ANN ( Artifical Neural Networks )

ANN ( Artifical Neural Networks )

Pengertian ANN

Artifical Neural Networks atau yang bisa disebut juga dengan Jaringan Syaraf Tiruan adalah teknik atau pendekatan pengolahan dalam informasi oleh cara kerja sistem saraf biologis,dikhususkan pada sel otak manusia dalam memproses Informasi. Cara kerjanya antara lain dapat dianalogikan sebagai halnya manusia belajar dengan menggunakan contoh sebagai supervised learning. Neural Network dikonfigurasi untuk aplikasi tertentu, seperti sebuah pengenalan pola atau Klasifikasi pada data, dan dapat disempurnakan dalam proses pembelajaran.

Neural Network memproses sebuah informasi berdasarkan dari cara kerja otak manusia itu sendiri. Yang didalamnya terdapat sejumlah elemen pemrosesan yang saling terhubung dan bekerja secara paralel dalam memecahkan suatu masalah. Dalam memecahkan masalah haruslah diketahui sebelumnya untuk kemudian dibuat menjadi beberapa bagian intruksi kecil yang terstruktur dan kemudian akan dikonverens menjadi sebuah program dalam computer dan dimasukan kedalam mesin yang dapat dijalankan oleh computer.

Sejarah terbentuknya ANN

Pada tahun 1943,Warren McCulloch bersama dengan  Walter Pitts menjadi awal mula mereka mengenalkan perhitungan dengan model neural network. Mereka berdua merancang model matematis dari sel-sel otak dengan melakukan kombinasi processing unit sederhana agar mampu meningkatkan secara keseluruhan pada kekuatan komputasi. Pada tahun 1949, Hebb menyatakan informasi yang dapat disimpan dalam koneksi antar neuron yang ada. Dan hal ini pun dilanjutkan yang dikerjakan oleh Rosenblatt tahun 1950,yang berhasil menemukan sebuah two-layer network ( Perceptron ) .

Keberhasilan perception didalam pengklasifikasian pola tersebut tidak sepenuhnya sempurna, masih ditemukan suatu keterbatasan didalamnya. Keterbatasannya adalah tidak mampu menyelesaikan permasalahan XOR ( exclusive-OR ).Namun demikian perceptron berhasil menjadi dasar dalam penelitian selanjutnya di bidang neural network.vdan mulai berkembang lagi di awal tahun 1980-an, yang dimana pada peneliti menemukan banyak bidang interest baru pada domain dalam ilmu neural network.Penelitian terakhir adalah mesin Boltzmann,dalam jaringan Hopfield, ada model pembelajaran kompetitif, miltilyer network, dan teori model resonansi adaptif.

Konsep Neural Network

1. Proses kerja jaringan syaraf pada otak manusia

 Yang dimana ide dasarnya dimulai dari otak manusia, yang memuat sekitar  neuton. Yang berfungsi memproses setiap informasi yang masuk. Masing-masing sel tersebut akan saling berinteraksi satu sama lain untuk menghasilkan kinerjapada otak manusia.

2. Struktur Neural Network

Struktur neuron pada otak manusia dan proses kerja dijelaskan yang akan menghasilkan konsep dasar pembangunan neural network buatan tersebut. Mengadopsi mekanisme berpikir dalam sebuah sistem yang menyerupai otak pada manusia, baik untuk memproses berbagai sinyal elemen yang akan diterima.
 

Kelebihan dan Kekurangan Artificial Neural Network:

Keuntungan :

1. Suatu neural jaringan dapat melaksanakan tugas yang suatu program linier tidak bisa.

2. Ketika suatu unsur neural jaringan gagal, ANN masih dapat melanjut tanpa masalah oleh paralel mereka.

3. ANN bisa diimplementasikan pada berbagai aplikasi.

4. ANN bisa diimplementasikan tanpa masalah yang berarti

Kerugian :

1. ANN membutuhkan “pelatihan” terlebih dahulu sebelum beroprasi.

2. Arsitektur dari ANN berbeda dari arsitektur kebanyakan microprocessor, sehingga membutuhkan proses emulasi.

3. Membutuhkan waktu processing yang tinggi untuk ANN dengan ukuran yang besar.

Peran Jaringan Syaraf Tiruan Dalam Aspek Kehidupan;

Jaringan saraf tiruan pada umumnya digunakan untuk tugas atau pekerjaan yang kurang praktis jika 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.

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.