PENGANTAR TEKNOLOGI SISTEM CERDAS (ARTIFICIAL NEURAL NETWORK)

• ARTIFICIAL NEURAL NETWORK

Artificial Neural Network atau jaringan saraf tiruan adalah system komputasi dimana arsitektur dan komputasi diilhami dari pengetahuan tentang sel saraf dalam otak. ANN merupakan model yang meniru cara kerja jaringan neural biologis, memiliki sifat adaptif yang dapat mengubah stukturnya untuk memecahkan masalah berdasarkan informasi yang mengalir melalui jaringan tersebut. Dengan jaringan saraf tiruan

maka kita dapat memberikan semacam kecerdasan pada sistem, dimana sistem

tersebut akan diberikan waktu untuk 'belajar' dan kemudian diharapkan dari

proses belajarnya, sistem bisa memberikan solusi dari suatu kasus. JST (Jaringan Saraf Tiruan) memiliki ciri-ciri sebagai berikut:

1. Memiliki pola hubungan antara elemen-elemen sederhana antara neuron yang disebut arsitektur.

2. Metode yang menentukan bobot pada tiap koneksi(disebut training atau learning, algorithm).

3. Memiliki fungsi aktivasi(Fausett,1933).

Arsitektur Artificial Neural Network

             

Bidang-bidang penelitian yang memanfaatkan jaringan saraf tiruan diantaranya:

- Aeorospace

Autopilot pesawat terbang, simulasi jalur penerbangan, system kendali pesawat, perbaikan autopilot dan simulasi komponen pesawat.

- Otomotif

Sistem kendali otomatis mobil.

- Keuangan dan Perbankan

Pendeteksian uang palsu, evaluator aplikasi kredit, pengidentifikasian pola-pola data pasar saham.

- Pertahanan (Militer)

Pengendali senjata, pendeteksi bom, penelusuran target, pembedaan objek, pengendali sensor, sonar, radar, dan pengolahan sinyal citra yang meliputi kompresi data, ektrasksi bagian istimewa dan penghilangan derau, pengenalan sinyal atau citra.

- Elektronik

Pembuatan perangkat keras yang bias mengimplementasikan jaringan saraf tiruan secara efisien (pendesainan VLSI), machine vision, pengontrol gerakan dan penglihatan robot, sintesis suara.

- Broadcast

Pencarian klip berita melalui pengenalan wajah.

Fungsi dari neural network diantaranya adalah:

1. Pengklasifikasian pola

2. Memetakan pola yang di dapat dari input ke dalam pola baru pada output

3. Penyimpanan pola yang akan dipanggil kembali

4. Memetakan pola-pola yang sejenis

5. Pengoptimasi permasalahan

6. Predikasi

Referensi:

http://ariesalva.blogspot.co.id/2009/10/artificial-neural-network-ann.html