Lanjutan Materi AI Semester III JARINGAN SARAF

1.2.   DEFINISI JARINGAN SARAF TIRUAN

Jaringan saraf merupakan representasi buatan dari otak manusia yang selalu mencoba mensimulasikan proses pemebelajaran otak manusia tersebut. Istilah buatan digunakan karena jaringan saraf di implementasikan dengan menggunakan program komputer yang mampu menyelesaikan sejumlah proses perhitungan selama proses pembelajaran.[6]

Jaringan Saraf Tiruan merupakan sistem pemrosesan informasi yang memiliki karakteristik kemampuan yang secara umum mirip dengan jaringan saraf  biologi. Jaringan saraf tiruan telah dikembangkan sebagai turunan model matematika dari kesadaran manusia atau saraf biologis, karena berdasar pada asumsi bahwa[6]:

a.    Pemrosesan informasi terjadi pada beberapa elemen sederhana    yang disebut neuron.

b.   Sinyal lewat diantara neuron menciptakan jaringan koneksi.  

c.     Setiap koneksi penghubung memiliki bobot yang terhubung, yang dalam jaringan saraf tertentu mengalikan sinyal yang ditransmisikan.

d.   Setiap neuron mempunyai fungsi aktrivasi (biasanya non linier) pada jaringan inputnya (jumlah dari bobot sinyal input) untuk menentukan sinyal outputnya.

Karakteristik dari jaringan saraf tiruan adalah [6]:

a.    Pola hubungan antar neuron ( yang menjadi arsitekturnya).

b.   Metode penentuan bobot dalam koneksi (disebut sebagai proses latihan, pembelajaran, atau Algoritma ).

c.    Fungsi aktivasi.

            Jaringan saraf biologis terdiri atas sel–sel yang disebut neuron. Pada jaringan saraf tiruan, juga terdapat istilah neuron atau sering disebut unit, sel, node. Setiap neuron terhubung dengan neuron–neuron yang lain melalui layer dengan bobot tertentu. Bobot disini melambangkan informasi yang digunakan oleh jaringan untuk menyelesaikan persoalan. Pada jaringan saraf biologis, bobot tersebut dapat dianalogikan dengan aksi pada proses kimia yang terjadi pada synaptic gap. Sedangkan neuron mempunyai internal state yang disebut aktivasi. Aktivasi merupakan fungsi dari input yang diterima. Suatu neuron akan mengirimkan sinyal ke neuron–neuron yang lain, tetapi pada suatu saat hanya ada satu sinyal yang dikeluarkan walaupun sinyal tersebut ditransmisikan ke beberapa neuron yang lain. Sistem jaringan saraf banyak digunakan dalam berbagai bidang antara lain kedokteran, bisnis, keuangan, maupun elektronika termasuk pemrosesan sinyal dan sistem kontrol.[7].

Definisi

Suatu jaringan saraf tiruan memproses sejumlah besar informasi secara paralel dan terdistribusi, hal ini terinspirasi oleh model kerja otak biologis. Beberapa definisi tentang jaringan saraf tiruan adalah sebagai berikut di bawah ini.

Hecht-Nielsend (1988) mendefinisikan sistem saraf buatan sebagai berikut:

"Suatu neural network (NN), adalah suatu struktur pemroses informasi yang terdistribusi dan bekerja secara paralel, yang terdiri atas elemen pemroses (yang memiliki memori lokal dan beroperasi dengan informasi lokal) yang diinterkoneksi bersama dengan alur sinyal searah yang disebut koneksi. Setiap elemen pemroses memiliki koneksi keluaran tunggal yang bercabang (fan out) ke sejumlah koneksi kolateral yang diinginkan (setiap koneksi membawa sinyal yang sama dari keluaran elemen pemroses tersebut). Keluaran dari elemen pemroses tersebut dapat merupakan sebarang jenis persamaan matematis yang diinginkan. Seluruh proses yang berlangsung pada setiap elemen pemroses harus benar-benar dilakukan secara lokal, yaitu keluaran hanya bergantung pada nilai masukan pada saat itu yang diperoleh melalui koneksi dan nilai yang tersimpan dalam memori lokal".

Menurut Haykin, S. (1994), Neural Networks: A Comprehensive Foundation, NY, Macmillan, mendefinisikan jaringan saraf sebagai berikut:

“Sebuah jaringan saraf adalah sebuah prosesor yang terdistribusi paralel dan mempuyai kecenderungan untuk menyimpan pengetahuan yang didapatkannya dari pengalaman dan membuatnya tetap tersedia untuk digunakan. Hal ini menyerupai kerja otak dalam dua hal yaitu: 1. Pengetahuan diperoleh oleh jaringan melalui suatu proses belajar. 2. Kekuatan hubungan antar sel saraf yang dikenal dengan bobot sinapsis digunakan untuk menyimpan pengetahuan.

Dan menurut Zurada, J.M. (1992), Introduction To Artificial Neural Systems, Boston: PWS Publishing Company, mendefinisikan sebagai berikut:“Sistem saraf tiruan atau jaringan saraf tiruan adalah sistem selular fisik yang dapat memperoleh, menyimpan dan menggunakan pengetahuan yang didapatkan dari pengalaman”.

DARPA Neural Network Study (1988, AFCEA International Press, p. 60) mendefinisikan jaringan saraf buatan sebagai berikut :

Sebuah jaringan saraf adalah sebuah sistem yang dibentuk dari sejumlah elemen pemroses sederhana yang bekerja secara paralel dimana fungsinya ditentukan oleh stuktur jaringan, kekuatan hubungan, dan pegolahan dilakukan pada komputasi elemen atau nodes

1.3.  KOMPONEN JARINGAN SARAF

Ada beberapa tipe jaringan saraf, tetapi hampir semuanya memiliki komponen–komponen yang sama. Seperti halnya otak manusia, jaringan saraf juga terdiri dari beberapa neuron, dan ada hubungan antara neuron–neuron tersebut. Neuron–neuron tersebut akan mentransformasikan informasi yang diterima melalui sambungan keluarnya menuju ke neuron–neuron yang lain. Pada jaringan saraf, hubungan ini dikenal dengan nama bobot. Informasi tersebut disimpan pada nilai tertentu pada bobot tersebut. Pada gambar 1.3 menunjukkan struktur neuron pada jaringan saraf.

materi Semester III LOGIKA FUZZY

A.   Logika Fuzzy 

Fungsi keanggotaan (µ_f = membership function) merupakan suatu kurva yang menunjukkan pemetaan antara titik-titik input data ke dalam nilai keanggotaannya (derajat keanggotaan).

Ambil U sebagai semesta dari himpunan objek { u }. Himpunan fuzzy F dalam semesta pembicaraa U dinyatakan dalam nilai keanggotaan µ_f yang mempunyai interfal nilai .  Himpunan fuzzy biasanya dinyatakan dengan :

              

jika U kontinyu maka himpunan F dapat ditulis dengan :

                       

jika U diskrit maka himpunan F dapat ditulis dengan :

                       

Contoh nilai keanggotaan dari suatu himpunan fuzzy dapat dilihat pada Gambar 5.

Gambar 5. Nilai keanggotaan untuk himpunan fuzzy segitiga

Materi AI Semester III JARINGAN SARAF

JARINGAN SARAF TIRUAN

1.1.  Jaringan Saraf Biologi

Otak manusia tersusun atas sel-sel saraf atau neuron-neuron yang membentuk jaringan. Sekumpulan neuron (saraf) yang saling terhubung ini berfungsi untuk memberikan sebuah tanggapan atas sebuah rangsangan yang mengenainya. Setiap rangsangan memiliki tanggapan-tanggapan tersendiri dari sebuah neuron tersebut terhadap jenis rangsangan yang mengenainya.

Sebuah neuron memiliki 3 tipe komponen yaitu dendrit (bagian yang menerima rangsang dari axon), soma (badan sel saraf) dan axon (bagian sel yang berhubungan dengan dendrit sel saraf lain dan membentuk simpul yang disebut sinapsis). Dendrit dapat menerima banyak sinyal dari neuron lain. Sinyal adalah impuls listrik yang dipancarkan menyebrangi celah sinapsis yang disebabkan proses kimia. Tindakan dari pancaran proses kimia mengubah sinyal yang datang (secara khas, dengan penskalaan frekuensi sinyal yang diterima). Proses tersebut sama dengan sifat bobot dalam jaringan saraf tiruan [6].

Soma, atau badan sel menjumlahkan sinyal yang datang. Ketika masukan cukup diterima, sel menjadi aktif, saat itulah sel mengirimkan sinyal melaui axonnya ke sel lain. Kejadian ini menimbulkananggapan bahwa setiap sel saraf berada dalam keadaan aktif atau tidak aktif, pada setiap satuan waktu. Sehingga pengiriman sinyal dikenali sebagai kode biner. Kenyataannya, frekuensi dari keadaan aktif bervariasi, sesuai dengan kekuatan sinyal yakni kuat atau lemah magnitudenya. Pencocokan dengan kode biner ini dilakukan untuk menentukan tahap-tahap dalam tiap waktu diskrit dan menjumlahkan semua aktivitas (sinyal diterima atau dikirim) pada tahap tertentu berdasarkan satuan waktu.

Transmisi sinyal dari neuron tertentu disempurnakan dengan hasil kerja energi potensial neuron yang disebabkan perbedaan konsentrasi ion-ion dari setiap sisi sarung pelindung axon neuron (sumsum otak manusia). Ion-ion kebanyakan secara langsung melibatkan zat-zat potassium, sodium dan klorida.

Beberapa fitur penting proses elemen dari jaringan saraf tiruan yang berasal dari cara kerja jaringan saraf biologi [6]: 

a. Elemen pemroses menerima beberapa sinyal.

b. Sinyal memungkinkan dimodifikasi oleh bobot pada sinapsis penerima.

c.  Elemen pemroses menjumlahkan bobot input.

d. Dalam lingkungan yang sesuai (jumlah input yang sesuai), neuron mengirimkan output tunggal.

e. Output dari neuron khusus memungkinkan dipindahkan ke beberapa neuron lain (melalui cabang axon).

Beberapa fitur jaringan saraf tiruan yang dipelajari dari neuron biologi[6] :

a. Pemrosesan informasi bersifat lokal (meskipun cara berbeda dalam proses transmisi, seperti aksi beberapa hormon, memungkinkan penganjuran cara control proses yang bersifat keseluruhan).

b. Memori terdistribusi :

1. Memori yang berjangka panjang berada dalam sinapsis neuron  atau bobot.

2. Memori jangka pendek merespon sinyal kiriman oleh neuron.

c. Kekuatan sinapsis dapat dimodifikasi oleh pengalaman.

d. Neuron pengirim untuk sinapsis mungkin bersifat pengeksitasi atau penghambat.

Karakteristik penting lain jaringan saraf tiruan yang merupakan bagian dari sistem saraf biologi adalah toleransi kesalahan/kekurangan data. Sistem saraf biologi memiliki toleransi kesalahan dalam 2 aspek [6] :

a.    Dapat mengenali banyak input sinyal yang beberapa diantaranya berbeda dengan yang pernah dikenali sebelumnya. Sebagai contoh kemampuan manusia untuk mengenali seseorang dari suatu gambaran atau mengenali seseorang setelah periode yang lama.

b.Dapat menerima kerusakan ke dalam sistem saraf itu sendiri.

Manusia memiliki lebih dari 100 trilyun neuron. Kebanyakan diantaranya berada di otak. Jika terjadi kerusakan pada salah satu bagian, maka akan memungkinkan bagian lain akan menjalankan fungsi dari neuron yang rusak [6]. Adapun perbandingan kedua jaringan tersebut dapat dilihat pada gambar 1.1 dan gambar 1.2.          Next >>