Wednesday, June 19, 2013

Jaringan Saraf Tiruan

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.
Otak manusia tersusun atas sel-sel saraf atau neuron-neuron yang membentuk jaringan. Sekumpulan neuron (saraf) yang saling terhubung ini berfungsi untuk memberikan sebuah tanggapan atas sebuah rangsangan yang mengenainya. Setiap rangsangan memiliki tanggapan-tanggapan tersendiri dari sebuah neuron tersebut terhadap jenis rangsangan yang mengenainya.
Sebuah neuron memiliki 3 tipe komponen yaitu dendrit (bagian yang menerima rangsang dari axon), soma (badan sel saraf) dan axon (bagian sel yang berhubungan dengan dendrit sel saraf lain dan membentuk simpul yang disebut sinapsis). Dendrit dapat menerima banyak sinyal dari neuron lain. Sinyal adalah impuls listrik yang dipancarkan menyebrangi celah sinapsis yang disebabkan proses kimia. Tindakan dari pancaran proses kimia mengubah sinyal yang datang (secara khas, dengan penskalaan frekuensi sinyal yang diterima). Proses tersebut sama dengan sifat bobot dalam jaringan saraf tiruan [6].
Beberapa fitur penting proses elemen dari jaringan saraf tiruan yang berasal dari cara kerja jaringan saraf biologi [6]: 
a. Elemen pemroses menerima beberapa sinyal.
b. Sinyal memungkinkan dimodifikasi oleh bobot pada sinapsis penerima.
c.  Elemen pemroses menjumlahkan bobot input.
d. Dalam lingkungan yang sesuai (jumlah input yang sesuai), neuron mengirimkan output tunggal.
e. Output dari neuron khusus memungkinkan dipindahkan ke beberapa neuron lain (melalui cabang axon).
Beberapa fitur jaringan saraf tiruan yang dipelajari dari neuron biologi[6] :
a. Pemrosesan informasi bersifat lokal (meskipun cara berbeda dalam proses transmisi, seperti aksi beberapa hormon, memungkinkan penganjuran cara control proses yang bersifat keseluruhan).
b. Memori terdistribusi :
1. Memori yang berjangka panjang berada dalam sinapsis neuron  atau bobot.
2. Memori jangka pendek merespon sinyal kiriman oleh neuron.
c. Kekuatan sinapsis dapat dimodifikasi oleh pengalaman.
d. Neuron pengirim untuk sinapsis mungkin bersifat pengeksitasi atau penghambat.
Karakteristik penting lain jaringan saraf tiruan yang merupakan bagian dari sistem saraf biologi adalah toleransi kesalahan/kekurangan data. Sistem saraf biologi memiliki toleransi kesalahan dalam 2 aspek [6] :
a.    Dapat mengenali banyak input sinyal yang beberapa diantaranya berbeda dengan yang pernah dikenali sebelumnya. Sebagai contoh kemampuan manusia untuk mengenali seseorang dari suatu gambaran atau mengenali seseorang setelah periode yang lama.
b.   Dapat menerima kerusakan ke dalam sistem saraf itu sendiri.
Manusia memiliki lebih dari 100 trilyun neuron. Kebanyakan diantaranya berada di otak. Jika terjadi kerusakan pada salah satu bagian, maka akan memungkinkan bagian lain akan menjalankan fungsi dari neuron yang rusak [6]. Adapun perbandingan kedua jaringan tersebut dapat dilihat pada gambar 1.1 dan gambar 1.2.

 Neuron Biologis

Neuron Buatan

 Manfaat kecerdasan buatan yang diimplementasikan dalam pengembangan sistem pakar adalah :
·         Memberikan penyederhanaan solusi untuk kasus-kasus yang kompleks dan berulang-ulang.
·         Masyarakat awam non-pakar dapat memanfaatkan keahlian di dalam bidang tertentu tanpa kehadiran langsung seorang pakar.
·         Meningkatkan produktivitas kerja, yaitu bertambah efisiensi pekerjaan tertentu serta hasil solusi kerja.
·         Penghematan waktu dalam menyelesaikan masalah yang kompleks.
·         Memungkinkan penggabungan berbagai bidang pengetahuan dari berbagai pakar untuk dikombinasikan.
·         Pengetahuan dari seorang pakar dapat didokumentasikan tanpa ada batas waktu.


Sumber :


No comments:

Post a Comment