Pengenalan Jaringan Pengenalan Jaringan Syaraf TiruanSyaraf Tiruan

Erlin Windia Ambarsari, STUniversitas Indraprasta PGRI

Erlinwin.wordpress.com

Jaringan Syaraf BiologiJaringan Syaraf Biologi

Struktur otak manusia sangat kompleks & rumit

Otak terdiri 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 elekrik dikirim melalui

celah sinaptik◦Sinyal dapt dpt diperkuat/diperlemah di celah

sinaptikSoma 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 TiruanJaringan Syaraf Tiruan

Sistem pemroses informasi memiliki karakter mirip dengan jaringan syaraf biologi

Dibentuk debagai generalisasi model matematika dari Jar. Syaraf Biologi◦ Pemrosesan informasi terjadi pada banyak elemen

sederhana (neuron)◦ Sinyal dikirimkan diantara neuron2 melalui penghubung2◦ 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 JSTKegunaan JST

Jaringan saraf tiruan pada umumnya digunakan untuk tugas atau pekerjaan yang kurang praktis jika dikerjakan secara manual.

Kegunaan Dalam Kehidupan NyataPerkiraan 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 informatikaKedudukan JST dalam informatika

Banyak teknik algoritma JST yang tersedia yang memiliki arsitektur yang sangat beragam dan canggih

Komputer digital berkecepatan tinggiAplikasi yang sangat luas

Contoh aplikasi JSTContoh 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 lainContoh 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.