Jaringan saraf tiruan

Jaringan saraf tiruan yaitu jaringan dari unit pemroses kecil yang saling terhubung, yang dimodelkan berdasar jaringan saraf (neuron) jaringan saraf.

Jaringan saraf tiruan (JST) (Bahasa Inggris: artificial neural network (ANN), atau juga dinamakan simulated neural network (SNN), atau umumnya hanya dinamakan neural network (NN)), yaitu jaringan dari sekelompok unit pemroses kecil yang dimodelkan berdasarkan jaringan saraf manusia. JST yaitu sistem adaptif yang dapat mengubah strukturnya untuk memecahkan masalah berdasarkan informasi eksternal maupun internal yang mengalir menempuh jaringan tersebut.

Secara sederhana, JST yaitu sebuah alat pemodelan data statistik non-linier. JST dapat dipergunakan untuk memodelkan hubungan yang kompleks sela input dan output untuk menemukan pola-pola pada data.

Sejarah

Kala ini bidang kecerdasan hasil pekerjaan dalam usahanya menirukan intelegensi manusia, belum mengadakan pendekatan dalam struktur fisiknya melainkan dari sisi yang lain. Pertama-tama disediakan studi mengenai teori landasan mekanisme pengolahan terjadinya intelegensi. Bidang ini dinamakan ‘Cognitive Science’. Dari teori landasan ini dibuatlah suatu model untuk disimulasikan pada komputer, dan dalam perkembangannya yang lebih lanjut dikenal bermacam sistem kecerdasan hasil pekerjaan yang salah satunya yaitu jaringan saraf tiruan. Dibandingkan dengan bidang ilmu yang lain, jaringan saraf tiruan relatif masih baru. Sejumlah literatur menganggap bahwa konsep jaringan saraf tiruan berasal pada makalah Waffen McCulloch dan Walter Pitts pada tahun 1943. Dalam makalah tersebut mereka mencoba untuk memformulasikan model matematis sel-sel otak. Cara yang dikembangkan berdasarkan sistem saraf biologi ini, yaitu suatu langkah maju dalam industri komputer.

Pengertian Landasan

Tidak masuk dua otak manusia yang pas, setiap otak selalu lain. Lain dalam ketajaman, ukuran dan pengorganisasiannya. Salah satu cara untuk paham bagaimana otak bekerja yaitu dengan mengerahkan informasi dari sebanyak mungkin scan otak manusia dan memetakannya. Hal tersebut yaitu upaya untuk menemukan cara kerja rata-rata otak manusia itu. Peta otak manusia diharap dapat menyatakan misteri mengenai bagaimana otak mengemudikan setiap tindak tanduk manusia, mulai dari penggunaan bahasa hingga gerak-gerak yang dibuat.

Walaupun demikian kepastian cara kerja otak manusia masih yaitu suatu misteri. Meski beberapa aspek dari prosesor yang menakjubkan ini telah diketahui tetapi itu tidaklah jumlah. Beberapa aspek-aspek tersebut, yaitu :

a. Tiap bagian pada otak manusia memiliki alamat, dalam struktur formula kimia, dan sistem saraf manusia berupaya untuk menemukan alamat yang cocok untuk setiap akson (saraf penghubung) yang dibuat.

b. Menempuh pembelajaran, pengalaman dan interaksi sela sistem maka struktur dari otak itu sendiri hendak menata fungsi-fungsi dari setiap bagiannya.

c. Axon-axon pada daerah yang berdekatan hendak berkembang dan telah tersedia struktur fisik mirip, sehingga terkelompok dengan arsitektur tertentu pada otak.

d. Axon berdasarkan arsitekturnya bertumbuh dalam urutan waktu, dan terhubung pada struktur otak yang berkembang dengan urutan waktu yang pas.

Berdasarkan keempat aspek tersebut di atas dapat ditarik suatu kesimpulan bahwa otak tidak seluruhnya terbentuk oleh pengolahan genetis. Terdapat pengolahan lain yang ikut membuat fungsi dari bagian-bagian otak, yang pada belakangnya memastikan bagaimana suatu informasi diproses oleh otak.

Elemen yang paling mendasar dari jaringan saraf yaitu sel saraf. Sel-sel saraf inilah membuat bagian kesadaran manusia yang meliputi beberapa kemampuan umum. Pada landasannya sel saraf biologi menerima masukan dari sumber yang lain dan mengkombinasikannya dengan beberapa cara, mengerjakan suatu operasi yang non-linear untuk menemukan hasil dan kesudahan mengeluarkan hasil belakang tersebut.

Dalam tubuh manusia terdapat jumlah variasi tipe landasan sel saraf, sehingga pengolahan berpikir manusia dijadikan sulit untuk direplikasi secara elektrik. Sekalipun demikian, semua sel saraf alami telah tersedia empat komponen landasan yang pas. Keempat komponen landasan ini diketahui berdasarkan nama biologinya yaitu, dendrit, soma, akson, dan sinapsis. Dendrit yaitu suatu perluasan dari soma yang menyerupai rambut dan beraksi menjadi saluran masukan. Saluran masukan ini menerima masukan dari sel saraf lainnya menempuh sinapsis. Soma dalam hal ini kesudahan memproses nilai masukan dijadikan sebuah output yang kesudahan dikirim ke sel saraf lainnya menempuh akson dan sinapsis.

Penelitian terbaru memberikan bukti lebih lanjut bahwa sel saraf biologi telah tersedia struktur yang lebih kompleks dan lebih canggih daripada sel saraf hasil pekerjaan yang kesudahan dibuat dijadikan jaringan saraf hasil pekerjaan yang hadir sekarang ini. Ilmu biologi mempersiapkan suatu pemahaman yang lebih baik perihal sel saraf sehingga memberikan keuntungan kepada para perancang jaringan untuk dapat terus meningkatkan sistem jaringan saraf hasil pekerjaan yang hadir berdasarkan pada pemahaman terhadap otak biologi.

Sel saraf-sel saraf ini terhubung satu dengan yang lainnya menempuh sinapsis. Sel saraf dapat menerima rangsangan berupa sinyal elektrokimiawi dari sel saraf-sel saraf yang lain. Berdasarkan rangsangan tersebut, sel saraf hendak mengirimkan sinyal atau tidak berdasarkan kondisi tertentu. Konsep landasan semacam inilah yang berhasrat dicoba para berbakat dalam menciptakan sel tiruan.

Makna

Suatu jaringan saraf tiruan memproses sejumlah luhur informasi secara paralel dan terdistribusi, hal ini terinspirasi oleh model kerja otak biologis. Beberapa makna perihal jaringan saraf tiruan yaitu menjadi berikut di bawah ini.

Hecht-Nielsend (1988) merumuskan sistem saraf hasil pekerjaan menjadi berikut:

"Suatu neural network (NN), yaitu suatu struktur pemroses informasi yang terdistribusi dan bekerja secara paralel, yang terdiri atas elemen pemroses (yang memiliki memori lokal dan beroperasi dengan informasi lokal) yang diinterkoneksi bersama dengan alur sinyal setujuan yang dinamakan koneksi. Setiap elemen pemroses memiliki koneksi keluaran tunggal yang bercabang (fan out) ke sejumlah koneksi kolateral yang dinantikan (setiap koneksi membawa sinyal yang pas dari keluaran elemen pemroses tersebut). Keluaran dari elemen pemroses tersebut dapat yaitu tanpa pola jenis persamaan matematis yang dinantikan. Seluruh pengolahan yang berlanjut pada setiap elemen pemroses harus benar-benar diterapkan secara lokal, yaitu keluaran hanya bergantung pada nilai masukan pada kala itu yang diperoleh menempuh koneksi dan nilai yang tersimpan dalam memori lokal".

Menurut Haykin, S. (1994), Neural Networks: A Comprehensive Foundation, NY, Macmillan, merumuskan jaringan saraf menjadi berikut:

“Sebuah jaringan saraf yaitu sebuah prosesor yang terdistribusi paralel dan mempuyai kecenderungan untuk menyimpan pengetahuan yang didapatkannya dari pengalaman dan membikinnya tetap tersedia untuk dipergunakan. Hal ini menyerupai kerja otak dalam dua hal yaitu: 1. Pengetahuan diperoleh oleh jaringan menempuh suatu pengolahan berlatih. 2. Daya hubungan antar sel saraf yang dikenal dengan bobot sinapsis dipergunakan untuk menyimpan pengetahuan.

Dan menurut Zurada, J.M. (1992), Introduction To Artificial Neural Systems, Boston: PWS Publishing Company, merumuskan menjadi berikut:

“Sistem saraf tiruan atau jaringan saraf tiruan yaitu sistem selular fisik yang dapat memperoleh, menyimpan dan menggunakan pengetahuan yang didapatkan dari pengalaman”.

DARPA Neural Network Study (1988, AFCEA International Press, p. 60) merumuskan jaringan syaraf hasil pekerjaan menjadi berikut :

Sebuah jaringan syaraf yaitu sebuah sistem yang dibuat dari sejumlah elemen pemroses sederhana yang bekerja secara paralel dimana fungsinya ditentukan oleh stuktur jaringan, daya hubungan, dan pegolahan diterapkan pada komputasi elemen atau nodes.

Kegunaan

Jaringan saraf tiruan kebanyakan dipergunakan untuk tugas atau pekerjaan yang belum cukup praktis bila dikerjakan secara manual.

Kegunaan Dalam Kehidupan Nyata

• Perkiraan 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

Lihat pula

Bibliografi

Pranala luar

• Selayang pandang Algoritma Jaringan Sarf Tiruan
• Pranala Open Directory
• Artikel perihal Jaringan Saraf Tiruan