TUGAS 3 SOFTSKILL

Jaringan Syaraf Tiruan (Arificial Neural Network)

Jaringan Syaraf Tiruan (Arificial Neural Network) merupakan sebuah model matematik yang berupa kumpulan unit yang terhubung secara parallel yang bentuknya menyerupai jaringan syaraf pada otak manusia. Sering digunakan dalam bidang kecederdasan buatan. Sebelum lebih lanjut untuk membahas mengenai jaringan saraf tiruan pada kecerdasan buatan sebaiknya kita mengetahui mengenai perbedaan dari keduanya.
Kecerdasan buatan bertujuan untuk membuat sebuah mesin dapat  mengerjakan  suatu pekerjaan layaknya manusia. Berarti untuk membuat mesin tersebut dapat melakukan hal tersebut makan mesin itu harus dapat berfikir untuk menyelesaikan suatu masalah. Nah cara agar robot dapat berfikir adalah dengan membuat suatu algoritma berfkirnmenggunakan jaringan saraf tiruan untuk dapat menjalankan kecerdasa buatan yang berbentuk robot atau peralatan yang memudahkan pekerjaan manusia.
Menurut seoarang ahli jaringan syaraf tiruan bernama Haykin S. jaringan syaraf tiruan seperti sebuah prosesor yang dapat menyimpan pengetahuan dan pengalaman sehingga prosesor dapat bekerja menyerupai otak manusia yang dapat beradaptasi dengan masalah. Jadi dapat disimpulkan bahwa jaringan syaraf tiran itu adalah metode/algoritma yang dapat membuat computer mempunyai otak pintar seperti manusia yang dapat beradaptasi untuk menyelesaikan suatu masalah.
Cara Kerja Jaringan Syaraf Tiruan
Oval: INPUT 1Oval: INPUT 2
















Ada tiga paradigma jaringan syaraf tiruan dapat berfikir dan beradaptasi terhadap suatu masalah, adalah sebagai berikut :
1.      Supervised Learning(Pembelajaran Terawasi) merupakan suatu metode pembelajaran yang menyimpulkan pemetaan data dengan membandingkan ketidaksesuaian antara pemetaan data saat ini(yang mengandung knowledge saat ini) dengan pemetaan data sebelumnya (yang mengandung knowledge sebelumnya).
2.      Unsupervised Learning(Pembelajaran tidak terawasi) adalah metode pembelajaran yang mengelompokkan unit-unit yang hamper sama dalam area tertentu. Metode ini bisa digunakan untuk pengklasifikasian pola.
3.      Reinforced Learning adalah metode yang membuat sytem dapat belajar dari keputusan yang diambil sebelumnya dengan cara memberikan reward setiap kali system melakukan hal yang benar, agar mendapatkan lebih banyak reward sehingga system dapat terus berkembang. System (learner) dibiarkan belajar sendiri dengan lingkungan.

Sebelum menggunakan jaringan syaraf tiruan harus mempertimbangkan tiga hal yaitu :
1.      Model yang akan digunakan
2.      Algoritma belajar  yang akan digunakan
3.      Bagaimana cara agar jaringan syaraf tiruan tahan terhadap masalah

Manfaat jaringan syaraf tiruan
Dalam kehidupan sehari-hari jaringan syaraf tiruan digunakan dalam aplikas yang berkaitan dengan hal-hal berikut :
1.      Identifikasi dan control : control kendaraan, natural resources management
2.      Pengambil keputusan dalam video game : chess, poker, backgammon
3.      Pengenal pola : radar, pengenal wajah, pengenal objek
4.      Diagnosa medis untuk mendeteksi penyakit kangker

Sejarah
1943 : Waffen McCulloh dan Walter Pitts merancang model matematis dari sel-sel otak
1949 : Hebb menyatakan informasi dapat disimpan dalam koneksi-koneksi antar neuron
1958 : Rosenblatt mengembangkan konse dasar tentang perceptron untuk klasifikasi pola
1982 : Kohonen mengembangkan metode jaringan Syaraf buatan unsupervised learning
1982 : Grossberg mengenalkan sejumlah arsitektur jaringan (ART, ART2, ART3)
1982 : Hopfield mengembangkan jaringan syaraf reccurent untuk menyimpan informasi


Sumber :



Komentar

Postingan populer dari blog ini

BUSINESS RELATIONSHIP MANAGEMENT (BRM)

PEMBENTUKAN SITUS E-COMMERCE

KEY PERFORMANCE INDICATORS and METRIC