Tutorial : Pendahuluan tentang Jaringan Syaraf Tiruan (Artificial Neural Network)

Menurut Zhang (2004) dalam bukunya Neural Network for Business Forecating, Jaringan Syaraf Tiruan (Artificial Neural Network / ANN) merupakan suatu pemodelan komputasi yang dapat digunakan untuk memproses informasi serta identifikasi pola maupun fenomena. Pada dasarnya Jaringan Syaraf Tiruan disusun sedemikian rupa sehingga memiliki karakteristik yang mirip dengan Jaringan Syaraf Biologi. ANN dibentuk sebagai generalisasi model matematika dari Jaringan Syaraf Biologi, dengan asumsi bahwa :

  1. pemrosesan informasi terjadi pada banyak elemen sederhana (neuron)
  2. sinyal dikirimkan antara neuron-neuron melalui sebuah penghubung
  3. penghubung antar neuron memiliki bobot yang akan memperkuat atau memperlemah sinyal
  4. untuk menentukan output, setiap neuron menggunakan fungsi aktivasi yang dikenakan pada jumlahan input yang diterima.
Pada aplikasinya, ANN sering digunakan untuk analisis regresi, peramalan deret waktu maupun klasifikasi. Berdasarkan gambar di atas, ANN memiliki beberapa lapisan yaitu :


1. Input Layer
Input Layer menerima input-input berupa gambaran suatu permasalahan dari luar.

2. Hidden Layer
Hidden Layer merupakan lapisan tersembunyi dalam proses ANN.

3. Output Layer 
Output Layer berisi lapisan hasil dari proses ANN.

ANN sendiri memiki beberapa tipe Arsitektur (pola hubungan antar layer). Menurut Fausett (1994) dalam bukunya Fundamentals of Neural Network (Architectures, Algorithms, and Applications), Arsitektur ANN diklasifikasikan menjadi 3 yaitu :

Single Layer
Jaringan dengan lapisan tunggal memiliki satu lapisan dengan bobot-bobot terhubung. Jaringan ini hanya menerima input kemudian secara langsung akan mengolahnya menjadi output tanpa harus melalui lapisan lain (lapisan tersembunyi). Dengan kata lain, ciri-ciri dari arsitektur jaringan saraf lapisan tunggal adalah hanya terdiri dari satu lapisan input dan satu lapisan output.
Multilayer Layer
Jaringan dengan banyak lapisan memiliki satu atau lebih lapisan yang berada diantara lapisan input dan lapisan output (terdapat satu atau lebih lapisan tersembunyi). Jaringan dengan banyak lapisan ini dapat menyelesaikan permasalahan yang lebih sulit dibanding dengan jaringan dengan lapisan tunggal.
Competitive Layer
Pada jaringan ini, antar neuron dapat saling dihubungkan.
Macam-macam penggunaan dan pengaplikasian Jaringan Syaraf Tiruan akan diulas pada artikel-artikel selanjutnya.
Share:

1 comment:

  1. Big Data Hadoop training e-learning is provided along with this deep learning course to ensure that handling images become easy.machine learning course in pune

    ReplyDelete

close
Coba Kolom Pertanyaan
Dengan Jawaban Lebih Jelas
Klik Disini