Sistem Jaringan Saraf Tiruan (Artificial Neural Network)

Apa sih Sistem Jaringan Saraf Tiruan? Bagaimana sih sejarahnya sampai sekarang? Lalu apa kegunaannya hal tersebut untuk kita? Oke-oke disini saya akan menjelaskannya

Jadi Jaringan saraf tiruan (JST) atau dalam bahasa Inggrisnya Artificial Neural Network (ANN),  adalah jaringan dari sekelompok unit pemroses kecil yang dimodelkan berdasarkan sistem saraf manusia. JST merupakan sistem adaptif yang dapat mengubah strukturnya untuk memecahkan masalah berdasarkan informasi eksternal maupun internal yang mengalir melalui jaringan tersebut. Oleh karena sifatnya yang adaptif, JST juga sering disebut dengan jaringan adaptif.

Lalu bagaimana Sejarahnya? Oke saya akan ceritakan tenang-tenang:)

Jadi mulanya pada tahun 1943 oleh McCulloch dan Pitts. Pada saat itu McCulloch dan Pitts melalui beberapa komputasi menggunakan neuron-neuron sederhana dapat mengubahnya menjadi sebuah sistem baru (disebut sistem neural) yang mempunyai kemampuan komputasi yang lebih baik. Selain itu McCulloch dan Pitts juga mengusulkan pemberian bobot dalam jaringan yang dapat diatur untuk melakukan fungsi logika sederhana. Mereka ini menggunakan semacam fungsi aktivasi threshold.

Pada tahun 1958, Rosenblatt beserta Minsky dan Papert mulai mengembangkan model jaringan yang disebut dengan perceptron. Dalam model ini mereka mencoba untuk mengoptimalkan hasil iterasinya. Kemudian pada tahun 1960 Widrow dan Hoff mengembangkan model perceptron ini dengan memperkenalkan aturan pelatihan jaringan yang disebut aturan delta(sering juga disebut kuadrat rata-rata terkecil). Aturan tersebut akan mengubah bobot perceptron apabila keluaran yang dihasilkan tidak lagi sesuai dengan target yang telah ditetapkan. Hal inilah yang menyebabkan komputer dapat “belajar” dengan sendirinya; kecepatan belajar dapat diatur dengan menggunakan parameter tertentu.

Perkembangan selanjutnya dibuat oleh Rumelhart (1986) dengan mencoba mengembangkan sistem layar tunggal(single layer) pada perceptron menjadi sistem layar jamak(multilayers), yang kemudian disebut dengan sistem backpropagation. Setelah itu, muncul beberapa model jaringan saraf tiruan lain yang dikembangkan oleh Kohonen (1972), Hopfield (1982), dan lain-lain.

Kalau begitu, apasih Konsep yang mendasari dari JST itu?

Dari struktur neuron pada otak manusia, dan proses kerja yang dijelaskan di atas, maka konsep dasar pembangunan neural network buatan ( Artificial Neural Network ) terbentuk. Ide mendasar dari Artificial Neural Network (ANN) adalah mengadopsi mekanisme berpikir sebuah sistem atau aplikasi yang menyerupai otak manusia, baik untuk pemrosesan berbagai sinyal elemen yang diterima, toleransi terhadap kesalahan, dan juga parallel processing.

Karakteristik dari ANN dilihat dari pola hubungan antar neuron, metode penentuan bobot dari tiap koneksi, dan fungsi aktivasinya. Gambar di atas menjelaskan struktur ANN secara mendasar, yang dalam kenyataannya tidak hanya sederhana seperti itu.

Nah jika sudah paham tentang teorinya, maka kita masuk ke contohnya.

• Pendeteksian uang palsu, evaluator aplikasi kredit, pengidentifikasian pola-pola data pasar saham.
• Pertahanan (Militer).
• Pengendali senjata, pendeteksi bom, penelusuran target, pembedaan objek, pengendali sensor, sonar, radar, dan pengolahan sinyal citra yang meliputi kompresi data, ektrasksi bagian istimewa dan penghilangan derau, pengenalan sinyal atau citra.
• Elektronik, Pembuatan perangkat keras yang bias mengimplementasikan jaringan saraf tiruan secara efisien (pendesainan VLSI), machine vision, pengontrol gerakan dan penglihatan robot, sintesis suara.
• Broadcast, Pencarian klip berita melalui pengenalan wajah.
• Pengambil keputusan dalam video game
• Pengenal Pola : Radar, Pengenal wajah, Pengenal objek

Referensi :

• https://id.wikipedia.org/wiki/Jaringan_saraf_tiruan#Model
• https://kuliahilkom.wordpress.com/2011/01/04/sejarah-perkembangan-jaringan-saraf-tiruan/
• http://kaliskinanti.blogspot.com/2017/01/jaringan-saraf-tiruan.html