Neural Network [NN]

Neural Network dikenal pula dengan istilah Artificial Neural Network (ANN), Black Box Technology, Simulated Neural Network (SNN) atau Jaringan Syaraf Tiruan (JST). NN merupakan system pemrosesan informasi yang dimodelkan sehingga memiliki karakteristik mirip dengan jaringan syaraf pada makhluk hidup. Dengan jaringan syaraf tiruan tersebut memungkinkan system tersebut memiliki kecerdasan menyerupai kecerdasan manusia yang dapat memecahkan masalah dan mengambil keputusan atas masalah tersebut.

Neural Network

NN dibagun dari elemen pemrosesan sederhana yang disebut neuron atau node yang dihubungkan dengan neuron lain secara langsung melalui arsitektur jaringan.  Bobot-bobot koneksi mewakili besar informasi yang digunakan jaringan dan ditentukan dengan algoritma pembelajaran.

Tahap Neural Network antara lain:

  • Pembelajaran,

Pada tahap ini dilakukan pemberian sekumpulan data input dan output kepada neural network. Melalui model sementara yang telah ditentukan, dibuatlah bobot masing-masing variable yang dapat memberi pengaruh kepada output. Untuk menghasilkan suatu model dengan residu terkecil, pada tahap ini bobot selalu diperbaiki.

  • Pengujian,

Tahap ini menguji model yang telah didapatkan dari proses pembelajaran dan membandingkan apakah error rate yagn dihasilkan dapat diterima atau tidak.

  • Peramalan,

NN sudah dapat digunakan untuk meramalkan suatu input yang ada.

Jenis NN

  • Berkaitan dengan koneksi antar neuron, ada 2 tipe NN, yaitu feedforward (neuron pada suatu layer hanya bisa berkoneksi dengan neuron pada layer yang berbeda) dan feedback (neuron pada suatu layer bisa berkoneksi dengan neuron pada layer lainnya dan juga dengan neuron pada layer yang sama).
  • Berdasarkan algoritma matematis yang digunakan dalam proses belajar NN, ada beberapa jenis algoritma, yaitu Backprpagation, delta learning rule, forwardpropagation, hebb learning rule, simulated annealing.
  • Berdasarkan metode pembelajaran, ada 2 macam NN, yaitu Supervised learning yang memiliki target output sehingga error dihitung dari output hasil perhitungan dikurangi dnegan target output. Jenis lainnya adalah Unsupervised learning yang tidak memiliki target output.
  • Berdasarkan fungsi aktivasi, terdapat hard limiter, signum activation, dan sigmoid activation.

Perbedaan Expert System dan NN

Expert System

Neural Network

Dalam pemecahan masalah masih memerlukan bantuan programmer

Dapat memecahkan masalah/kasus rumit yang tidak dapat dilakukan oleh expert system

Knowledge dibuat oleh programmer, sehingga dapat ditelurusi proses pembuatannya

Knowledge terbentuk dengan sendirinya

Apabila sampel yang diinput cacat, maka tidak expert system tidak dapat menghasilkan output

Meskiput input cacat, NN tetap bisa menghasilkan output

Credit:

http://statistikawanku.wordpress.com/2013/03/29/pengertian-jaringan-syaraf-tiruan-neural-network/

http://id.wikipedia.org/wiki/Jaringan_saraf_tiruan

http://cicink.wordpress.com/2011/04/16/definisi-dan-tahap-tahap-neural-network/

http://sharinginpo.blogspot.com/2012/10/pengertian-neural-network.html

http://note-why.blogspot.com/2012/10/artificial-neural-network-ann.html

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s