin menyelesaikan tugas pengenalan perseptual (misalnya: mengenali wajah yang dikenal di antara lingkungan yang asing) dalam kira-kira 100-200 ms, sementara tugas yang kompleksitasnya lebih rendah bisa menghabiskan waktu berhari-hari pada komputer konvensional. Bagaimana otak manusia dapat melakukannya? Ketika lahir, otak mempunyai struktur yang besar dan kemampuan untuk membangun sendiri aturannya melalui apa yang biasa kita sebut sebagai pengalaman. Memang pengalaman dibangun dari waktu ke waktu, dengan pembangunan yang paling dramatis dari otak manusia berlangsung selama dua tahun pertama sejak dilahirkan, tetapi pembangunan tetap berlangsung melampaui tahap itu. Neuron yang berkembang sinonim dengan plastisitas otak. Plastisitas memungkinkan sistem saraf yang berkembang untuk mengadaptasi lingkungan sekitarnya. Seperti plastisitas yang tampak penting bagi pengaktifan neuron sebagai unit pengolahan informasi dalam otak manusia, demikian juga dengan jaringan saraf tiruan yang terdiri dari neuron buatan. Dalam bentuk yang paling umum, jaringan saraf tiruan adalah mesin yang dirancang untuk memodelkan cara yang ditempuh otak dalam melakukan tugas atau fungsi tertentu. Jaringan saraf tiruan biasanya diimplementasikan dengan menggunakan komponen elektronik atau disimulasikan dengan software dalam komputer dijital. Perhatian utama dari materi ini adalah pada tipe penting dari jaringan saraf tiruan yang melakukan perhitungan melalui proses belajar. Untuk mencapai kinerja yang baik, jaringan saraf tiruan menggunakan banyak interkoneksi sel komputasi sederhana yang disebut sebagai neuron atau unit pengolahan. Dengan demikian kita dapat menawarkan definisi jaringan saraf yang dipandang sebagai mesin adaptif berikut ini:

Sebuah jaringan saraf tiruan adalah sebuah prosesor paralel terdistribusi massal yang terdiri dari unit-unit pengolahan sederhana, yang memiliki kecenderungan alami untuk menyimpan pengetahuan dan pengalaman membuatnya siap untuk digunakan. Jaringan saraf tiruan mirip dengan otak dalam dua hal: 1. Pengetahuan diperoleh oleh jaringan dari lingkungannya melalui proses belajar. 2. Sambungan antar neuron yang kuat, dikenal sebagai bobot sinaptik (synaptic weights), digunakan untuk menyimpan pengetahuan yang diperoleh. Prosedur yang digunakan untuk melakukan proses belajar disebut algoritma belajar, yaitu fungsi yang memodifikasi bobot sinaptik jaringan secara teratur untuk mencapai tujuan desain yang diinginkan. Metode tradisional untuk merancang jaringan saraf tiruan adalah dengan memodifikasi bobot sinaptik. Salah satu pendekatannya adalah dengan teori linear adaptive filter yang sudah mapan dan berhasil diterapkan dalam berbagai bidang. Namun dimungkinkan juga bagi jaringan saraf tiruan untuk memodifikasi topologinya sendiri, yang dimotivasi oleh fakta bahwa neuron dalam otak manusia dapat mati dan bahwa koneksi sinaptik baru bisa tumbuh.