Artificial Neural Network
A. Artificial Neural Network
Artificial
Neural Network (ANN) atau disebut juga Simulated Neural Network (SNN) adalah
jaringan dari sekelompok unit pemroses kecil yang dimodelkan berdasarkan sistem
saraf manusia. ANN merupakan sistem
adaptif yang dapat mengubah strukturnya untuk memecahkan masalah berdasarkan
informasi eksternal maupun internal yang mengalir melalui jaringan tersebut.
Oleh karena itu ANN juga disebut dengan jaringan adaptif.
B. Sejarah Artificial Neural Network (ANN)
Perkembangan
Neural Network sudah ada sejak tahun 1943 ketika Warren McCulloch dan Walter
Pitts memperkenalkan perhitungan model Neural Network untuk pertama kalinya.
Mereka melakukan beberapa kombinasi Processing Unit sederhana bersama-sama yang
mampu memberikan peningkatan secara keseluruhan pada kekuatan komputasi
Hal ini
berlanjut pada penelitian yang dikerjakan oleh Rosenblatt pada tahun 1950,
dimana dia berhasil menemukan sebuah Two-Layer Network yang disebut sebagai
Perceptron. Perceptron memungkinkan untuk pekerjaan klasifikasi pembelajaran
tertentu dengan penambahan bobot pada setiap koneksi antar Network. Pada
awalnya Perceptron juga masih ditemukan beberapa keterbatasan, contohnya
Perceptron tidak mampu menyelesaikan permasalah XOR, ini membuat penelitian
dibingan ini sempat mati selama 15 tahun.
Cara
pembelajaran atau pelatihan ANN dikelompokkan menjadi 3 bagian, diantaranya
supervised learning, unsupervised learning, dan Hybrid.
1. Supervised Learning
Merupakan
suatu pembelajaran yang terawasi dimana jika output yang diharapkan telah
diketahui sebelumnya. Biasanya pembelajaran ini dilakukan dengan menggunakan
data yang telah ada. Pada metode ini, setiap pola yang diberikan kedalam neural
network telah diketahui outputnya. Satu pola input akan diberikan ke satu
neuron pada lapisan input. Pola ini akan dirambatkan disepanjang neural network
hingga sampai ke neuron pada lapisan output. Lapisan output ini akan
membangkitkan pola output yang nantinya akan dicocokkan dengan pola output
targetnya. Apabila terjadi perbedaan antara pola output hasil pembelajaran
dengan pola output target, maka akan muncul error. Dan jika nilai error ini
masih cukup besar, itu berarti masih perlu dilakukan pembelajaran lebih lanjut.
Contoh algoritma jaringan saraf tiruan yang mernggunakan metode supervised
learning adalah:
1. Hebbian (hebb rule)
2. Perceptron
3. Adaline
4. Boltzman
5. Hapfield
6. Backpropagation
2. Unsupervised Learning
merupakan
pembelajan yang tidak terawasi dimana tidak memerlukan target output. Pada
metode ini tidak dapat ditentukan hasil seperti apa yang diharapkan selama
proses pembelajaran, nilai bobot yang disusun dalam proses range tertentu
tergantung pada nilai output yang diberikan. Tujuan metode uinsupervised
learning ini agar kita dapat mengelompokkan unit-unit yang hampir sama dalam
satu area tertentu. Pembelajaran ini biasanya sangat cocok untuk klasifikasi
pola. Contoh algoritma ANN yang menggunakan metode unsupervised ini adalah
1. Competitive
2. Hebbian
3. Kohonen
4. LVQ (Learning Vector Quantization)
5. Neocognitron
3. Hybrid
Hybrid
adalah gabungan antara Supervised dan Unsupervised. Disusun untuk mampu
mengenali dan meniru pola pemetaan dari pasangan inputan masukan ke keluaran
yang diinginkan. Karenanya parameter ANN dapat ditentukan dengan melatih atau
mengajari ANN tersebut dengan pola masukan keluaran yang telah benar dengan
beberapa aturan pembelajaran. Dan pembelajaran dalam ANN merupakan gabungan
dalam pembelajaran terawasi (Supervised Learning) dan pembelajaran tidak
terawasi (Unsupervised Learning). Merupakan kombinasi dari kedua pembelajaran
tersebut, sebagian dari bobotnya ditentukan melalui pembelajaran terawasi dan
sebagian lainnya melalui pembelajaran tak terawasi.
C. Contoh Artificial Neural Network
Pemanfaatan
ANN dalam kehidupan sehari-hari digunakan yang berkaitan dengan hal-hal
berikut:
1. Identifikasi dan kontrol : kontrol
kendaraan, natural resource management.
2. Pengambil keputusan dalam video game:
chess, poker, backgammon\
3. Pengenalan pola : pengenal wajah, pengenal
objek
4. Diagnose medis untuk mendeteksi penyakit
kanker
--------------------------------------------------------------------------------------------------------------------------
REFERENSI
Komentar
Posting Komentar