2.2.1 Perbedaan Kecerdasan Buatan dan Kecerdasan Alami
Ada beberapa keuntungan kecerdasan buatan dibandingkan kecerdasan alamiah, yaitu: 1.
Lebih permanen. 2.
Memberikan kemudahan dalam duplikasi dan penyebaran. 3.
Relatif lebih murah dari kecerdasan alamiah. 4.
Konsisten dan teliti. 5.
Dapat didokumentasi. 6.
Dapat mengerjakan beberapa task dengan lebih cepat dan lebih baik dibanding manusia.
Keuntungan kecerdasan alamiah dibandingkan kecerdasan buatan: 1.
Bersifat lebih kreatif. 2.
Dapat melakukan proses pembelajaran secara langsung, sementara AI harus mendapatkan masukan berupa simbol dan representasi.
3. Fokus yang luas sebagai referensi untuk pengambilan keputusan, sebaliknya
AI menggunakan fokus yang sempit Anita Desiani dan Muhammad Arhami, 2006.
2.3 Jaringan Saraf tiruan
Dalam beberapa dekade, ilmu pengetahuan dan teknologi mempunyai tujuan mengembangkan mesin cerdas dengan sejumlah elemen sederhana. Selama tahun
1940, para peneliti yang ingin menduplikasikan otak manusia, telah mengembangkan model neuron biologis dan sistim interaksi dalam perangkat keras sederhana. Pada
tahun 1950 sampai dengan 1960, sekelompok peneliti mengkombinasikan sifat
Universitas Sumatera Utara
biologis dan psikologis untuk menghasilkan jaringan saraf tiruan JST pertama kali Lanny W. Pandjaitan, 2007.
Jaringan saraf tiruan didefinisikan sebagai suatu sistim pemrosesan informasi yang mempunyai karakteristik menyerupai jaringan saraf manusia. Jaringan saraf
tiruan tercipta sebagai suatu generalisasi model matematis dari pemahaman manusia Andry, 2004. Jaringan saraf tiruan adalah sistim proses informasi yang memiliki
karakteristik mirip dengan jaringan saraf biologi Siang, 2005. Jaringan saraf tiruan merupakan sistim komputasi yang didasarkan atas pemodelan sistim saraf biologis
neuron melalui pendekatan dari sifat-sifat komputasi biologis biological computation Sekarwati ,2004.
Secara prinsip, jaringan saraf tiruan dapat melakukan komputasi terhadap semua fungsi yang dapat dihitung computable function. Jaringan saraf tiruan dapat
melakukan apa yang dapat dilakukan oleh komputer digital normal.
Dalam praktiknya, jaringan saraf tiruan sangat berguna bagi klasifikasi dan permasalahan-permasalahan yang dapat menolerir ketidaktepatan, yang memiliki
banyak data pelatihan, namun memiliki aturan-aturan yang tidak dapat di aplikasikan secara mudah.
Pembangunan sistim AI yang di dasarkan pendekatan jaringan saraf tiruan secara umum meliputi langkah-langkah berikut ini Limin Fu, 1994:
1. Memilih model jaringan saraf tiruan yang sesuai didasarkan pada sifat dasar
permasalahannya.
Universitas Sumatera Utara
2. Membangun jaringan saraf tiruan sesuai dengan karakteristik domain
aplikasinya. 3.
melatih jaringan saraf tiruan dengan prosedur pembelajaran dari model yang dipilih.
4. Mengunakan jaringan yang telah dilatih sebagai pembuatan inferensi atau
pemecahan masalah. Jika hasilnya tidak memuaskan maka kembali ke langkah sebelumnya.
Ada beberapa ciri jaringan saraf tiruan yang diilhami dari jaringan saraf biologis, yaitu:
1. Pemrosesan informasi bersifat lokal.
2. memori terbagi atas LTM Long Time Memory yang merupakan bobot
keterhubungan dan STM Short Term Memory yang dihubungkan neuron ke sinyal yang dijalankan.
3. Tegangan pembobotan dapat berubah menurut pengalaman.
4. Neurontrasmitter dari synaptic dapat bersifat penyalaan exitatory atau
pemadaman inhibitory.
Jaringan saraf tiruan digunakan untuk menyelesaikan permasalahan di mana formulasi lengkapnya tidak diketahui seperti tidak ada model representasi
matematikanya. Jaringan saraf tiruan memiliki kemampuan untuk dapat melakukan pembelajaran dan pendeteksian terhadap sesuatu objek. Keuntungan penggunaan
Jaringan saraf tiruan : 1.
Perangkat yang mampu untuk mengenali suatu objek secara non-linier.
Universitas Sumatera Utara
2. Mempermudah pemetaan input menjadi suatu hasil tanpa mengetahui proses
sebenarnya. 3.
Mampu melakukan pengadaptasian terhadap pengenalan suatu objek. 4.
Perangkat yang memiliki toleransi terhadap suatu kesalahan dalam pengenalan objek.
5. Jaringan saraf tiruan mampu diimplementasikan pada suatu Hardware.
Perangkat yang mampu diimplementasikan secara parallel.
2.3.1 Arsitektur Jaringan Saraf Tiruan
Arsitektur jaringan saraf tiruan terdiri beberapa lapisan, yaitu lapisan masukan input layer, lapisan tersembunyi hidden layer, dan lapisan keluaran output layer.
Masing-masing lapisan mempunyai jumlah node atau neuron yang berbeda-beda.
1. Lapisan masukan input layer
Merupakan lapisan yang terdiri dari beberapa neuron yang akan menerima sinyal dari luar dan kemudian meneruskan ke neuron-neuron lain dalam
jaringan. berdasarkan ciri-ciri dan cara kerja sel-sel saraf sensori pada jaringan saraf biologis.
2. Lapisan tersembunyi hidden layer
Merupakan tiruan dari sel-sel saraf konektor pada jaringan saraf biologis. lapisan tersembunyi berfungsi meningkatkan kemampuan jaringan dalam
memecahkan masalah. Konsekuensi dari adanya lapisan ini adalah pelatihan menjadi makin sulit dan lama.
Universitas Sumatera Utara
3. Lapisan keluaran output layer
Berfungsi menyalurkan sinyal-sinyal keluaran hasil dari pemrosesan jaringan. Lapisan keluaran juga terdiri dari sejumlah neuron. Lapisan keluaran
merupakan tiruan sel-sel saraf motor pada jaringan saraf biologis Siggit Pamungkas, 2003.
Beberapa arsitektur jaringan yang sering dipakai dalam jaringan saraf tiruan, antara lain:
a. Jaringan dengan lapisan tunggal Single layer network
Jaringan dengan lapisan tunggal hanya memiliki satu lapisan dengan bobot terhubung. Jaringan ini hanya menerima input kemudian secara langsung akan
mengelolahnya menjadi output tanpa harus melalui lapisan tersembunyi.
b. Jaringan dengan banyak lapisan Multilayer net
Jaringan dengan banyak lapisan memiliki 1 atau lebih lapisan yang terletak di antara lapisan input dan lapisan output memiliki 1 atau lebih lapisan
tersembunyi.
c. Jaringan dengan lapisan kompetitif competitive layer net
Hubungan antar neuron pada lapisan kompetitif ini tidak diperlihatkan pada diagram arsitektur.
Universitas Sumatera Utara
2.4 Proses Pembelajaran
Kategori