Jaringan Syaraf Tiruan (Neural Network): Komponen dan Contohnya

Dalam otak manusia memiliki neuron atau sel syaraf yang jumlahnya hingga jutaan. Neuron itu akan saling berinteraksi untuk menghasilkan suatu keputusan. Terinspirasi dari jaringan syaraf pada otak manusia.

Dikutip dari Wikipedia jaringan syaraf tiruan adalah jaringan sekelompok unit pemroses kecil yang dimodelkan berdasarkan system adaptif yang dapat mengubah strukturnya dalam memecahkan masalah. Jaringan Syaraf Tiruan ini juga merupakan bagian dari kecerdasan bautan (Artificial Intellegent).

Komponen Jaringan Syaraf

Otak manusia yang memiliki jaringan syaraf yang terdiri dari neuron-neuron  dan terdapat hubungan antar neuron-neuron tersebut yang akan mentransformasikan informasi dari sambungan keluarnya menuju neuron lainya.

Seperti halnya dengan otak manusia, jaringan syaraf tiruan juga memlikinya, hubungan ini dikenal dengan bobot. Bobot digunakan untuk menggandakan signal yang dikirim melaluinya

Struktur Neuron pada Jaringan Syaraf

Informasi yang masuk (input) akan dikirim ke neuron dengan bobot kedatang tertentu, lalu akan diproses yang akan menjumlahkan nilai-nilai semua bobot dan hasil penjumlahan akan dibandingkan dengan suatu nilai ambang (thersold) melalui fungsi aktivasi setiap neuron.

Jika input melewati thersold maka neuron akan diaktifkan dan jika tidak melewati thersold maka neuron tidak diaktifkan. Dan setelah neuron diaktifkan, neuron akan mengirimkan output melalui bobotoutput ke semua neuron yang terhubung.

3 Lapisan Neuron (Neuron Layers)

1. Input layer : layer yang terhubung langsung dengan network luar yang berisi neuron yang menerima suatu informasi
2. Hidden layer : terdiri dari neuron yang menerima informasi dari input layer. Hidden layer ini tidak selalu ada bisa jadi tidak ada ataupun ada lebih dari 1 layer hidden dalam jaringan.
3. Output layer : terdiri dari neuron yang menerima informasi dari hidden layer.

Karakteristik Jaringan Syaraf Tiruan :

1. Algoritma beroperasi secara langsung dengan angka
2. Tidak diprogram untuk menghasilkan keluaran tertentu, semua keluaran yang ditarik bdidasarkan pengalaman selama proses pembelajaran
3. Dapat belajar dari pengalaman

Jaringan Syaraf Tiruan Ditentukan Oleh 3 Hal Yaitu:

1. Arsitekstur jaringan

sekumpulan dari lapisan input dan juga lapisan output yang saling terhubung , bisa terhubung langsung ataupun melalui lapisan tersembunyi (hidden layer). Dikelompokkan menjadi 3 kelas besar yaitu:

• Single layer net : memiliki1 lapisan dengan bobot-bobot yang terhubung,jaringan ini menerima input secara langsung akan diproses menjadi output tanpa melewati hidden layer. Semua unit dihubungkan dengan unit output yang beseuaian.
• Multilayer net : memiliki 1 atau lebih lapisan diantara lapisan input dan lapisan output / memliki 1 atau lebih lapisan tersembunyi. Digunakan untuk pembelajaran yang lebih kompleks.
• Competitive net : pada setiap neuron bersaing untuk mendapatkan hak menjadi neuron yang aktif.

2. Proses belajar jaringan (paradigma pembelajaran)

Terdapat 2 jenis paradigma pembelajran yaitu:

• Pembelajaran terawasi (supervised learning): menggunakan data latih untuk melakukan pembelajaran. Yang dimaksud data latih ini adalah data yang sudah berlabel
• Unsupervised Learning : Metode ini disebut juga unknowledge discovery. Tidak memberi label pada data / gambar computer. Data-data diinput dalam computer tanpa memberi label.

3. Fungsi Aktivasi

Digunakan untuk menentukan output dari sebuah neuron. Fungsi ini menggambarkan hubungan antara tingkat aktivasi internal. Ada beberapa fungsi aktivasi yang digunakan dalam syaraf tiruan diantaranya:

• Fungsi Hard Limit
• Fungsi thersold
• Fungsi Bipolar (Symetric Hard Limit)
• Fungsi Bipolar (dengan threshold)
• Fungsi Saturating Linear
• Fungsi Linear (identitas)