Amadea K. Nastiti


just an exquisite cat lady around

Artificial Neural Network

Artikel ini membahas tentang isi kuliah Sistem Cerdas pada tanggal 21 Maret 2012, dimana waktu itu juga pertama kali saya mendapatkan kuliah di ruang rapat DSI di gedung rektorat UNAIR :D

not sure

Kok malah curhat?? ƪ(‾ε‾“)ʃ

Artificial Neural Network (ANN) atau Bahasa Indonesianya adalah Jaringan Saraf Tiruan (JST) pada merupakan suatu jaringan permroses informasi yang berpedoman pada bagaimana cara kerja otak manusia, bagaimana sel saling berkomunikasi, terutama pada sel saraf otak. Mengapa mengambil cara kerja sel saraf? Karena kemampuannya yang luar biasa dalam berkomunikasi satu sama lain, dengan bertukar elektron dapat saling bertukar informasi yang kecepatannya bahkan melebihi kecepatan cahaya, yang otomatis mematahkan teori fisika yang mengatakan tidak ada satupun di alam ini yang kecepatannya melebihi kecepatan cahaya! WOW! Gak percaya? Contoh simpelnya, jika kita menginjak sesuatu (misalnya puntung rokok nyala, kotoran atau apalah ~,~) pasti kita langsung tahu itu apa dan apa yang harus kita lakukan kan? ;)

apaa??Gue nginjek apaan??? APPAA???

Sel saraf dalam otak manusia kira-kira berjumlah 1026 (itu 10 dengan nol 26 biji di belakangnya) yang semuanya bekerja paralel. Kalau misalnya dibandingkan dengan komputer dengan prosesor tercanggih saat ini (Intel CORE i7 misalnya, memililiki 8 prosesor yang bekerja bersamaan) tentu kita jauh lebih cerdas bukan :D dengan dibekali 10 (pangkat 26) prosesor tentunya hahaha :D Namun mengapa ada orang yang (kurang) dan cerdas? Menurut dosen saya ini, seseorang dikatakan cerdas berdasarkan kemampuannya memberikan respon yang tepat. Sehingga dengan kata lain, kemampuan otak untuk menemukan informasi yang dibutuhkannya saja.

Pada Artificial Neural Network, manusia berupaya untuk membuat suatu sistem yang dapat diajak belajar. Sehingga di dalamnya, bukan terdapat suatu database semua informasi disimpan, namun lebih tepat dikatakan sebagai knowledge base. Mengapa begitu? Karena kita tidak akan pernah tau dimana data tersebut disimpan, data-data tersebut seakan melebur di dalam node sel sarafnya. Untuk mengakses data-data tersebut, maka dibutuhkan rangsangan untuk melatih otak agar makin cepat dalam 'menemukan' data yang dibutuhkan. Data-data yang sudah lama tidak digunakan, juga bisa 'dilupakan' oleh ANN. Sehingga makin sering ANN digunakan, maka makin baik pula kinerja dan keputusan yang diambilnya.

Dengan kemampuan yang menyerupai otak manusia, tentu kita bertanya-tanya, seperti apa bentuk ANN itu? ANN berupa model Neural Network, suatu program matematik yang formulanya tidak mudah dibuat, yah bagi para programmer non-linear, formula ini tinggal digunakan saja. Bahkan ANN tidak dapat dibuat dalam flowchart proses data. Formula inilah yang diimplementasikan dalam pemrograman. Selain itu jika formula ini ingin dibuat program lain, tidak perlu mengubah keseluruhan program seperti dalam fixed programming, cukup ajarkan ANN saja :D

layer ANN

Model Neural Network yang paling umum nih: Perceptron

Bagaimanakah cara kerja Artificial Neural Network? ANN hanya dapat menerima bentuk, profil, kurva dari informasi. Kurva yang dapat diterima oleh neural pun dalam bentuk 1D. Jadi misalnya kita akan memproses suatu gambar/citra; gambar ini harus dipotong kecil-kecil, kemudian potongan ini dibariskan menjadi suatu barisan pixel hitam putih (atau grayscale) yang memiliki kode (misal hitam 1 dan putih 0). Barisan pixel inilah yang dapat dikenali dan kemudian diproses ANN.

proses ANN

Kaya gini nih maksudnya.. Gak kelihatan? Klik gambar aja ;)

Namun, itu gak berarti semua data gambar bisa asal dimasukin ke ANN dong :o Misalnya kita membutuhkan data spesifik pada salah satu bagian gambar saja, tetapi seluruh bagian gambar dimasukkan, ANN bisa bingung. Mengapa? Karena dia tidak tahu bagian spesifik mana yang diinginkan untuk diproses. Sebaiknya gunakan bagian kurva image yang mengandung meaningful crop saja. Maksudnya agar pola bagian yang meaningful tadi dapat dijadikan patokan mudah bagi ANN untuk memproses dan mengenali pola tersebut jika suatu saat pola yang sama muncul kembali. Misal pada jantung yang memiliki pembengkakan, maka kita hanya perlu memasukkan gambar bagian yang bengkak saja, sehingga jika nantinya ada gambar jantung yang berbeda dengan pembengkakan yang sama, ANN dapat dengan mudah mengenali adanya pembengkakan tersebut.

kitty

Apa ANN bisa bedakan kami? :3

Selain itu juga dibutuhkan suatu ekstraksi ciri serta data yang ideal dalam kurva image yang akan dimasukkan dalam ANN dengan dimensi yang sama tentunya. Kerusakan maupun perbedaan kurva hingga 15-20% masih dapat dikenali oleh ANN dengan baik, karena ANN mampu melakukan generalisasi terhadap apa yang dilihatnya, tentunya dengan didukung adanya rangsangan dan pembelajaran. Kurva yang dijadikan pembelajaran untuk ANN diusahakan berjumlah 20% dari seluruh jumlah kurva yang di-input dalam ANN. Karena pada dasarnya ANN dalam mengenali 2 kurva yang berbeda dapat dianggap sama (dalam kondisi tertentu). Namun jika ada 2 kurva yang sama dianggap berbeda, maka ANN bisa bingung error. Solusinya, buat kurva yang dapat membedakan satu sama lain, agar dapat mempermudah pembelajaran ANN dan meminimalisir adanya error.

Contoh aplikasinya yaitu dalam video di bawah ini:

Dimana dalam program diatas, ANN dapat mengenali plat nomor.

 

Sumber:

www.nd(dot)com/welcome/whatisnn.htm

Video courtesy by http://www.youtube.com/user/soegiantos

Tinggalkan Komentar

Nama :
E-mail :
Web : tanpa http://
Komentar :
Verification Code :   ">