Perkembangan Neural Network

Perkembangan kecerdasan buatan dalam bidang teknologi cukup luas, dan erat kaitannya dengan berbagai ilmu disiplin lainnya. Hal ini bisa kita lihat dari berbagai aplikasi yang terbuat dari penggabungan beberapa ilmu. Contohnya peralatan medis yang berbentuk aplikasi yaitu gabungan ilmu kecerdasan buatan dan ilmu biologi.

Neural Network adalah suatu metode dalam Artificial Intelligence yang mempunyai konsep " meniru jaringan syaraf" yang ada pada manusia. Dimana terbentuk node yang saling terkait satu sama lainnya.Yang menghubungkan node-node adalah Weight yang merupakan suatu link perantara, untuk terhubung dengan node tersebut. Pada dasarnya cara kerja Weight ini sama denngan cara kerja otak pada manusia, otak manusia memiliki cari pararel processing atau proses pararel ( terhubung dengan semua anggota tubuh ).

Menurut teori Haykin (1999) : " jaringan syaraf tiruan (Artificial Neural Network) adalah sejumlah besar prosesor yang terdistribusi secara pararel dan terdiri dari unit pemrosesan sederhana, dimana masing – masing unit memiliki kecenderungan untuk menyimpan pengetahuan yang dialami dan dapat digunakan kembali."

Fungsi dari Neural Network diantaranya adalah:

• Pengklasifikasian pola
• Memetakan pola yang didapat dari input ke dalam pola baru pada output
• Penyimpan pola yang akan dipanggil kembali
• Memetakan pola-pola yang sejenis
• Pengoptimasi permasalahan
• Prediksi

Sejarah Neural Network

Perkembangan ilmu Neural Network sudah ada sejak tahun 1943 ketika Warren McCulloch dan Walter Pitts memperkenalkan perhitungan model neural network yang pertama kalinya. Mereka melakukan kombinasi beberapa processing unit sederhana bersama-sama yang mampu memberikan peningkatan secara keseluruhan pada kekuatan komputasi.

Hal ini dilanjutkan pada penelitian yang dikerjakan oleh Rosenblatt pada tahun 1950, dimana dia berhasil menemukan sebuah two-layer network, yang disebut sebagai perceptron. Perceptron memungkinkan untuk pekerjaan klasifikasi pembelajaran tertentu dengan penambahan bobot pada setiap koneksi antar-network.

Keberhasilan perceptron dalam pengklasifikasian pola tertentu ini tidak sepenuhnya sempurna, masih ditemukan juga beberapa keterbatasan didalamnya. Perceptron tidak mampu untuk menyelesaikan permasalahan XOR (exclusive-OR). Penilaian terhadap keterbatasan neural network ini membuat penelitian di bidang ini sempat mati selama kurang lebih 15 tahun. Namun demikian, perceptron berhasil menjadi sebuah dasar untuk penelitian-penelitian selanjutnya di bidang neural network. Pengkajian terhadap neural network mulai berkembang lagi selanjutnya di awal tahun 1980-an. Para peneliti banyak menemukan bidang interest baru pada domain ilmu neural network. Penelitian terakhir diantaranya adalah mesin Boltzmann, jaringan Hopfield, model pembelajaran kompetitif, multilayer network, dan teori model resonansi adaptif.

Untuk saat ini, Neural Network sudah dapat diterapkan pada beberapa task, diantaranya classification, recognition, approximation, prediction, clusterization, memory simulation dan banyak task-task berbeda yang lainnya, dimana jumlahnya semakin bertambah seiring berjalannya waktu.

sumber : http://socs.binus.ac.id/2012/07/26/