AI - Jaringan Syaraf Tiruan Part 2

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

1. Input merupakan masukan yang digunakan baik saat pembelajaran maupun dalam mengenali suatu objek.
2. Weight, beban yang selalu berubah setiap kali diberikan input sebagai proses pembelajaran.
3. Processing Unit merupakan tempat berlangsungnya proses pengenalan suatu objek berdasarkan pembebanan yang diberikan.
4. Output, keluaran dari hasil pengenalan suatu objek.

 Keuntungan penggunaan Jaringan syaraf tiruan :

1. Perangkat yang mampu untuk mengenali suatu objek secara non-linier.
2. Mempermudah pemetaan input menjadi suatu hasil tanpa mengetahui proses sebenarnya.
3. Mampu melakukan pengadaptasian terhadap pengenalan suatu objek
4. Perangkat yang memiliki toleransi terhadap suatu kesalahan dalam pengenalan suatu objek.
5. Jaringan syaraf tiruan  mampu diimplementasikan pada suatu Hardware atau perangkat keras.
6. 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 :

1. Single-Layer Jaringan syaraf tiruan
2. Multilayer Perceptron Jaringan syaraf tiruan
3. 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 :

1. Supervised Learning
2. 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.