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, memiliki sifat adaptif yang dapat mengubah stukturnya untuk memecahkan masalah berdasarkan informasi yang mengalir melalui jaringan tersebut. Dengan jaringan saraf tiruan
maka kita dapat memberikan semacam
kecerdasan pada sistem, dimana sistem
tersebut akan diberikan waktu untuk
'belajar' dan kemudian diharapkan dari
proses belajarnya, sistem bisa
memberikan solusi dari suatu kasus. JST (Jaringan Saraf Tiruan) memiliki
ciri-ciri sebagai berikut:
1. Memiliki pola hubungan antara elemen-elemen sederhana antara neuron yang disebut arsitektur.
2. Metode yang menentukan bobot pada tiap koneksi(disebut training atau learning, algorithm).
3. Memiliki fungsi aktivasi(Fausett,1933).
1. Memiliki pola hubungan antara elemen-elemen sederhana antara neuron yang disebut arsitektur.
2. Metode yang menentukan bobot pada tiap koneksi(disebut training atau learning, algorithm).
3. Memiliki fungsi aktivasi(Fausett,1933).
Arsitektur
Artificial Neural Network
Kelebihan Artificial Neural Network :
- Mampu mengakuisisi pengetahuan walau tidak ada kepastian.
- Mampu melakukan generalisasi dan ekstraksi dari suatu pola data tertentu.
- Kemampuan perhitungan secara paralel sehingga proses lebih singkat.
Kekurangan Artificial Neural Network :
- Kurang mampu untuk melakukan operasi-operasi numerik dengan presisi tinggi.
- Kurang mampu melakukan operasi algoritma aritmatik, operasi logika dan simbolis.
- Lamanya proses training yang mungkin terjadi dalam waktu yang sangat lama untuk jumlah data yang besar.
Bidang-bidang penelitian yang
memanfaatkan jaringan saraf tiruan diantaranya:
- Aeorospace
Autopilot pesawat terbang, simulasi jalur penerbangan, system kendali pesawat, perbaikan autopilot dan simulasi komponen pesawat.
- Otomotif
Sistem kendali otomatis mobil.
- Keuangan dan Perbankan
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.
- Aeorospace
Autopilot pesawat terbang, simulasi jalur penerbangan, system kendali pesawat, perbaikan autopilot dan simulasi komponen pesawat.
- Otomotif
Sistem kendali otomatis mobil.
- Keuangan dan Perbankan
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.
Fungsi dari neural network
diantaranya adalah:
1. Pengklasifikasian pola
2. Memetakan pola yang di dapat dari input ke dalam pola baru pada output
3. Penyimpanan pola yang akan dipanggil kembali
4. Memetakan pola-pola yang sejenis
5. Pengoptimasi permasalahan
6. Predikasi
1. Pengklasifikasian pola
2. Memetakan pola yang di dapat dari input ke dalam pola baru pada output
3. Penyimpanan pola yang akan dipanggil kembali
4. Memetakan pola-pola yang sejenis
5. Pengoptimasi permasalahan
6. Predikasi
Referensi:
Edy Irwansyah , Muhammad Faisal, 2015:
Teori dan Aplikasi
Tidak ada komentar:
Posting Komentar