Pengenalan Jaringan Syaraf

Tiruan
Puput Irfansyah, M.Kom
Universitas Indraprasta PGRI
 Jaringan Syaraf Biologi
Struktur otak manusia sangat kompleks & rumit
Otak terdiri dari neuron-neuron dan sinapsis
(penghubung)
Neuron bekerja berdasarkan impuls/sinyal
Manusia memiliki 1012 neuron dan 6.1018
sinapsis mengenali pola, melakukan
perhitungan, mengontrol organ2 tubuh
Mempunyai kemampuan membentuk sendiri
pola berdasarkan pengalaman.
• Dendrit menerima sinyal dari neuron lain
– Sinyal berupa impulse elektrik dikirim melalui
celah sinaptik
– Sinyal dapat diperkuat/diperlemah di celah
sinaptik
• Soma menjumlahkan semua sinyal-sinyal yang
masuk
– Jika kuat dan melebihi batas akan diteruskan ke
sel lain melalui axon
• Neural biologi merupakan sistem yang fault
tolerant :
– Manusia dapat mengenali sinyal input yang agak
berbeda dari yang pernah diterima sebelumnya.
– Otak manusia tetap mampu bekerja meskipun
beberapa neuronnya tidak mampu bekerja
dengan baik
• Sebuah neuron rusak, neuron lain dpt dilatih
menggantikan fungsi sel yang rusak.
 Jaringan Syaraf Tiruan
Sistem pemroses informasi memiliki karakter mirip dengan
jaringan syaraf biologi
Dibentuk sebagai generalisasi model matematika dari
Jaringan Syaraf Biologi
◦ Pemrosesan informasi terjadi pada banyak elemen sederhana
(neuron)
◦ Sinyal dikirimkan diantara neuron neuron melalui penghubung
◦ Penghubung antar neuron memiliki bobot yang akan memperkuat
atau memperlemah sinyal
◦ Untuk menentukan output, setiap neuron menggunakan fungsi
aktifitas (nonlinier) dikenakan pada jumlah input yang diterima.
 Besar output selanjutnya dibandingkan dengan batas ambang
• 3 ketentuan JST :
– Pola hubungan antar neuron (arsitektur jaringan)
– Metode untuk menentukan bobot penghubung
(metode training/learning/algoritma)
– Fungsi aktivasi
• Pengambilan keputusan, pengenalan pola, prediksi
 Kegunaan JST
Jaringan saraf tiruan pada umumnya digunakan untuk tugas
atau pekerjaan yang kurang praktis jika dikerjakan secara
manual.

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
 Kedudukan JST dalam informatika
• Banyak teknik algoritma JST yang tersedia
yang memiliki arsitektur yang sangat beragam
dan canggih
• Komputer digital berkecepatan tinggi
• Aplikasi yang sangat luas
 Contoh aplikasi JST
Robert Hecht-Nielsen, seorang kontributor
dalam bidang jaringan saraf, melihat bahwa
aplikasi-aplikasi jaringan saraf selama
beberapa tahun ini umumnya berpusat pada
tiga bidang utama, yaitu analisis data,
pengenalan pola, dan fungsi kendali.
• Analisis data  bidang aplikasi potensial mencakup pemrosesan aplikasi
pinjaman, analisis perdagangan komoditas, peramalan runtut waktu, prediksi
panen, meteorologi, analisis pasar, pola aktivitas konsumen, penegakan hukum
yang melibatkan pencarian catatan kriminal.
• Pengenalan pola  optical character recognition melibatkan cek yang ditulis
tangan dan alamat surat yang ditulis tangan. Masalah-masalah pengenalan pola
juga terdapat dalam bidang inspeksi industri, misalnya dalam inspeksi silicon
wafer, terdapat cacat yang tidak mudah dikenali.
• Aplikasi pengendalian yang sesuai untuk jaringan saraf meliputi fungsi-fungsi
seperti operasi peralatan mesin. Sebagai contoh, suatu alat yang cukup kaku
memegang blok metal menjadi rentan untuk rusak dalam operasi kecepatan
tinggi. Sensor yang mendeteksi getaran dan tekanan dapat memberikan petunjuk
real-time mengenai kelemahan-kelemahan operasi dengan sebuah jaringan saraf
dilatih untuk mengenali kelemahan-kelemahan multi dimensional.
 Contoh Aplikasi lain
AVCO Financial Services, di Irvine, California,
menggunakan sistem jaringan saraf untuk
menganalisis risiko kredit. Sistem ini diujikan pada
lebih dari 100.000 kasus kredit. Dalam artikelnya
New York Times melaporkan bahwa dalam satu
uji terlihat indikasi akan adanya kenaikan laba
sebesar 27% jika digunakan sistem jaringan saraf
dibanding bila menggunakan sistem evaluasi
dengan menggunakan komputer yang
sebelumnya dipakai AVCO.
• Intel mengembangkan aplikasi kecil yang
menyelidiki keekspresifan pembicaraan
manusia. Dengan membatasi sistem hanya
untuk pembicara tunggal pada satu waktu dan
dengan membatasi kosa kata (sekitar 100 kata
atau frase), sistem ini mampu mengenali
suara manusia dengan ketepatan 99%. Sistem
pemasukan data yang dikendalikan suara ini
telah banyak digunakan dalam berbagai
aplikasi manufaktur sejak tahun 1983.