Jaringan Syaraf Tiruan (Neural Network)
Teori Elektronika Jaringan Syaraf Tiruan atau Neural Network
dikemukakan pertama kali pada tahun 1943 oleh neurophysiologist Waren McCulloch
dan logician Walter Pits dalam paper yang berjudul “Bagaimana neuron bekerja?”.
Dalam uraiannya mereka memperagakan neural network yang sederhana dengan
menggunakan rangkaian listrik, namun teknologi yang tersedia pada saat itu
belum memungkinkan mereka berbuat lebih jauh. neuron adalah unit dasar dalam
sistem saraf. Ini adalah sel konduktor khusus yang menerima dan mengirimkan
impuls saraf elektrokimia. Sebuah neuron khas memiliki badan sel dan lengan
panjang yang melakukan impuls dari satu bagian tubuh ke bagian tubuh lain.
Pengertian Jaringan Syaraf Tiruan (Neural Network)
Jaringan Syaraf Tiruan atau Neural Network adalah paradigma
pemrosesan suatu informasi yang terinspirasi oleh sistim sel syaraf biologi,
sama seperti otak yang memproses suatu informasi. Elemen mendasar dari
paradigma tersebut adalah struktur yang baru dari sistim pemrosesan informasi.
Jaringan Syaraf Tiruan (Neural Network), seperti manusia, belajar dari suatu
contoh. Jaringan Syaraf Tiruan (Neural Network) dibentuk untuk memecahkan suatu
masalah tertentu seperti pengenalan pola atau klasifikasi karena proses
pembelajaran. Jaringan Syaraf Tiruan atau Neural Network berkembang secara
pesat pada beberapa tahun terakhir. Jaringan Syaraf Tiruan telah dikembangkan
sebelum adanya suatu komputer konvensional yang canggih dan terus berkembang
walaupun pernah mengalami masa vakum selama beberapa tahun.
Inspirasi Jaringan Syaraf Tiruan (Neural Network)
Jaringan Syaraf Tiruan (Neural Network) terinspirasi dari
penelitian kecerdasan buatan, terutama percobaan untuk menirukan
fault-tolerence dan kemampuan untuk belajar dari sistem syaraf biologi dengan
model struktur low-level dari otak. Otak terdiri dari sekitar (10.000.000.000)
sel syaraf yang saling berhubungan. Sel syaraf mempunyai cabang struktur input
(dendrites), sebuah inti sel dan percabangan struktur output (axon). Axon dari
sebuah sel terhubung dengan dendrites yang lain melalui sebuah synapse. Ketika
sebuah sel syaraf aktif, kemudian menimbulkan suatu signal electrochemical pada
axon. Signal ini melewati synapses menuju ke sel syaraf yang lain. Sebuah sel
syaraf lain akan mendapatkan signal jika memenuhi batasan tertentu yang sering
disebut dengan nilai ambang atau (threshold).
Berikut gambar mengenai sistem saraf manusia:
Sistem saraf yang terdiri dari kumpulan sel saraf,
masing-masing terhubung satu sama lain Adapun proses kinerja dari masing-masing
sel saraf , secara garis besar digambarkan pada gambar dibawah ini:
ANATOMI DAN MEKANISME KERJA SISTEM SARAF:
Cara Kerja Otak:
Otak manusia terdiri dari 100 milyar sel saraf, yang disebut
neuron. Setiap neuron terhubung satu sama lain, membentuk sebuah sistem yang
mengola berbagai macam informasi dari setiap stimulus, dari dalam dan luar otak
secara berkelanjutan.
Setiap neuron terdiri dari empat bagian utama: sipansis,
soma, axon, dan dendrit. Soma merupakan bagian tubuh sel yang berfungsi untuk
memproses data. Setiap jaringan saraf berbentuk panjang, serat saraf tipis yang
disebut dendrit. Akson yang bertugas mengirim informasi .
Sel saraf menerima informasi , pada pembentukan sinyal
elektris dari setiap neuron yang terhubung melintasi 1000 sinapsis, gap yang
kecil dapat dibagi menjadi dua sel saraf dan berindak sebagai input.
Suatu sel saraf dapat menerima muatan trigger walaupun
signal go, dan ijinkan pesan untuk masuk melewati sel saraf selanjutnya. Dan stop untuk sinyal pencegahan.
Teknik Neural network merupakan model matematis berbasis
fungsi otak. Semua metode Neural Network membagi konsep pada tiap neuron
(hidden units) pada setiap modelnya. Beberapa neuron menggambarkan sinapsis
sebagai sambungan biologis. Oleh karena
itu, setiap bagian tersembunyi didasari fungsi aktivasi yang dapat mengontrol
alur sinyal saraf untuk tingkat berikutnya (bobot positif menstimulasikan
stimulus rangsang dan bobot negatif mensimulasikan yang penghambatan). Setiap
bagian yang tersembnyi terbentuk melalui persamaan regresi dari proses
informasi input ke data keluaran non-linier. Oleh karena itu, jika ada lebih
dari satu sel saraf digunakan maka dapat digunakan sebagai neural
networking, dan dapat diterapkan
hubungan non-linier. Disebabkan karena hubungan non-linier anatara input dan
output, beberapa penulis membandingkan unit Neural network yang tersembunyi
sebagai kotak hitam.
KONSEP IMPLEMENTASI
SEL SARAF PADA NEURAL NETWORK
Dari gambar di atas, bisa dilihat ada beberapa bagian dari
otak manusia, yaitu :
- Dendrit (Dendrites) berfungsi untuk mengirimkan impuls yang diterima ke badan sel syaraf.
- Akson (Axon) berfungsi untuk mengirimkan impuls dari badan sel ke jaringan lain
- Sinapsis berfungsi sebagai unit fungsional di antara dua sel syaraf.
Jika diatas tentang struktur syaraf manusia dibawah ini kita
akan mengenal struktur neural network. Seperti yang sudah diucapkan diatasi
Artificial neural network/neural network/neural network buatan.
Artificial Neural Network mengadopsi mekanisme berpikir
sebuah sistem atau aplikasi yang menyerupai otak manusia, baik untuk pemrosesan
berbagai sinyal elemen yang diterima, toleransi terhadap kesalahan/error, dan
juga parallel processing. Strukturnya ga jauh beda dengan struktur syaraf
manusia, berikut penjelasannya :
- Input, berfungsi seperti dendrite.
- Output, berfungsi seperti akson.
- Fungsi aktivasi, berfungsi seperti sinapsis.
Kegunaan Neural Network dalam kehidupan nyata :
- Mendeteksi golongan darah manusia menggunakan teknik pengolahan citra.
- Memprediksi pasar saham.
- Pengontrolan gerakan pada robot / robotik.
- Menganalisis sel kanker dan masih banyak lagi.
- 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.
Daftar Pustaka
http://elektronika-dasar.web.id/jaringan-syaraf-tiruan-neural-network/
(23 November 2016)
http://www.news-medical.net/health/What-is-the-Nervous-System.aspx
(23 November 2016)
http://www.scienceclarified.com/scitech/Artificial-Intelligence/Mind-Versus-Metal.html
(23 November 2016)
http://www.intechopen.com/books/artificial-neural-networks-architectures-and-applications/applications-of-artificial-neural-networks-in-chemical-problems
(23 November 2016)
http://nurul-khusnia-fst12.web.unair.ac.id/artikel_detail-159099-FISIKA%20KOMPUTASI-Neural%20Network.html
(23 November 2016)