Karakteristik Jaringan Syaraf Tiruan

LancangKuning - Pada masa saat ini begitu maraknya dengan ilmu pengetahuan tentang yang namanya kecerdasan buatan atau nama lainnya Artificial intelligence yang salah satu cabang dari kecerdasan buatan, jaringan syaraf tiruan atau bisa juga dipanggil dengan sebutan Artificial Neural Network atau disingkat dengan ANN itu maksudnya adalah gabungan antara ilmu kecerdasan buatan atau dengan nama lain artificial intelligence dan juga terdapat ilmu biologi di dalamnya.

Jaringan syaraf tiruan itu adalah sebuah jaringan dari grup sebuah proses yang kecil dan juga dirancang dari sebuah jaringan syaraf pada seorang manusia. Jaringan syaraf tiruan ini atau disingkat menjadi JST ialah sebuah sistem dinamis yang bisa menyesuaikan diri atau biasa disebut dengan adaptasi yang dapat mengubah struktur yang mempunyai tujuan untuk problem solving atas informasi internal ataupun juga atas external yang bergerak di sebuah jalur jaringan itu sendiri.

Semenjak zaman modern ini, bidang ilmu kecerdasan buatan atau nama lainnya artificial intelligence sudah cukup maju untuk dapat memplagiatkan, menyamakan, menirukan kepintaran dari seorang manusia, tetapi belum ada approach atau sebuah pendekatan dalam wujud fisik melainkan dari sesuatu yang ada. Awalnya dibuat pembelajaran atau studi tentang teori dasar tentang mekanisme sebuah proses intelegensi yang mana bidang ini biasa dinamakan dengan Cognitive Science.

Karakteristik yang ada pada Jaringan Syaraf Tiruan :

Neural network memiliki sebuah karakteristik yang mempunyai ada tiga ciri, yaitu yang pertama ada arsitektur jaringan, yang kedua ada algoritma jaringan, dan yang ketiga ada fungsi aktivasi.

1. Arsitektur jaringan

Arsitektur jaringan bisa dijabarkan bagaimana dapat mengelola neuron – neuron pada lapisan dan cara menghubungkan sebuah neuron – neuron itu yang mempunyai bobot yang bisa keterhubungan.

Setiap dari neuron yang ada pada satu lapisan yang sama memiliki ungsi untuk aktivasi yang mirip dengan yang lain, dan juga setiap neuron yang ada itu berada di satu lapisan dan bisa dihubungkan dengan setiap neuron – neuron yang ada di lapisan selanjutnya. Arsitektur pada jaringan yang ada pada syaraf tiruan yang sering kali digunakan adalah :

• Jaringan yang memiliki lapisan yang hanya satu saja.
• Jaringan yang memiliki lapisan yang banyak.

2. Algoritma jaringan

Algoritma jaringan ini dipakai dengan bertujuan untuk mencari values bobot yang benar yang memberikan suatu informasi. Algoritma yang dipakai neural network di dalam pembelajaran tersebut bergantung pada arsitektur jaringan yang sering digunakan. Sering kali algoritmma ini dibagi lagi sehingga terdapat dua bagian, yaitu : unsupervised learning atau yang disebut pembelajaran yang tidak terawasi, dan juga ada supervised learning atau yang disebut dengan pembelajaran yang diawasi.

Maksud dari supervised learning ini ialah algoritma yang memiliki target keluaran yang diharapkan agar dapat diketahui dalam sebuah proses pembelajarannya. Setiap input atau sebuah masukan dan juga output atau sebuah keluaran yang diatur bisa disebt dengan pembelajaran, yang termasuk juga pada sebuah algoritma ialah backprogation, hebb dan perceptron.

Maksud dari unsupervised learning itu tidak perlu mempunyai target keluaran atau yang disebut dengan output dan hasilnya tidak bisa kalian tentukan seperti apa yang telah kalian harapkan pada proses sebuah pembelajaran. Pembelajaran ini memiliki tujuan agar bisa membangun unit – unit yang sama pada suatu area tertentu.

3. Algoritma pengenalan

Apabila sudah mendapatkan nilai bobot yang sudah ada hubungan antar neuron yang sesuai dengan nilai yang melakukan pengeluaran, jadi nilai itu bisa kalian gunakan untuk testing sebuah NN, dan jika input itu dimasukkan maka nilai yang melakukan pengeluaran itu akan dihasilkan. Tahap algoritma ini disebut sebagai proses pengenalan atau yang biasa disebut dengan testing.(Yazid)