Neural Network

Ide dasar Neural Network berasal dari kemampuan otak manusia yang mampu memberikan stimulasi/rangsangan, melakukan proses, dan memberikan output. Biasanya output yang diperoleh berasal dari variasi stimulasi dan proses yang terjadi di dalam otak manusia. Kemampuan manusia dalam memproses informasi merupakan hasil dari kompleksitas proses di dalam otak manusia.

Fungsi dari Neural Network diantaranya adalah:

1.      Pengklasifikasian pola

2.      Memetakan pola yang didapat dari input ke dalam pola baru pada output

3.      Penyimpan pola yang akan dipanggil kembali

4.      Memetakan pola-pola yang sejenis

5.      Pengoptimasi permasalahan

6.      Prediksi

Keuntungan Artifical Neural Network

1.    Akurasi yang tinggi: Neural network digunakan untuk mapping aproksimasi kompleks non linear.

2.    Toleransi terhadap noise: Neural network sangat fleksibel dengan data yang noisy.

3.    Independensi dari asumsi prior: Neural network tidak membuat asumsi priori tentang distribusi data atau bentuk interaksi dari faktor-faktor.

4.    Mudah untuk dikelola: Neural network dapat diupdate dengan data yang baru, membuat berguna untuk lingkungan yang dinamis.

5.    Neural network dapat diimplementasikan di hardware yang paralel.

6.    Ketika element neural network gagal, ia dapat melanjutkan tanpa masalah karena polanya yang paralel.

7.    Neural network dapat dilatih di dataset yang sangat besar secara iteratif.

Konsep Neural Network

1.       Proses Kerja Jaringan Syaraf Pada Otak Manusia

Ide dasar Neural Network dimulai dari otak manusia, dimana otak memuat  sekitar 10¹¹ neuron. Neuron ini berfungsi memproses setiap informasi yang masuk. Satu neuron memiliki 1 akson, dan minimal 1 dendrit. Setiap sel syaraf terhubung dengan syaraf lain, jumlahnya mencapai sekitar 10⁴ sinapsis. Masing-masing sel itu saling berinteraksi satu sama lain yang menghasilkan kemampuan tertentu pada kerja otak manusia.

Gambar 2.3 Struktur Neuron pada otak manusia

Dari gambar di atas, bisa dilihat ada beberapa bagian dari otak manusia, yaitu:

1.      Dendrit (Dendrites) berfungsi untuk mengirimkan impuls yang diterima ke badan sel syaraf.

2.      Akson (Axon) berfungsi untuk mengirimkan impuls dari badan sel ke jaringan lain

3.      Sinapsis berfungsi sebagai unit fungsional di antara dua sel syaraf.

Proses yang terjadi pada otak manusia adalah:

Sebuah neuron menerima impuls dari neuron lain melalui dendrit dan mengirimkan sinyal yang dihasilkan oleh badan sel melalui akson. Akson dari sel syaraf ini bercabang-cabang dan berhubungan dengan dendrit dari sel syaraf lain dengan cara mengirimkan impuls melalui sinapsis. Sinapsis adalah unit fungsional antara 2 buah sel syaraf, misal A dan B, dimana yang satu adalah serabut akson dari neuron A dan satunya lagi adalah dendrit dari neuron B. Kekuatan sinapsis bisa menurun/meningkat tergantung seberapa besar tingkat propagasi (penyiaran) sinyal yang diterimanya. Impuls-impuls sinyal (informasi) akan diterima oleh neuron lain jika memenuhi batasan tertentu, yang sering disebut dengan nilai ambang (threshold).

2.       Struktur Neural Network

Dari struktur neuron pada otak manusia, dan proses kerja yang dijelaskan di atas, maka konsep dasar pembangunan neural network buatan (Artificial Neural Network) terbentuk. Ide mendasar dari Artificial Neural Network (ANN) adalah mengadopsi mekanisme berpikir sebuah sistem atau aplikasi yang menyerupai otak manusia, baik untuk pemrosesan berbagai sinyal elemen yang diterima, toleransi terhadap kesalahan/error, dan juga parallel processing.

Gambar 2.4 Struktur ANN

Karakteristik dari ANN dilihat dari pola hubungan antar neuron, metode penentuan bobot dari tiap koneksi, dan fungsi aktivasinya. Gambar di atas menjelaskan struktur ANN secara mendasar, yang dalam kenyataannya tidak hanya sederhana seperti itu.

1.      Input, berfungsi seperti dendrite

2.      Output, berfungsi seperti akson

3.      Fungsi aktivasi, berfungsi seperti sinapsis

Neural network dibangun dari banyak node/unit yang dihubungkan oleh link secara langsung. Link dari unit yang satu ke unit yang lainnya digunakan untuk melakukan propagasi aktivasi dari unit pertama ke unit selanjutnya. Setiap link memiliki bobot numerik. Bobot ini menentukan kekuatan serta penanda dari sebuah konektivitas.

Proses pada ANN dimulai dari input yang diterima oleh neuron beserta dengan nilai bobot dari tiap-tiap input yang ada. Setelah masuk ke dalam neuron, nilai input yang ada akan dijumlahkan oleh suatu fungsi perambatan (summing function), yang bisa dilihat seperti pada di gambar dengan lambang sigma (∑). Hasil penjumlahan akan diproses oleh fungsi aktivasi setiap neuron, disini akan dibandingkan hasil penjumlahan dengan threshold (nilai ambang) tertentu. Jika nilai melebihi threshold, maka aktivasi neuron akan dibatalkan, sebaliknya, jika masih dibawah nilai threshold, neuron akan diaktifkan. Setelah aktif, neuron akan mengirimkan nilai output melalui bobot-bobot outputnya ke semua neuron yang berhubungan dengannya. Proses ini akan terus berulang pada input-input selanjutnya. ANN terdiri dari banyak neuron di dalamnya. Neuron-neuron ini akan dikelompokkan ke dalam beberapa layer. Neuron yang terdapat pada tiap layer dihubungkan dengan neuron pada layer lainnya. Hal ini tentunya tidak berlaku pada layer input dan output, tapi hanya layer yang berada di antaranya. Informasi yang diterima di layer input dilanjutkan ke layer-layer dalam ANN secara satu persatu hingga mencapai layer terakhir/layer output. Layer yang terletak di antara input dan output disebut sebagai hidden layer. Namun, tidak semua ANN memiliki hidden layer, ada juga yang hanya terdapat layer input dan output saja.

Kombinasi yang efektif antara Neural Network dan Teknologi Data Mining

Teknologi umumnya menggunakan software neural network atau meng-transformasikan dari perangkat neural network yang sudah dikembangkan, diagram kerja dari data mining harus dimengerti sebaik-baiknya. Model data dan perangkat muka aplikasi harus bisa dikembangkan dengan form yang sudah distandardsasikan sehingga dua teknologi dapat efektif diintegrasikan dan bersama-sama memiliki peran dalam data mining. Oleh sebab itu, dibutuhkan pendekatan yang lebih baik lagi dalam mengkombinasikan neural network dan teknologi data mining harus dapat dikembangkan lebih baik lagi untuk terciptanya teknologi data mining yang lebih baik ke depannya.

Kesimpulan

Dari makalah ini, kita dapat melihat peranan neural network dalam data mining. Neural network merupakan topik yang relatif baru dan masih memerlukan penelitian untuk menghasilkan inovasi. Data mining sangat sesuai untuk memecahkan masalah karena akurasi yang tinggi, toleransi terhadap noise, independensi dari asumsi prior, mudah untuk dikelola. Dan juga neural network dapat dilatih di dataset yang sangat besar secara iteratif. Data mining menjadi lebih berguna dengan menggabungkan kekuatan neural network dengan perangkat statistik. Dipercaya dengan gabungan ini, dapat menghasilkan sinergi yang penting. Neural network menyediakan benchmark model yang baik. Dengan menggabungkan kekuatan data mining dan metode yang tradisional, kita dapat mendapatkan pengertian yang baik terhadap lingkungan marketing. Ini akan mengarahkan kita kepada keputusan marketing yang lebih baik dan akhirnya akan membawa keuntungan yang lebih besar kepada perusahaan.

Artikel dibuat oleh :

1. Dhea juich hardiana (11116923)
2. Faranita rahman (12116629)
3. Khalista widad (13116894)
4. Siti nufus awaliyah (17116097)

Mata Kuliah : Pengantar Teknologi Sistem Cerdas

Sumber :

http://socs.binus.ac.id/2012/07/26/konsep-neural-network/

https://widaramadanti.wordpress.com/2016/10/02/226/