Pengenalan Jaringan Syaraf Tiruan

Unduh sebagai pptx, pdf, atau txt
Unduh sebagai pptx, pdf, atau txt
Anda di halaman 1dari 13

Pengenalan Jaringan Syaraf Tiruan

Erlin Windia Ambarsari, ST Universitas Indraprasta PGRI Erlinwin.wordpress.com

Struktur otak manusia sangat kompleks & rumit Otak terdiri neuron-neuron dan sinapsis (penghubung) Neuron bekerja berdasarkan impuls/sinyal Manusia memiliki 1012 neuron dan 6.1018 sinapsis mengenali pola, melakukan perhitungan, mengontrol organ2 tubuh Mempunyai kemampuan membentuk sendiri pola berdasarkan pengalaman.

Jaringan Syaraf Biologi

Dendrit menerima sinyal dari neuron lain


Sinyal berupa impulse elekrik dikirim melalui celah sinaptik Sinyal dapt dpt diperkuat/diperlemah di celah sinaptik

Soma menjumlahkan semua sinyal-sinyal yang masuk


Jika kuat dan melebihi batas akan diteruskan ke sel lain melalui axon

Neural biologi merupakan sistem yang fault tolerant :


Manusia dapat mengenali sinyal input yang agak berbeda dari yang pernah diterima sebelumnya. Otak manusia tetap mampu bekerja meskipun beberapa neuronnya tidak mampu bekerja dengan baik
Sebuah neuron rusak, neuron lain dpt dilatih menggantikan fungsi sel yang rusak.

Sistem pemroses informasi memiliki karakter mirip dengan jaringan syaraf biologi Dibentuk debagai generalisasi model matematika dari Jar. Syaraf Biologi

Pemrosesan informasi terjadi pada banyak elemen sederhana (neuron) Sinyal dikirimkan diantara neuron2 melalui penghubung2 Penghubung antar neuron memiliki bobot yang akan memperkuat atau memperlemah sinyal Untuk menentukan output, setiap neuron menggunakan fungsi aktifitas (nonlinier) dikenakan pada jumlah input yang diterima.
Besar output selanjutnya dibandingkan dengan batas ambang

Jaringan Syaraf Tiruan

3 ketentuan JST :
Pola hubungan antar neuron (arsitektur jaringan) Metode untuk menentukan bobot penghubung (metode training/learning/algoritma) Fungsi aktivasi
Pengambilan keputusan, pengenalan pola, prediksi

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

Kegunaan JST

Banyak teknik algoritma JST yang tersedia yang memiliki arsitektur yang sangat beragam dan canggih Komputer digital berkecepatan tinggi Aplikasi yang sangat luas

Kedudukan JST dalam informatika

Robert Hecht-Nielsen, seorang kontributor dalam bidang jaringan saraf, melihat bahwa aplikasi-aplikasi jaringan saraf selama beberapa tahun ini umumnya berpusat pada tiga bidang utama, yaitu analisis data, pengenalan pola, dan fungsi kendali.

Contoh aplikasi JST

Analisis data bidang aplikasi potensial mencakup pemrosesan aplikasi pinjaman, analisis perdagangan komoditas, peramalan runtut waktu, prediksi panen, meteorologi, analisis pasar, pola aktivitas konsumen, penegakan hukum yang melibatkan pencarian catatan kriminal. Pengenalan pola optical character recognition melibatkan cek yang ditulis tangan dan alamat surat yang ditulis tangan. Masalah-masalah pengenalan pola juga terdapat dalam bidang inspeksi industri, misalnya dalam inspeksi silicon wafer, terdapat cacat yang tidak mudah dikenali. Aplikasi pengendalian yang sesuai untuk jaringan saraf meliputi fungsi-fungsi seperti operasi peralatan mesin. Sebagai contoh, suatu alat yang cukup kaku memegang blok metal menjadi rentan untuk rusak dalam operasi kecepatan tinggi. Sensor yang mendeteksi getaran dan tekanan dapat memberikan petunjuk real-time mengenai kelemahan-kelemahan operasi dengan sebuah jaringan saraf dilatih untuk mengenali kelemahankelemahan multi dimensional.

AVCO Financial Services, di Irvine, California, menggunakan sistem jaringan saraf untuk menganalisis risiko kredit. Sistem ini diujikan pada lebih dari 100.000 kasus kredit. Dalam artikelnya New York Times melaporkan bahwa dalam satu uji terlihat indikasi akan adanya kenaikan laba sebesar 27% jika digunakan sistem jaringan saraf dibanding bila menggunakan sistem evaluasi dengan menggunakan komputer yang sebelumnya dipakai AVCO.

Contoh Aplikasi lain

Intel mengembangkan aplikasi kecil yang menyelidiki keekspresifan pembicaraan manusia. Dengan membatasi sistem hanya untuk pembicara tunggal pada satu waktu dan dengan membatasi kosa kata (sekitar 100 kata atau frase), sistem ini mampu mengenali suara manusia dengan ketepatan 99%. Sistem pemasukan data yang dikendalikan suara ini telah banyak digunakan dalam berbagai aplikasi manufaktur sejak tahun 1983.

Anda mungkin juga menyukai