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.
Menurut seorang ahli jaringan syaraf tiruan bernama Haykin S., jaringan syaraf tiruan itu seperti sebuah
prosesor yang dapat menyimpan pengetahuan dan pengalaman sehingga prosesor ini dapat bekerja
menyerupai otak manusia yang dapat beradapatasi dengan masalah.
Jadi, Jaringan syaraf tiruan itu adalah metode/algoritma yang dapat membuat komputer mempunyai otak
pintar seperti manusia yang bisa beradaptasi terhadap masalah.
SEJARAH SINGKAT JARINGAN SYARAF TIRUAN
1943 : Waffen McCulloh dan Walter Pitts merancang model matematis dari sel-sel otak.
1949 : Hebb menyatakan informasi dapat disimpan dalam koneksi-koneksi antar neuron.
1958 : Rosenblatt mengembangkan konsep dasar tentang perceptron untuk klasifikasi pola.
1983: Kirkpatrick, Galantt dan Vecchi Memperkenalkan teknik statisticyang dikenal simulated annealing
1978: Kosko Mengembangkan jaringan Adaptive Bidirectional Associative Memory (BAM)
CARA KERJA JARINGAN SYARAF TIRUAN
Ada tiga paradigma bagaimana jaringan syaraf tiruan dapat berfikir dan beradaptasi terhadap suatu masalah, tiga paradigma tersebut adalah :
1. Supervised Learning (pembelajaran terawasi) adalah metode pembelajaran yang menyimpulkan pemetaan data dengan membandingkan
ketidaksesuaian antara pemetaan data saat ini ( yang mengandung knowledge saat ini) dengan pemetaan data sebelumnya (yang mengandung
knowledge sebelumnya
2. Unsupervised Learning (pembelajaran tidak terawasi) adalah metode pembelajaran yang mengelompokkan unit-unit yang hampir sama
dalam area tertentu. Metode ini biasa digunakan untuk pengklafisikasian pola.
3. Reinforced Learning, adalah metode yang membuat system (system) dapat belajar dari keputusan yang diambil sebelumnya dengan cara
memberikan reward setiap kali system melakukan suatu hal yang benar. Dengan pemberian reward ini system akan mencari hal apa yang harus
dilakukan agar mendapatkan lebih banyak lagi reward, sehingga system dapat terus berkembang. System (learner) dibiarkan belajar sendiri dengan
lingkungan, ketika system bermain berdasarkan rule maka akan diberi reward, ketika tidak akan diberi punishment.
Sebelum menggunakan Jaringan Syaraf Tiruan kita harus mempertimbangkan tiga hal yaitu :
1. Nonlinearity. Sebuah neuron buatan bisa saja linear atau tidak linear.
2. Input-output mapping. Sebuah paradigma populer dari pembelajaran disebut learning with a teacher (belajar dengan
guru) atau supervised learning (pembelajaran terbimbing yang melibatkan modifikasi bobot sinapsis jaringan saraf
tiruan dengan mengaplikasikan kumpulan sampel training.
3. Adaptivity. Neural network memiliki kemampuan untuk menyesuaikan bobot sinaptik mereka terhadap perubahan pada
lingkunganya.
4. Evidential Response. Dalam konteks klasifikasi pola, jaringan saraf dapat dirancang untuk memberikan informasi tidak
hanya tentang pola yang khusus.
5. Contextual Information. Pengetahuan direpresentasikan oleh struktur dan aktivasi dari jaringan saraf.
6. Fault Tolerance. Jaringan saraf yang diimplementasikan pada bentuk hardware, memiliki potensi untuk bersifat fault
tolerant (toleran terhadap kesalahan), dalam arti bahwa kinerjanya menurun dalam kondisi operasi buruk.
7. VLSI Implementability. Sifat dasar dari jaringan saraf tiruan yang parallel membuatnya berpotensi untuk
mengkomputasikan tugas-tugas tertentu dengan cepat.
8. Uniformity of Analysis and Design. Pada dasarnya, jaringan saraf tiruan dikenal sebagai pemroses informasi.
9. Neurobiological Analogy. Rancangan jaringan saraf tiruan dianalogikan dengan otak manusia, yang merupakan bukti
nyata bahwa toleransi terhadap kesalahan pada pemrosesan paralel tidak hanya mungkin tetapi juga cepat dan kuat.
MANFAAT JARINGAN SYARAF TIRUAN
Dalam kehidupan sehari-hari jaringan syaraf tiruan digunakan dalam aplikasi yang
berkaitan dengan hal-hal berikut :
1. Identifikasi dan control : Kontrol kendaraan, Natural Resources Mangement
2. Pengambil keputusan dalam video game: Chess, Poker, Backgammon
3. Pengenal Pola : Radar, Pengenal wajah, Pengenal objek
4. Diagnosa Medis untuk mendeteksi penyakit kangker
KELEBIHAN DAN KEKURANGAN JST
1. Kelebihan Jaingan Syaraf Tiruan :
- Mampu melakukan generalisasi dan ekstraksi dari suatu pola data tertentu
- JST dapat menciptakan suatu pola pengetahuan melalui pengaturan diri atau kemampuan belajar (self
organizing)
- Memiliki fault tolerance, gangguan dapat dianggap sebagai noise saja Kemampuan perhitungan secara
paralel sehingga proses lebih singkat
- Klasifikasi: memilih suatu input data ke dalam kategori tertentu yang sudah ditetapkan.
- Asosiasi: menggambarkan suatu obyek secara keseluruhan hanya dengan bagian dari obyek lain.
- Self organizing: kemampuan mengolah data-data input tanpa harus mempunyai target.
- Optimasi: menemukan suatu jawaban terbaik sehingga mampu meminimalisasi fungsi biaya
KELEBIHAN DAN KEKURANGAN JST
2. Kelemahan Jaingan Syaraf Tiruan :
- Kelemahan Kurang mampu untuk melakukan operasi operasi numerik dengan presisi tinggi.
- Kurang mampu melakukan operasi algoritma aritmatik, operasi logika dan simbolis.
- Lamanya proses training yang mungkin terjadi dalam waktu yang sangat lama untuk jumlah
data yang besar.
IMPLEMENTASI JARINGAN SYARAF TIRUAN
1 . Dalam Bidang Ketahanan Militer
a. Artificial Intelligence Projects
Salah satu contoh aplikasi AI yang digunakan pada saat ini yaitu dalam bidang militer. Virtual reality dipakai
untuk melakukan simulasi latihan perang, simulasi latihan terjun payung. dan sebagainya. Dimana dengan
pemakaian teknologi ini bisa lebih menghemat biaya dan waktu dibandingkan dengan cara konvensional. Istilah
Realitas maya tidak pasti asalnya. Pengembang realitas maya, Jaron Lanier mengakui bahwa ia menggunakan
istilah itu pertama kali dan ada istilah yang terkait digunakan oleh Myron Krueger adalah “kenyataan tiruan“ telah
digunakan sejak 1970
b. Teknologi Virtual Reality
Virtual reality adalah sebuah teknologi yang memungkinkan seseorang melakukan simulasi terhadap suatu
objek nyata dengan menggunakan komputer yang mampu membangkitkan suasana tiga dimensi (3-D) sehingga
membuat pemakai seolah-olah terlibat secara fisik. Virtual Reality atau VR tidak hanya mensimulasikan apa yang
ingin disimulasikan seseorang yang diprogramkan di Komputer seperti dunia nyata atau sesuatu yang lain, tetapi
juga menciptakan kemampuan intelegensi dalam dunia virtual tersebut, dalam bahasan ini mengenai simulai
militer dalam angkatan bersenjata.
IMPLEMENTASI JARINGAN SYARAF TIRUAN
2. Dalam bidang Pendidikan
Aplikasinya:
Sistem Tutor Cerdas atau Intelligent Tutoring System(ITS) merupakan sebuah teknologi pembelajaran yang dinamis dan dapat
menyesuaikan isi atau output program sesuai dengan kebutuhan dari objek sasaran menggunakan keahliannya dalam metode
pembelajaran dan materi yang diajarkan