10 Gambar 3. Struktur Dasar Hirarki AHP Saaty 1980
2.4 Jaringan Syaraf Tiruan
Jaringan syaraf tiruan adalah sistem proses informasi yang mempunyai beberapa persamaan karakteristik dengan jaringan syaraf biologis. Jaringan syaraf tiruan memiliki karakteristik sebagai
berikut : 1.
Pola hubungan antar neuron yang disebut arsitektur. 2.
Metode penentuan bobot pada hubungan yang disebut pelatihan training atau pembelajaran learning atau algoritma.
3. Fungsi aktivasi yang dijalankan masing-masing neuron input pada masing-masing output.
Informasi yang diberikan pada jaringan syaraf tiruan akan dirambatkan melalui layer neuron, dimulai dari layer input sampai ke layer output melalui lapisan lainnya. Lapisan ini sering dikenal
dengan nama lapisan tersembunyi hidden layer Fausett 1994. Definisi lain Jaringan syaraf tiruan adalah kerangka kerja fleksibel untuk pemodelan komputasi berbagai masalah nonlinier Wong et al.
2000. Jaringan syaraf tiruan tersusun dari sejumlah besar elemen yang melakukan kegiatan yang
analog dengan fungsi-fungsi biologis yang paling elementer. Elemen-elemen ini terorganisasi sebagaimana layaknya anatomi otak, walaupun tidak persis. Jaringan syaraf tiruan dapat belajar dari
pengalaman, melakukan generalisasi atas contoh-contoh yang diperolehnya dan mengabstraksi karakteristik esensial input bahkan untuk data yang tidak relevan.
Berbeda dengan metode lain, algoritma untuk jaringan syaraf tiruan beroperasi secara langsung dengan angka sehingga data yang tidak numerik harus diubah menjadi data yang numerik.
Dibandingkan dengan cara perhitungan konvensional, jaringan syaraf tiruan tidak memerlukan atau menggunakan suatu model matematis atas permasalahan yang dihadapi. Oleh karena itu jaringan
syaraf tiruan juga dikenal dengan sebutan free-estimator. Jaringan syaraf tiruan memiliki sejumlah besar kelebihan dibandingkan dengan metode
perhitungan lain atau metode konvensional, yaitu :
Fokus yang hendak dicapai Fokus
Faktor
Aktor
Alternatif Faktor-1
Faktor -2 Faktor -m
Aktor-1 Aktor-2
Aktor-n
Altrnatif-1 Altrnatif-2
Altrnatif-o
11 1.
Kemampuan mengakuisisi pengetahuan walaupun dalam kondisi ada gangguan dan ketidakpastian. Hal ini dapat disebabkan jaringan syaraf tiruan mampu melakukan
generalisasi, abtraksi dan ekstraksi terhadap properti statistik dari data. 2.
Kemampuan merepresentasikan pengetahuan secara fleksibel. Jaringan syaraf tiruan dapat menciptakan sendiri representasi melalui pengaturan diri sendiri atau kemampuan belajar
self organizing. 3.
Kemampuan untuk memberikan toleransi atas suatu distorsi errorfault, dimana gangguan kecil pada data dapat dianggap hanya sebagai noise guncangan belaka.
4. Kemampuan memproses pengetahuan secara efisien karena memakai sistem parallel,
sehingga waktu yang diperlukan untuk mengoperasikannya menjadi lebih singkat. Dengan tingkat kemampuan yang sangat baik, beberapa aplikasi jaringan syaraf tiruan sangat cocok
untuk diterapkan pada : 1.
Klasifikasi, memilih suatu input data ke dalam suatu kategori tertentu yang diterapkan. 2.
Asosiasi, menggambarkan suatu objek secara keseluruhan hanya dengan sebuah bagian dari objek lain.
3. Self Organizing, kemampuan untuk mengolah data-data input tanpa harus memiliki data
sebagai target. 4.
Optimasi, menemukan suatu jawaban atau solusi yang paling baik sehingga dengan meminimalkan suatu fungsi biaya optimizer.
Walaupun memiliki segudang kelebihan, jaringan syaraf tiruan juga mempunyai sejumlah keterbatasan, antara lain kekurangmampuannya dalam melakukan operasi-operasi numerik dengan
presisi tinggi, operasi algoritma aritmatik, operasi logika dan operasi simbolis serta lamanya proses pelatihan yang terkadang membutuhkan waktu berhari-hari untuk jumlah data yang sangat besar
Hermawan 2006.
2.4.1 Perbandingan Antara Otak Manusia dan Jaringan Syaraf Tiruan