Pengertian Jaringan Syaraf Tiruan – Jaringan syaraf tiruan merupakan sebuah algoritma yang biasa digunakan sebagai metode dalam proses pembuatan aplikasi. Aplikasi yang menerapkan algoritma ini maka dapat memprediksi, menganalisa dan berfikir layaknya seperti manusia.
Adanya jaringan syaraf tiruan ini tentunya sangat bermanfaat terutama di era teknologi sekarang ini. Alasannya dengan menggunakan algoritma ini maka dapat membantu manusia dalam mengambil keputusan yang tepat.
Supaya kita dapat lebih memahaminya, maka pada artikel kali ini kita akan mengupas mengenai pengertian jaringan syaraf tiruan, sejarah jaringan syaraf tiruan dan aplikasinya secara lengkap.
Daftar isi
Pengertian Jaringan Syaraf Tiruan (Artificial Neural Network)
Jaringan syaraf tiruan adalah sebuah algoritma yang digunakan untuk membuat sistem komputasi. Algoritma ini meniru arsitektur serta cara pengoperasiannya seperti layaknya sel syaraf biologis pada otak manusia.
Pada pengaplikasiannya, algoritma ini bekerja dengan mengambil informasi internal ataupun eksternal untuk dapat membentuk sebuah pola. Selanjutnya pola tersebut disimpulkan sehingga dapat memecahkan masalah.
“Sederhananya, jaringan syaraf tiruan membutuhkan sebuah pengetahuan layaknya manusia. Setelah diberikan pengetahuan, maka sistem yang menggunakan algoritma ini akan membentuk sebuah pola berdasarkan masalahnya. Selanjutnya pola tersebut akan menghasilkan suatu output dan disimpulkan sehingga dapat memecahkan masalah tersebut.”
Adapun pengertian jaringan syaraf tiruan menurut beberapa ahli:
- Menurut Maria Agustin Dalam Tesis Pada Tahun 2012
“Jaringan Syaraf Tiruan (JST) adalah jaringan dari sekelompok unit pemrosesan kecil dengan permodelan berdasarkan jaringan syaraf manusia. -Maria Agustin”
- Menurut Haykin. S Pada Tahun 2009
“Jaringan syaraf tiruan adalah prosesor yang di distribusikan secara parallel yang dirancang dari unit proses sederhana. Jaringan ini juga mempunyai kemampuan untuk menyimpan pengetahuan berdasarkan pengalaman dan bisa digunakan untuk proses lainnya. -Haykin S”
- Menurut Diyah Puspitaningrum Pada Tahun 2006
“Jaringan syaraf tiruan umunya tidak diprogram untuk dapat menghasilkan output tertentu. Semua output dan kesimpulan yang didapat pada jaringan tersebut berdasarkan pengalamannya selama proses pembelajaran. Pembelajaran pada jaringan syaraf tiruan berupa program yang berbentuk pola-pola input dan output sehingga jaringan akan dapat memberikan jawaban yang bisa diterima (tepat). -Diah Puspitaningrum”
Sejarah Jaringan Syaraf Tiruan (Artificial Neural Network)
Jaringan syaraf tiruan pertama kali diperkenalkan oleh Pitts dan Mc Culloch pada tahun 1943. Mereka memanfaatkan beberapa komputer untuk dapat menggunakan neuron sederhana untuk mengubahnya menjadi sebuah sistem baru yang bernama neural.
Sistem neural ini mempunyai kemampuan komputasi yang jauh lebih baik dari sistem sebelumnya. Selain itu sistem neural ini dikembangkan dengan pemberian fungsi logika sederhana yang bernama threshold.
Selanjutnya pada tahun 1958, Rosenblatt, Papert dan Minsky mencoba untuk mengembangkan jaringan yang disebut dengan percepton. Pada jaringan ini percepton mempunyai hasil iterasi yang lebih optimal.
Setelah percepton diperkenalkan, pada tahun 1960 Hoff dan Widrow melakukan pengembangan pada jaringan tersebut. Mereka membuat sebuah aturan pelatihan jaringan yang saat itu disebut delta atau kuadrat rata-rata terkecil. Adanya aturan delta ini membuat komputer pada saat itu dapat belajar secara otodidak dengan diatur menggunakan parameter tertentu.
Pada tahun 1986 jaringan syaraf tiruan ini mulai dikembangkan lagi oleh Rumelhart. Rumelhart berusaha untuk mengembangkan single layer pada perceptron menjadi multilayers. Adanya perkembangan ini membuat sistem tersebut merubah namanya menjadi backpropagation.
Arsitektur Jaringan Syaraf Tiruan (Artificial Neural Network)
Jaringan syaraf tiruan mempunyai 3 macam arsitektur yang biasanya sering dipakai dalam penerapan berbagai macam aplikasi. Berikut ini pembahasan mengenai 3 arsitektur jaringan syaraf buatan:
1. Jaringan Lapisan Tunggal (Single Layer Network)
 |
| Photo by MangtoyPedia.com |
Jaringan layar tunggal umumya terdiri dari layer input dan layer output. Setiap neuron yang terdapat didalam layer input akan selalu terkoneksikan dengan neural yang berada di layer output. Selain itu, contoh algoritma yang menggunakan metode single layer network adalah ADALINE, Percepton dan Hofield.
2. Jaringan Lapisan Jamak (Multi Layers Network)
 |
| Photo by MangtoyPedia.com |
Jaringan layar jamak umumnya terdiri dari layer input, hidden layer dan layer output. Jaringan ini dapat memecahkan dengan lebih baik dibandingkan dengan single layer network namun proses pelatihannya lebih rumit. Selain itu, contoh algoritma yang menggunakan metode multi layers network adalah MALDALINE, Necocognitron dan Backpropagation.
3. Jaringan Lapisan Kompetitif (Competitive Layer Network)
 |
| Photo by MangtoyPedia.com |
Jaringan lapisan kompetitif merupakan arsitektur jaringan dari syaraf tiruan yang paling kompleks. Berbeda dari kedua arsitektur jaringan sebelumnya, pada jaringan ini hubungan neuron dan lapisan tidak ditampilkan didalam arsitektur.
Sekelompok neuron didalam jaringan ini akan saling bersaing untuk mendapatkan hak aktif atau dapat mengambil semua bagian didalam aplikasi. Selain itu, contoh algoritma yang menggunakan metode ini adalah LVQ.
Aplikasi Jaringan Syaraf Tiruan (Artificial Neural Network)
Seperti yang sudah kita ketahui, bahwa jaringan syaraf tiruan ini sangat bermanfaat untuk digunakan pada aplikasi di era teknologi. Namun, apa saja aplikasi yang menggunakan algoritma ini?
1. Peramalan
Jaringan syaraf tiruan dapat digunakan sebagai algoritma untuk meramalkan suatu kejadian yang akan datang. Peramalan tersebut didapat berdasarkan pengetahuan dan pengalaman yang ditanamkan atau di input pada aplikasi tersebut.
Misalnya pada sebuah ramalan cuaca. Sistem tersebut akan mengambil sensor mengenai suhu, kelembapan dan lainnya yang akan digunakan sebagai input. Nilai-nilai input tersebut di proses sehingga menjadi output yang tepat mengenai cuaca yang akan datang.
2. Pengenalan Pola
Aplikasi yang menggunakan algoritma tersebut juga dapat mengenali pola seperti warna, huruf, suara hingga wajah manusia. Contoh aplikasinya kita dapat melihat pada smartphone atau media sosial seperti facebook yang dapat mengenali wajah penggunanya.
3. Pengolah Sinyal
Jaringan ini juga dapat mengolah sinyal dengan mengkombinasikan algoritma ADALINE (Adaptive Linear Newton) didalamnya. Contoh aplikasinya seperti saat kita menerima telefon dan dapat menjeda atau mensenyapkan suara saat didalam panggilan.
4. Penunjang Keputusan
Jaringan syaraf tiruan juga dapat digunakan sebagai sistem untuk mendukung keputusan yang akan kita ambil. Misalnya pada Bank yang memberikan pinjaman kredit terhadap nasabahnya. Sebelum diberikan pinjaman tersebut maka pihak Bank akan memerika karakteristik si peminjam.
Pada saat pemeriksaan tersebut, sistem akan mengolah data dengan mengklasifikasikan karakteristik peminjam dan memberikan kesimpulan apakah baik atau buruk. Baik atau buruk disini seperti catatan si nasabah mengenai peminjaman keuangan dari Bank tersebut ataupun lainnya.
Jika baik maka nasabah tersebut aman dan besar kemungkinan untuk selalu membayar cicilan sesuai jangka waktu yang disepakati. Namun jika buruk maka besar kemungkinan untuk tidak menyetorkan cicilannya secara tepat waktu.
Akhir Kata
Demikianlah pembahasan mengenai pengertian jaringan syaraf tiruan. Selain itu kita juga telah membahas sejarah jaringan syaraf tiruan, arsitektur jaringan syaraf tiruan dan aplikasi jaringan syaraf tiruan secara lengkap.
Semoga informasi yang sudah disampaikan ini dapat bermanfaat untuk kita semua. Terimakasih.