JARINGAN NEURAL
Jaringan neural memiliki sejumlah besar simpul yang merasakan dan memproses
secara terus menerus berinteraksi satu sama lain. Gambar 11.9 merepresentasikan salah satu
tipe dari jaringan neural yang terdiri atas suatu lapian input, dan suatu lapisan pemrosesan
yang tersembunyi, Manusia “melatih” jaringan dengan mengumpankan serangkaian data
pelatihan yang mana input akan memproduksi suatu rangkaian output yang diketahui atau
kesimpulan. Hal ini membantu komputer dalam mempelajari pemecahan yang tepat dengan
contoh. Sebagaimana komputer dimasukan lebih banyak data, setiap kasus akan
dibandingkan dengan hasil yang diketahui. Jika ini berbeda, maka korelasi akan dihitung dan
diterapkan pada simpul simpul di dalam lapisan yang tersembunyi. Langkah-langkah ini akan
diulang hingga suatu kondisi, misalnya koreksi menjadi lebih kurang daripada jumlah
tertentu, akan tercapai. Jaringan neural dalam Gambar 11.9 telah mempelajari bagaimana
mengidentifiikasi pembelian kartu kredit palsu. Juga, jaringan neural yang mampu
mengorganisasikan diri sendiri dapat dilatih dengan memaparkan kepada mereka sejumlah
besar data dan memungkinkan mereka untuk menemukan pola – pola dan hubungan didalam
data.
Tim penelitian Google yang dipimpin oleh ilmuwan bidang komputer dari stanford
University, Andrew Y. Ng dan rekan dari Google, Jeff Dean baru-baru ini menciptakan suatu
jaringan neural dengan lebih dari satu miliar koneksi yang dapat mengidentifkasi kucing.
Jaringan menggunakan serangkaian 16.000 prosesor dan dimasukkan gambar kecil dari
gambar-gambar secara acak, masing-masing diekstrak dari kumpulan 10 juta video
YouTuBe. Jaringan neural mengajarkan dirinya sendiri untuk mengenali kucing-kucing,
tanpa bantuan dari manusia dalam mengidentifikasi fitur-fitur yang spesifik selama proses
pembelajaran. Google meyakini bahwa jaringan neural ini memiliki aplikasi yang
menjanjikan dalam pencarian gambar pengenalan suara dan mesin penerjemahan bahasa
(Markoff, 2012).
Sementara itu, sistem ahli berupaya untuk menandingi atau model cara manusia dalarn
memecahkan permasalahan, para perancang jaringan neural menyatakan bahwa mereka tidak
memprogram pemecahan dan tidak bertujuan untuk memecahkan permasalahan-
permasalahan tertentu. Alih-alih, para perancang jaringan neural berupaya untuk
menempatkan kecerdasan kedalam perangkat keras dalam bentuk kemampuan untuk
mempelajari yang telah digeneralisasikan. Secara kontras, sistem ahli sangat spesifik terhadap
suatu permasalahan tertentu dan tidak dapat dilatih kembali dengan mudah.
Penerapan jaringan neural dalam pengobatan, ilmu pengetahuan, dan bisnis akan membahas
mengenai permasalahan dalam pola klasifikasi, prediksi, analisis keuangan, dan pengendalian
serta optimalisasi. Dalam dunia pengobatan, penerapan jaringan neural digunakan untuk
menyaring para pasien yang terkena penyakit arteri koroner, untuk mendiagnosis para pasien
yang menderita penyakit epilepsi dan Alzheimer, serta untuk melakukan pengenalan pola dari
gambar patologi. Industri keuangan menggunakan jaringan neural untuk memahami pola-pola
dalam sekumpulan data yang sangat banyak yang dapat membantu dalam memprediksikan
kinerja dari ekuitas, pemeringkatan obligasi dari korporat, atau kepailitan korporat. Visa
International menggunakan jaringan neural untuk membantu dalam mendeteksi penipuan
kartu kredit dengan memonitor semua transaksi visa yang mengalami perubahan mendadak
dalam pola pembelian dari para pemegang kartunya.
Terdapat banyak aspek yang membingungkan dari jaringan neural. Tidak sepert sistem ahli,
yang umumnya memberikan penjelasan atas pemecahan mereka, jaringan neural tidak selalu
dapat menjelaskan mengapa mereka sampai pada suatu pemecahan tertentu. Lebih lanjut lagi,
mereka tidak selalu dapat menjamin suatu pemecahan yang benar-benar pasti, sampai pada
pemecahan yang sama lagi dengan input data yang sama, atau selalu menjamin pemecahan
yang terbaik. Mereka sangat sensitif dan tidak dapat bekerja dengan baik jika jangkauan
pelatihan mereka terlalu kecil atau terlalu sedikit data. Dalam penerapan penerapan yang
terbaru, maka jaringan neural sangat baik digunakan sebagai bantuan bagi para pengambil
keputusan manusia dan bukannya menggantikan mereka.
ALGORITME GENETIKA
Dalam Gambar 11.10, tiap-tiap deretan akan terhubung pada salah saru peubah
(variabel) dalam permasalahan. Salah satu menerapkan ujian bagi kesesuaian, dengan
memeringkatkan deretan dalam populasi disesuaikan dengan tingkat keinginan mereka
sebagai kemungkinan pemecahan. Setelah populasi awal telah dievaluasi kesesuaiannya,
maka algoritme kemudian menghasilkan generasi berikutnya dari deretan, yang terdiri atas
deretan - deretan yang melewati ujian kesesuaian ditambah keturunan deretan yang
dihasilkan dari menyilangkan pasangan deretan, dan menguji kesesuaian mereka, proses
tenebut terus - menerus berlanjut hingga suatu pemecahan dapat dicapai.
Teknologi agen inteligen akan membantu pebisnis untuk membuat navigasi melalui sejumlah
besar untuk menempatkan dan bertindak atas informasi yang dianggap penting. Agen
inteligen (intelligent agents) merupakan program perangkat lunak yang bekerja tanpa
intervensi secara langsung dari manusia untuk melaksanakan tugas tertentu bagi seorang
pengguna individual, proses bisnis, atau aplikasi perangkat lunak. Agen menggunakan basis
pengetahuan yang dipelajari atau dibangun untuk menyelesaikan tugas - tugas atau
mengambil keputusan dalam kepentingan pengguna, seperti e-mail sampah, menjadwalkan
janji pertemuan, atau bepergian dengan menggunakan jaringan yang saling terhubung untuk
menemukan tarif pesawat yang paling murah ke California.
Terdapat banyak penerapan agen inteligen saat ini dalam sistem operasi, perangkat
lunak aplikasi, sistem e-mail, perangkat lunak komputas mobile, dan alat bantu jaringan.
Sebagai contoh wizard yang ditemukan dalam alat bantu perangkat lunak Microsoft Office
memiliki kapabilitas yang telah ada untuk menunjukkan kepada para pengguna bagaimana
menyelesaikan tugas-tugas yang beraneka macam, seperti memformat dokumen atau
membuat grafik, dan untuk mengantisipasi ketika para pengguna memerlukan bantuan. Bab
10 menggambarkan bagaimana agen inteligen robot belanja dapat membantu pelanggan
untuk menemukan produk yang mereka inginkan dan membantu mereka dalam
membandingkan harga dan fitur-fitur lainnya.
Meskipun beberapa agen inteligen diprogram untuk mengikuti suatu rangkaian aturan
yang sederhana, tetapi yang lainnya dapat belajar dari pengalaman dan menyesuaikan
perilaku mereka. Siri, suatu aplikasi dari sistem Ios untuk iPhone dan iPad, merupakan suatu
contoh. Siri merupakan asisten pribadi yang cerdas yang menggunakan teknologi pengenalan
suara untuk menjawab pertanyaan, membuat rekomendasi, dan melakukan tindakan.
Perangkat lunak ini menyesuaikan diri dengan pilihan individual dari penggunanya dari
waktu ke waktu dan mempersonalisasikan hasil, mengerjakan tugas seperti menemukan
restoran - restoran yang dekat, membeli tiket bioskop, memperoleh petunjuk arah,
menjadwalkan janji pertemuan, dan mengirimkan pesan. Siri memahami suara yang alamiah,
dan mengajukan pertanyaan kepada penggunanya jika memerlukan lebih banyak informasi
untuk menyelesaikan suatu tugas. Siri tidak memproses input suara setempat pada perangkat
penggunanya. Sebaliknya, dia mengirimkan perintah melalui server jarak jauh sehingga para
penggunanya harus terhubung dengan Wi-Fi atau sinyal 3G.
Banyak fenomena yang rumit yang dapat dimodelkan sebagai sistem dari agen - agen
yang mandiri yang mengikuti aturan sederhana untuk berinteraksi. Aplikasi permodelan
berbasis agen dikembanguan untuk meniru perilaku dari pelanggan, pasar saham, dan rantai
pasokan, serta untuk memprediksi penyebaran dari epidemic.
Dengan menggunakan model agen, P&G menemukan bahwa truk-truk akan sering
diberangkatkan sebelum terisi penuh. Meskipun biaya transportasi menjadi lebih tinggi
dengan menggunakan yang hanya terisi sebagian saja, tetapi simulasi menunjukkan bahwa
gerai pengecer yang kehabisan persediaan tidak sering terjadi, dengan demikian akan
menurunkan jumlah penjualan yang hilang, yang mana akan lebih besar daripada menutup
biaya distribusi yang lebih tinggi. Pemodelan berbasis agen telah membantu P&G
menghemat $300 juta setiap tahunnya atas investasi yang nilainya hanya kurang dari l persen
dari jumlah tersebut.
SISTEM AI HIBRIDA
Algoritme genetika, logika fuzy, jaringan neural, dan sistem ahli dapat diintegrasikan ke
dalam aplikasi tunggal untuk memperoleh keunggulan dari fitur teknologi yang terbaik.
Sistem - sistem seperti itu disebut dengan sistem AI hibrida (hybridArsystems). Aplikasi
hibrida dalam bisnis terus bertumbuh. Di Jepang, Hitachi, Mitsubishii. Ricoh, Sanyo, dan
yang lainnya mulai memadukan Al hibrida dalam produk - produk seperti misalnya peralatan
rumah tangga, mesin pabrik, dan peralatan kantor. Matsushita telah mengembangkan mesin
cuci "neurofuzzy” yang memadukan logika fuzzy dengan Jaringan neural. Nikko Securities
telah menjalankan sistem neurofuzzy untuk meramalkan pemeringkatan obligasi yang dapat
dikonversi.
Dalam modul penelusuran pembelajaran akan menyediakan konten yang relevan dengan
topik yang dibahas dalam bab ini:
EVALUASI
PERTANYAAN DISKUSI
1. Manajemen pengetahuan adalah suatu proses bisnis, bukan suatu teknologi. Bahaslah.
2. Gambarkan berbagai macam cara yang mana sistem manajemen pengetahuan dapat
membantu perusahaan dengan penjualan dan pemasaran atau dengan manufaktur dan
produksi
3. Perusahaan Anda ingin melakukan lebih dengan manajemen pengetahuan.
Gambarkan langkah – langkah yang harus dilakukan untuk mengembangkan suatu
program manajemen pengetahuan dan pilihlah penerapan manajemen pengetahuan.
1. US. Pharma Corporation berkantor pusat di New Jersey, tetapi memiliki lokasi
penelitian di Jerman, Inggris Raya, swiss, dan Australia. Penelitian dan
pengembangan dari farmasi baru adalah kunci untuk melanjutkan dan Us. Pharma
meneliti dan menguji ribuan kemungkinan obat-obatan. Para peneliti di perusahaan
keuntungan, lain di dalam dan di luar perusahaan, melip U.S. Food and Drug perlu
membagi informasi dengan orang Administration, World Health organization, dan
International Federation of Pharmaceutical Manufacturers & Associations. Juga yang
sangat penting adalah untuk mengakses situs informasi kesehatan, seperti misalnya
U.S. National Library of Medicine dan konferensi industri jurnal-jurnal profesional.
Rancanglah suatu portal pengetahuan bagi para peneliti U.S.Pharma. Termasuk dalam
spesifikasi rancangan Anda yang relevan dengan internal dan database, sumber
eksternal atas informasi, komunikasi internal dan eksternal serta alat bantu kolaborasi.
Rancanglah laman beranda pada portal Anda.
2. Canadian Tire merupakan salah satu dari perusahaan terbesar di Canada, dengan
57.000 karyawan dan 1.200 gerai serta gas bars (pompa bensin) di seluruh Canada
yang menjual perlengkapan olahraga, perlengkapan santai, perlengkapan rumah
tangga, pakaian; serta jasa keuangan sama halnya dengan otomotif dan produk
petroleum. Gerai pengecer dimiliki secara independen dan dioperasionalkan.
Canadian Tire menggunakan mailing harian dan katalog produk yang mahal untuk
menginformasikan kepada para dilernya mengenai produk baru, pengaturan
merchandise, praktik pelaksanaan yang terbaik, pemesanan produk, dan resolusi
permasalahan serta sedang mencari suatu cara yang lebih baik untuk menyediakan
karyawan dengan sumber daya manusia dan dokumen administratif. Gambarkan
permasalahan yang diciptakan Canadian Tire dalam cara menjalankan usahanya dan
bagaimana sistem manajemen pengetahuan dapat membantu.
Kemampuan perangkat lunak: Formula dalam kertas kerja dan fungsi IF atau alat bantu
sistem ahli Keahlian bisnis: Penentuan kelayakan manfaat
Sistem ahli pada umumnya menggunakan sejumlah besar aturan, Proyek ini telah
disederhanakan untuk mengurangi jumlah aturan, tetapi akan memberikan Anda
pengalaman bekerja dengan serangkaian aturan untuk mengembangkan aplikasi. Ketika
karyawan di perusahaan Anda akan pensiun, mereka akan diberikan bonus uang tunai.
Bonus uang tunai tersebut didasarkan pada lamanya mereka bekerja di perusahaan dan
usia dari pensiun. Untuk menerima uang bonus, seorang karyawan harus sedikitnya
berusia 50 tahun dan telah bekerja di perusahaan selama lebih dari 5 tahun. Tabel berikut
ini meringkaskan kriteria untuk menentukan uang bonus.
Dengan menggunakan informasi yang disediakan, bangunlah suatu sistem ahli yang
sederhana. Temukan salinan demontrasi dari alat bantu perangkat lunak sistem ahli pada
web yang dapat Anda unduh. Alternatif lainnya, gunakan perangkat lunak kertas kerja
Anda untuk membangun sistem ahli. (Jika Anda menggunakan perangkat lunak kertas
kerja, kami sarankan menggunakan fungsi IF sehingga Anda dapat melihat bagaimana
aturan tersebut dibuat.)
Kemampuan perangkat lunak: Browser web dan perangkat lunak bot berbelanja
Keahlian bisnis: Evaluasi Produk dan pemilihan
Proyek ini akan memberikan Anda pengalaman dengan menggunakan bot berbelanja
untuk mencari produk secara online, temukan informasi atas produk, dan temukan harga
dan pemasok yang terbaik. Pilihlah kamera digital yang Anda inginkan untuk membeli
seperti misalnya Canon Powershot S100 atau olympus Toug TG-820. Kunjungi MySimon
(www.mysimon.com), BizRate.com (www.bizrate.com), dan Google Product untuk
melakukan dalam perbandingan harga bagi Anda. Evaluasi berbelanja tersebut dalam hal
kemudahan menggunakannya, angka yang ditawarkan, kecepatan dalam memperoleh
informasi, ketelitian atas informasi yang ditawarkan mengenai produk dan penjual serta
seleksi harga. Situs situs-situs manakah yang manakah yang akan akan Anda gunakan dan
mengapa? Kamera yang manakah yang akan Anda pilih dan mengapa? Seberapa
bermanfaatkah situs-situs tersebut bagi pengambilan keputusan Anda?