Arsitektur Pada Jaringan Syaraf Tiruan

LancangKuning.com - Kemajuan teknologi tidak dapat dihentikan. Teknologi semakin berkembang dan semakin banyak dibutuhkan. Contoh teknologi utama pada mobil tanpa ada pengemudi yang memungkinkan mobil mengetahui tanda berhenti atau membedakan tanda pada lampu lalu lintas.

Hal ini mendapatkan banyak perhatian belakangan ini bagaimana teknologi dapat melakukan yang sebelumnya mustahil untuk dilakukan. Agar komputer mampu melakukan kinerja melebihi tingkat manusia maka komputer harus menggunakan data yang lebih besar serta arsitektur jaringan saraf yang berisi banyak lapisan.

Jaringan saraf tiruan merupakan sebuah model kecerdasan yang ditiru  dari struktur otak manusia, lalu diimplementasikan pada program computer agar mampu melakukan proses perhitungan. Jaringan saraf tiruan (JST) ini memiliki karakteristik yang sama seperti jaringan saraf pada manusia. Contohnya otak yang melakukan informasi pada sebuah informasi.  

Baca Juga : Tempat Wisata di Pekanbaru

JST memiliki beberapa node. Itu meniru neuron biologis otak pada manusia. Meskipun, kami menghubungkan neuron-neuron ini dengan tautan. Juga, mereka berinteraksi antara satu dengan lainnya. Meskipun, node digunakan untuk mengambil data input. Selanjutnya, lakukan operasi sederhana pada data. Akibatnya, operasi ini diteruskan ke neuron lain. Jaringan saraf tiruan merupakan suatu alat utama yang digunakan dalam pembelajaran mesin.  

Lapisan pada jaringan saraf terdiri dari lapisan input dan lapisan output dan terdiri juga dari unit yang mengubah input menjadi sesuatu yang yang dapat digunakan oleh lapisan. JST dengan langsung akan mengubah data yang tidak numeric menjadi numeric. JST diprogram bukan supaya memberikan keluaran tertentu namun semua keluaran atau kesimpulan akan dihasilkan oleh jaringan berdasarkan pengalamannya mengikuti proses pembelajaran.

Belajar pada jaringan saraf tiruan berhubungan erat dengan bagaimana belajar dalam kehidupan dan kegiatan yang biasa dilakukan. Saat seseorang melakukan tindakan lalu diterima atau dikoreksi oleh pelatih dan melatih bagaimana menjadi lebih baik dalam melakukan tugas tersebut demikian juga dengan jaringan saraf. Jaringan saraf membutuhkan pelatih untuk menggambarkan apa yang seharusnya dihasilkan sebagai respons terhadap input yang masuk.

Baca Juga : Akreditasi Jurusan Kampus Sekolah Tinggi Keguruan Dan Ilmu Pendidikan Usman Safri Kutacane

Jaringan saraf ada beberapa jenis. Semua bergantung pada kasus penggunaan spesifik dan tingkat kerumitannya. Jenis jaringan saraf yang paling dasar yaitu feedforward. Dimana pada jaringan saraf jenis ini informasi akan bergerak hanya dalam satu arah yaitu dari input ke output jaringan saraf berulang adalah jenis jaringan yang paling banyak digunakan.

Jenis jaringan ini memiliki kemampuan belajar yang lebih besar dan biasanya digunakan untuk tugas-tugas yang lebih kompleks. Selain itu masih ada berbagai jenis jaringan saraf tiruan lainnya. Untuk memilih jaringan mana yang tepat, semua bergantung pada data yang harus dilatih. Lalu apakah jaringan saraf tiruan itu memiliki batasan?

Semua bergantung pada jumlah waktu yang diperlukan dalam melatih jaringan. jaringan saraf tiruan dapat digunakan untuk berbagai konsep dan ide yang berbeda dan belajar melalui mekanisme spesifik backpropagation dan koreksi kesalahan selama fase pengujian. Dengan meminimalkan kesalahan, sistem berlapis-lapis ini mungkin suatu hari dapat belajar dan membuat konsep ide tanpa koreksi manusia. Jaringan ini memainkan tugas besar. Ada 3 jenis arsitektur jaringan saraf tiruan, yaitu :

Baca Juga : Tempat Wisata di Riau

1. Single layer feedforward Net
   JST diorganisasikan dengan lapisan bentuk yang sederhana hanya ada 2 lapisan yaitu input dan output
2. Multilayer feedforward Net
   Ini adalah jenis jaringan saraf tiruan dengan lebih dari satu lapisan tersembunyi
3. Recurrent networks
   Jaringan saraf tiruan ini memiliki feedback loop lebih dari satu. contoh jaringan ini memiliki satu lapisan neuron tunggal yang masing-masing neuron dapat memberikan kembali outputnya sebagai input pada neuro yang lain.
4. Lattice structure
   Terdiri dari array neuron yang lebih maupun sama satu dimensi.(Eka)