Artificial Neural Network (ANN)

Artificial Neural Network (ANN)

Merupakan cabang ilmu multi disiplin yang meniru cara kerja otak manusia. Salah satu struktur yang ditiru adalah bentuk neuronnya (sel saraf). Jaringan saraf tiruan ANN dapat menyelesaikan persoalan rumit/tidak mungkin jika diselesaikan dengan menggunakan komputasi kovensional.

Dengan melakukan proses belajar jaringan saraf tiruan dapat mengatur dirinya untuk menghasilkan suatu respon yang konsisten terhadap rangkaian masukkan. Jaringan saraf tiruan dirancang dan dilatih untuk memiliki kemampuan seperti manusia.

Pengertian Artificial Neural Network

Artificial Neural Network atau jaringan saraf tiruan adalah system komputasi dimana arsitektur dan komputasi diilhami dari pengetahuan tentang sel saraf dalam otak. ANN merupakan model yang meniru cara kerja jaringan neural biologis.

Otak sebagai system pengolah informasi

Otak manusia juga hewan terdiri atas sel yang disebut neuron. Dibanding sel lain yang selalu memproduksi dirinya, kemudian mati, dia punya keistimewaan tidak mati. Karena informasi yang tersimpan di dalamnya dapat bertahan. Diperkiakan otak manusia terdiri atas 10⁹ neuron, dan terdapat 100 jenis yang diketahui. Neuron – neuron ini terbagi atas grup – grup yang disebut jaringan dan dibedakan atas fungsinya dan setiap grup mengandung ribuan neuron yang saling terhubung. Dengan demikian dapat disimpulkan otak merupakan kumpulan jaringan neuron. Kecepatan proses tiap jaringan jauh lebih kecil disbanding dengan kecepatan proses komputer saat ini. Namun karena otak terdiri atas jutaan jaringan yang bekerja secara parallel (simultan), maka otak dapat mengerjakan pekerjaan yang lebih kompleks dibandingkan dengan apa yang dikerjakan dengan komputer. Struk pemrosesan parallel ini merupakan bagian yang menarik dari jaringan neural, yang dapat ditiru untuk diimplementasikan pada komputer.

Perbedaan expert system dan ANN

Expert system

a. Dalam pemecahan masalah dibutuhkan programmer

b. Knowledge dibuat programmer, sehingga dapat ditelusuri proses pembuatannya.

c. Sample input cacat tidak menghasilkan output.

ANN

a. Dapat memecahkan kasus rumit yang tidak dapat dilakukan Expert System.

b. Knowledge terbentuk dengan sendirinya.

c. Dapat menghasilkan output walau input cacat.

Arsitektur Artificial Neural Network

Lapisan input (Input Layer)

Berfungsi sebagai penghubung jaringan ke dunia luar (sumber data). Neuron – neuron ini tidak melakukan apapun pada data, hanya meneruskan data ini kelapisan berikutnya.

Lapisan Tersembunyi (Hidden Layer)

Suatu jaringan dapat memiliki lebih dari satu hidden layer atau bahkan tidak bisa punya sama sekali. Jika jaringan memiliki beberapa lapisan tersembunyi, maka lapisan tersembunyi paling bawah yang menerima dari input dari input layer. Besar nilai masukan (net) neuron ke-J pada lapisan tersembunyi ini tergantung pada akumulasi jumlah perkalian antar nilai bobot (W, adalah kekuatan hubungan antar neuron, dengan nilai keluaran U) neuron ke-I pada lapisan sebelumnya (neuron input) ditambahkan dengan nilai bias (W, neuron ke-J atau

Nilai bias ini merupakan nilai konstan yang dimiliki setiap neuron (kecuali neuron pada lapisan input) yang digunakan untuk memperbaiki keluaran jaringan agar dapat menyamai atau mendekati nilai keluaran yang diinginkan. Bobot W_(ji) bernilai 0 (nol) menunjukkan bahwa antara neuron ke-J dan ke-I tidak berhubungan nilai keluaran neuron pada lapisan tersembunyi ini merupakan fungsi dari nilai masukannya pada eksperimen ini digunakan F C net_(ji) fungsi signoid

Output Layer

Prinsip kerja pada lapisan ini sama dengan prinsip kerja pada hidden layer dan ini juga digunakan fungsi sigmoid. Tetapi keluaran dari lapisan ini sudah dianggap dari keluaran proses

Skema Proses yang terjadi pada setiap neuron