Kecerdasan Buatan (AI) - Jaringan Syaraf Tiruan
I. Pendahuluan
Jaringan
syaraf tiruan adalah merupakan salah satu representasi buatan dari otak manusai
yang selalu mencoba untuk mensimulasikan proses pembelajaran pada otak manusia
tersebut. Istilah buatan disini digunakan karena jaringan syaraf ini
diimplementasikan dengan menggunakan program komputer yang mampu menyelesaikan
sejumlah proses perhitungan selama proses pembelajaran.
Pemodelan
dengan jaringan syaraf tiruan merupakan
pembelajaran dan penyesuaian dari suatu obyek. Model-model jaringan syaraf
tiruan dapat diklasifikasikan menurut
beberapa kriteria, seperti metode pembelajaran (dengan pengawasan atau tanpa
pengawasan), menurut arsitekturnya (umpan maju dan berulang), tipe output
(biner atau kontinyu), dan lain-lain. Dalam hal ini pemodelan dipandang dari
kumpulan data input outputnya. Perceptron menggambarkan suatu usaha untuk
membangun kecerdasan dan sistem pembelajaran-sendiri menggunakan komponen sederhana
yang berasal dari model jaringan biologi yang diperkenalkan oleh McCuulloch dan
Pitts (1943). Berikutnya Rosenblatt (1950) merancang perceptron dengan
menguraikan pemodelan kemampuan sistim pengenalan pola untuk sistem
penggambaran biologi.
Metode
perceptron merupakan metode pembelajaran dengan pengawasan dalam sistem jaringan
syaraf tiruan, sehingga jaringan yang dihasilkan harus mempunyai parameter yang
dapat diatur dengan cara mengubah melalui aturan pembelajaran dengan
pengawasan. Jaringan syaraf tiruan terdiri dari sejumlah neuron dan sejumlah masukan.
Dalam merancang jaringan syaraf tiruan yang perlu diperhatikan adalah banyaknya spesifikasi
yang akan diidentifikasi.
II. Jaringan Syaraf Tiruan
2.1
Pengertian Umum Jaringan Syaraf Tiruan
Jaringan
syaraf tiruan adalah suatu prosesor yang
melakukan pendistribusian secara besar-besaran, yang memiliki kecenderungan
alami untuk menyimpan suatu pengenalan yang pernah dialaminya, dengan kata lain
JST ini memiliki kemampuan untuk dapat melakukan pembelajaran dan pendeteksian
terhadap sesuatu objek.
Secara
mendasar, sistem pembelajaran merupakan proses penambahan pengetahuan pada JST
yang sifatnya kontinuitas sehingga pada saat digunakan pengetahuan tersebut
akan dieksploitasikan secara maksimal dalam mengenali suatu objek. Neuron
adalah bagian dasar dari pemrosesan suatu jaringan syaraf tiruan . Dibawah ini
merupakan bentuk dasar dari suatu neuron.
Gambar 1. Bentuk
dasar neuron
- Input merupakan masukan yang
digunakan baik saat pembelajaran maupun dalam mengenali suatu objek.
- Weight, beban yang selalu berubah
setiap kali diberikan input sebagai proses pembelajaran.
- Processing Unit merupakan tempat
berlangsungnya proses pengenalan suatu objek berdasarkan pembebanan yang
diberikan.
- Output, keluaran dari hasil pengenalan suatu objek.
- Perangkat yang mampu untuk mengenali
suatu objek secara non-linier.
- Mempermudah pemetaan input menjadi
suatu hasil tanpa mengetahui proses sebenarnya.
- Mampu melakukan pengadaptasian
terhadap pengenalan suatu objek
- Perangkat yang memiliki toleransi
terhadap suatu kesalahan dalam pengenalan suatu objek.
- Jaringan syaraf tiruan mampu diimplementasikan pada suatu Hardware
atau perangkat keras.
- Perangkat yang mampu
diimplementasikan secara parallel.
2.2
Arsitektur Jaringan Syaraf Tiruan
Bentuk dasar
arsitektur suatu jaringan syaraf tiruan adalah sebagai berikut :
Gambar 2. Arsitektur dasar Jaringan syaraf tiruan
Secara umum,
terdapat tiga jenis jaringan syaraf tiruan yang sering digunakan berdasarkan jenis network-nya,
yaitu :
- Single-Layer Jaringan syaraf tiruan
- Multilayer Perceptron Jaringan syaraf tiruan
- Recurrent Jaringan syaraf tiruan.
A. Single-Layer Jaringan syaraf tiruan
Jaringan
syaraf tiruan jenis ini memiliki koneksi
pada inputnya secara langsung ke jaringan output.
Gambar 3. Single-layer Jaringan syaraf tiruan
Jenis jaringan
syaraf tiruan ini sangatlah terbatas,
hanya digunakan pada kasus-kasus yang sederhana.
B.
Multilayer Jaringan syaraf tiruan
Jenis jaringan
syaraf tiruan ini memiliki layer yang
dinamakan “hidden”, ditengah layer input dan output. Hidden ini bersifat
variable, dapat digunakan lebih dari satu hidden layer.
Gambar 4. Multilayer Perceptron Jaringan
syaraf tiruan
C.
Recurrent Jaringan syaraf tiruan
Jaringan
syaraf tiruan jenis ini memiliki ciri,
yaitu adanya koneksi umpan balik dari output ke input.
Gambar 5. Recurrent Network
Kelemahan dari jenis ini adalah Time
Delay akibat proses umpan balik dari output ke titik input.
2.3
Proses Pembelajaran pada Jaringan syaraf tiruan
Proses pembelajaran merupakan suatu
metoda untuk proses pengenalan suatu objek yang sifatnya kontinuitas yang
selalu direspon secara berbeda dari setiap proses pembelajaran tersebut. Tujuan dari pembelajaran ini sebenarnya
untuk memperkecil tingkat suatu error dalam pengenalan suatu objek. Secara
mendasar, jaringan syaraf tiruan memiliki sistem pembelajaran yang terdiri atas
beberapa jenis berikut :
- Supervised Learning
- Unsupervised Learning
A.
Supervised Learning
Sistem
pembelajaran pada metoda Supervised learning adalah sistem pembelajaran yang
mana, setiap pengetahuan yang akan diberikan kepada sistem, pada awalnya
diberikan suatu acuan untuk memetakan suatu masukan menjadi suatu keluaran yang
diinginkan. Proses pembelajaran ini akan terus dilakukan selama kondisi error
atau kondisi yang diinginkan belum tercapai. Adapun setiap perolehan error
akan dikalkulasikan untuk setiap pemrosesan hingga data atau nilai yang
diinginkan telah tercapai.
B. Unsupervised Learning
Sistem pembelajaran pada jaringan syaraf tiruan , yang mana sistem
ini memberikan sepenuhnya pada hasil komputasi dari setiap pemrosesan, sehingga
pada sistem ini tidak membutuhkan adanya acuan awal agar perolehan nilai dapat
dicapai. Meskipun secara mendasar, proses ini tetap mengkalkulasikan setiap
langkah pada setiap kesalahaJSTya dengan mengkalkulasikan setiap nilai weight
yang didapat.