Artificial Neural Network
Artificial
Neural Network (Jaringan Syaraf Tiruan) adalah paradigma
pemrosesan suatu informasi yang terinspirasi oleh sistim sel syaraf biologi,
sama seperti otak yang memproses suatu informasi. Elemen mendasar dari paradigm
tersebut adalah struktur yang baru dari sistim pemrosesan informasi. Jaringan
Syaraf Tiruan, seperti manusia, belajar dari suatu contoh. Jaringan Syaraf
Tiruan dibentuk untuk memecahkan suatu masalah tertentu seperti pengenalan pola
atau klasifikasi karena proses pembelajaran.
Jaringan Syaraf Tiruan berkembang
secara pesat pada beberapa tahun terakhir.Jaringan Syaraf Tiruan telah
dikembangkan sebelum adanya suatu komputer konvensional yang canggih dan terus
berkembang walaupun pernah mengalami masa vakum selama beberapa tahun.
Jaringan Syaraf Tiruan mampu
menggambarkan setiap situasi adanya sebuah hubungan antara variabel predictor
(independents, inputs) dan variabel predicted (dependents, outputs),ketika
hubungan tersebut sangat kompleks dan tidak mudah untuk menjelaskan kedalam
istilah yang umum dari “correlations” atau “differences between groups”.
Beberapa
contoh permasalahan yang dapat dipecahkan secara baik oleh Jaringan Syaraf
Tiruan antara lain :
1.
Deteksi Fenomena Kedokteran.
Berbagai indikasi yang berhubungan
dengan kesehatan (kombinasi dari denyut jantung, tingkatan dan berbagai
substansi dalam darah, dll) dapat dimonitoring. Serangan pada kondisi kesehatan
tertentu dapat dihubungan dengan perubahan kombinasi yang sangat kompeks
(nonlinear dan interaktif) pada subset dari variabel, dapat dimonitoring. Jaringan
Syaraf Tiruan telah digunakan untuk mengenali pola yang diperkirakan sehingga
perlakuan yang tepat dapat dilakukan.
2.
Untuk Mendeteksi Golongan Darah Manusia.
Dengan menggunakan pengolahan citra.
Manusia berusaha keras dengan segala kemampuannya untuk menirukan kehebatan
yang mereka miliki, misalnya seorang dokter dengan keahliannya dapat membedakan
golongan darah manusia antara A, B, AB, dan O. Dengan pendekatan kecerdasan
buatan, manusia berusaha menirukan bagaimana pola-pola dibentuk. Jaringan
Syaraf Tiruan telah dikembangkan sebagai generalisasi model matematik dari
pembelajaran manusia.
3.
Prediksi Pasar Saham.
Fluktuasi dari harga saham dan index
saham adalah contoh lain yang kompleks, multidimesi tetapi dalam beberapa
kondisi tertentu merupakan phenomena yang dapat prediksi. Jaringan Syaraf
Tiruan telah digunakan oleh analis teknik untuk membuat prediksi tentang pasar
saham yang didasarkan atas sejumlah faktor seperti keadaan masa lalu bursa yang
lain dan berbagai indikator ekonomi.
4.
Perjanjian Kredit.
Berbagai informasi biasanya didapat
dari seorang peminjam seperti umur, pendidikan, pekerjaan dan berbagai data
lain. Setelah pembelajaran dari Jaringan Syaraf Tiruan tentang data peminjam,
analisis Jaringan Syaraf Tiruan dapat mengidentifikasi karaktersetik peminjam
sehingga dapat digunakan untuk mengklasifikasikan peminjam terhadap resiko
peminjam dalam kategori baik atau buruk.
5.
Monitoring Kondisi Mesin.
Jaringan
Syaraf Tiruan dapat digunakan untuk memangkas biaya dengan memberikan keahlian
tambahan untuk menjadwa lkan perawatan mesin. Jaringan Syaraf Tiruan dapat
dilatih untuk membedakan suara sebuah mesin ketika berjalan normal (“false
alarm”) dengan ketika mesin hampir mengalami suatu masalah. Setelah periode
pembelajaran, keahlian dari Jaringan Syaraf Tiruan dapat digunakan untuk
memperingatkan seorang teknisi terhadap kerusakan yang akan timbul sebelum
terjadi yang akan menyebabkan biaya yang tidak terduga.
6.
Pemeliharaan Mesin.
Jaringan Syaraf Tiruan telah
digunakan untuk menganalisis input dari sebuah sensor pada sebuah mesin. Dengan
mengontrol beberapa parameter ketika mesin sedang
berjalan, dapat melakukan fungsi
tertentu misalnya meminimalkan penggunaan bahan
bakar.
Sumber : https://trirezqiariantoro.files.wordpress.com/2007/05/jaringan_syaraf_tiruan.pdf
Komentar
Posting Komentar