Sebuah Artificial Neural Network (ANN) adalah paradigma pengolahan informasi yang terinspirasi oleh sistem syaraf secara biologis, seperti otak. Elemen kunci dari paradigma Artificial Neural Network adalah struktur novel dari sistem pengolahan informasi. Terdiri dari sejumlah elemen pemrosesan yang saling berhubungan (neuron) yang sangat besar, bekerja serentak untuk menyelesaikan masalah tertentu (Pricipe,2000).
Seperti manusia yang belajar dari contoh, demikian juga dengan Artificial Neural Network. Sebuah Artificial Neural Network dikonfigurasi untuk aplikasi tertentu, seperti klasifikasi pengenalan pola atau data, melalui proses pembelajaran. Belajar dalam sistem biologis melibatkan penyesuaian terhadap koneksi sinaptik yang ada antara neuron. Hal ini berlaku juga pada Artificial Neural Network dimana memperoleh pengetahuan melalui pembelajaran, dan pengetahuan yang disimpan dalam koneksi antar-neuron yang kuat dan dikenal sebagai bobot sinaptik (Alyda,2006).
Salah satu penerapan Artificial Neural Network adalah digunakan untuk pengenalan karakter optik yang dikenal dengan Optical Character Recognation. Optical Character Recognition merupakan suatu teknologi yang memungkinkan mesin (komputer) secara otomatis dapat mengenali karakter lewat suatu mekanisme optik. Proses yang dilakukan adalah mengubah citra yang mengandung karakter-karakter di dalamnya ke dalam informasi yang dapat dimanipulasi oleh mesin.
Fungsi dari Neural Network diantaranya adalah:
1. Pengklasifikasian pola
2. Memetakan pola yang didapat dari input ke dalam pola baru pada output
3. Penyimpan pola yang akan dipanggil kembali
4. Memetakan pola-pola yang sejenis
5. Pengoptimasi permasalahan
6. Prediksi
Sejarah Neural Network
Perkembangan ilmu Neural Network sudah ada sejak tahun 1943 ketika Warren McCulloch dan Walter Pitts memperkenalkan perhitungan model neural network yang pertama kalinya. Mereka melakukan kombinasi beberapa processing unit sederhana bersama-sama yang mampu memberikan peningkatan secara keseluruhan pada kekuatan komputasi.
Hal ini dilanjutkan pada penelitian yang dikerjakan oleh Rosenblatt pada tahun 1950, dimana dia berhasil menemukan sebuah two-layer network, yang disebut sebagai perceptron. Perceptron memungkinkan untuk pekerjaan klasifikasi pembelajaran tertentu dengan penambahan bobot pada setiap koneksi antar-network.
Keberhasilan perceptron dalam pengklasifikasian pola tertentu ini tidak sepenuhnya sempurna, masih ditemukan juga beberapa keterbatasan didalamnya. Perceptron tidak mampu untuk menyelesaikan permasalahan XOR (exclusive-OR). Penilaian terhadap keterbatasan neural network ini membuat penelitian di bidang ini sempat mati selama kurang lebih 15 tahun. Namun demikian, perceptron berhasil menjadi sebuah dasar untuk penelitian-penelitian selanjutnya di bidang neural network. Pengkajian terhadap neural network mulai berkembang lagi selanjutnya di awal tahun 1980-an. Para peneliti banyak menemukan bidang interest baru pada domain ilmu neural network. Penelitian terakhir diantaranya adalah mesin Boltzmann, jaringan Hopfield, model pembelajaran kompetitif, multilayer network, dan teori model resonansi adaptif. Untuk saat ini, Neural Network sudah dapat diterapkan pada beberapa task, diantaranya classification, recognition, approximation, prediction, clusterization, memory simulation dan banyak task-task berbeda yang lainnya, dimana jumlahnya semakin bertambah seiring berjalannya waktu.
Artificial Neural Network (ANN)
Neuron adalah satuan unit pemroses terkecil dari otak, bentuk sederhana dari sebuah neuron digambarkan seperti Gambar 1
Tiruan neuron dalam struktur Artificial Neural Network adalah sebagai elemen pemroses seperti ditunjukkan pada Gambar 2. Dimana berfungsi sebagai sebuah neuron dalam sistem syaraf dalam sel biologi. Sejumlah sinyal input a dikalikan dengan masing-masing penimbang yang bersesuaian w. Selanjutnya dijumlahkan dari seluruh hasil perkalian tersebut. Keluaran yang dihasilkan dilewatkan kedalam fungsi pengaktif untuk mendapatkan tingkatan derajad sinyal output F(a,w).
Dimana :
aj : Nilai aktivasi dari unit j
wj, i : Bobot dari unit j
in : Penjumlahan bobot dan masukan ke unit i
g : Fungsi aktivasi
ai : Nilai aktivasi dari unit i
Contoh Penerapan ANN pada Pemetaan Soal UN
Menurut Marimin dalam Indrawanto (Indrawanto dkk,2007) metode ANN memiliki karakteristik yang menyerupai jaringan syaraf biologi dalam memproses informasi. Salah satu penerapan ANN adalah untuk pemetaan data input dengan suatu pola yang diinginkan (Santoso,2004). Parameter-parameter yang ada dalam pemetaan soal UN digunakan sebagai bagian dalam sistem ANN yang dibangun. Dengan penggunaan ANN diharapkan memberi kemudahan bagi guru dalam melakukan pemetaan soal UN dan hasil yang diperoleh relatif lebih akurat.
ANN sendiri telah banyak diaplikasikan dalam bidang komputer, teknik, ilmu murni, perdagangan, financial dan lain-lain. Diantaranya adalah pengklasifikasian jenis tanah (Nafisah dkk,2008), dalam penelitian ini digunakan metode ANN Backpropagation untuk mengenali pola dalam pengklasifikasian jenis tanah ke dalam jenis gravel, sand, slit/ sloam, clay, heavy clay, atau peat, dengan bantuan software Weka 3.5.7. Sedangkan Giri Daneswara dan Veronika S Moertini (2004) dalam penelitiannya mengaplikasikan jaringan syaraf tiruan propagasi balik untuk klasifikasi data, dan Harryanto (2006) meneliti tentang aplikasi cluster analysis menggunakan self organizing maps (SOM) untuk analisa talenta pemain basket. Contoh aplikasi yang lain adalah pengenalan daun untuk klasifikasi tanaman (Budi,2008), pemodelan multivariat deret waktu sumber daya air (Ferianto, 2003), prakiraan harga minyak sawit (Salya, 2006), prakiraan keuntungan saham (Zhang, 2004) dan prakiraan kebutuhan energi (McMenamin,1998). Pada penelitian ini ANN digunakan untuk membangun sebuah model pemetaan soal UN matematika secara mudah berdasarkan bank data hasil laporan UN yang dikeluarkan oleh pusat penilaian pendidikan balitbang diknas dan BSNP.
Sumber Terkait :
- http://socs.binus.ac.id/2012/07/26/konsep-neural-network/
- https://www.academia.edu/7523960/IMPLEMENTASI_ARTIFICIAL_NEURAL_NETWORK_ANN_UNTUK_OPTICAL_CHARACTER_RECOGNATION?
- http://www.lpmpjateng.go.id/web/index.php/arsip/karya-tulis-ilmiah/798-penggunaan-metode-artificial-neural-network-dengan-algoritma-self-organizing-maps-untuk-membantu-gur
.
Tidak ada komentar:
Posting Komentar