PENG. TEKNOLOGI SISTEM CERDAS # { T.1 }
TUGAS 1 (ANN)
ARTIFICIAL NEURAL NETWORK
1. Definisi Artificial Neural Network
Artificial
Neural Network (ANN)
merupakan model penalaran yang didasarkan pada otak manusia. ANN terdiri dari
sejumlah prosesor sangat sederhana dan saling berhubungan yang disebut neuron.
Neuron yang terhubung dengan pembobotan (weight) melewati sinyal dari neuron
satu ke neuron yang lain. ANN mampu mengenali sinyal input yang agak berbeda dari
yang pernah diterima sebelumnya dan mampu bekerja meskipun beberapa neuronnya tidak
mampu bekerja dengan baik. Jika sebuah neuron rusak maka neuron lain dapat dilatih
untuk menggantikan fungsi neuron yang rusak tersebut.
2. Contoh
penerapan
Jaringan Syaraf
Tiruan Atau Artificial
Neural Network (Ann) Analisa Pengaruh Kosmetik Pada Kerusakan
Kulit Wajah Menggunakan Metode Perceptron
Perceptron merupakan salah
satu bentuk jaringan sederhana. Perceptron biasanya digunakan
untuk
mengklasifikasikan suatu pola tipe tertentu yang sering dikenal dengan
pemisahan secara linear. Pengaruh kosmetik pada kerusakan kulit wajahterutama
jerawat dapat dianalisa dengan menerapkan metode Perceptron. Metode Perceptron
akan melakukan pembelajaran pada setiap kandungan zat yang ada pada
kosmetik tersebut. Berikut data-data kandungan yang terdapat pada kosemetik
berupa bedak padat.
Data Kandungan Zat Bedak Padat
Kandungan Zat
Bedak Padat
1. Talc
2. Mica
3. Kaolin
4. Lanolin Oil
5. Magnesium Stearate
6. Silicon oil
7. Methyl Paraben
8. Vaseline
9. Fragrance
10. May Coni Ain
11. Titanium Dioxide
12. Petrolatum
Melalui Jaringan Syaraf Tiruan atau
Artificial Neural Network (ANN) dengan menggunakan metode Perceptron,
proses pembelajaran yang telah dilakukan sebanyak 2 epoch dapat disimpulkan
bahwa selama dilakukan proses pembelajaran pada epoch ke-2 ada 3 data yang menghasilkan
nilai = 1 yang menyatakan bahwa nilai 1 tersebut menyatakan dapat menimbulkan
jerawat. Berarti dalam bedak padat terdapat 3 kandungan zat yang dapat
menimbulkan jerawat, yaitu Lanolin,
Vaseline, dan Petrolatum.
Pengujian
Untuk melakukan pengujian, yang
paling pertama sekali dilakukan adalah membentuk sebuah perceptron dan
matriksnya. Di bawah ini merupakan gambar sebuah perceptron beserta matriksnya.
Gambar 1 : Pembentukan Perceptron
dan Matriks. Setelah dilakukan pembentukan perceptron dan matriks, maka
selanjutnya diinputkan nilai data, bobot, bias dan targetnya seperti gambar
berikut.
Gambar 2: Input Data, Bobot, Bias
dan Target
Setelah data yang diinputkan
selesai, maka dihitung nilai keluaran (output) pada jaringan. Untuk menghitung
nilai keluaran (a) pada Matlab digunakan fungsi seperti gambar berikut :
Gambar 3 : Menghitung Nilai
Keluaran
Fungsi net = train (net,p,t) digunakan
untuk melihat hasil keluaran yang berupa grafik. Di bawah ini merupakan grafik
hasil keluaran jaringan syaraf tiruan.
Gambar 4 : Output Perceptron
Neural Network memiliki beberapa fungsi
diantaranya:
-> Mengelompokan pola
-> Memetakan pola yang didapat
dari input ke dalam output dalam bentuk pola yang baru
-> Menyimpan pola yang akan
dipanggil kembali
-> Memetakan pola-pola yang
sejenis
-> Mengoptimasi permasalahan
-> Membuat prediksi
Konsep
Neural Network
Ini merupakan contoh beberapa bagian dari otak manusia seperti:> Neuron : Pusat pemrosesan informasi dari masukan ribuan dendrites dan keluaran sebuah axon
-> Nukleus : Unit proses untuk melakukan segala proses
-> Axon : Mengirimkan keluaran untuk ke jaringan lain
-> Dendrit : Mengirimkan masukkan ke unit proses
-> Sinapsis : Untuk menyimpan pengetahuan
Dalam penjelasannya proses kerja jaringan syaraf pada otak manusia,merupakan sebagai ide dasar dimana otak memiliki sekitar 1011 neuron yang berfungsi sebagai media proses untuk setiap informasi yang masuk. Jadi pada setiap neuron terdapat minimal 1 dendrit dengan setiap sel nya terhubung dengan syaraf lain,yang jumlahnya mencapai sekitar 104 sinapsis. Masing-masing sel itu saling berinteraksi untuk menghasilkan kemampuan tertentu pada kerja otak manusia.
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) atau dalam penjelasannya lebih singkatnya yaitu otak menerima rangsangan(informasi) yang begitu banyak sehingga otak akan secara otomatis untuk memilah pada bagian mana informasi tersebut akan dihubungkan pada syaraf-syaraf lain.
-> Nukleus : Unit proses untuk melakukan segala proses
-> Axon : Mengirimkan keluaran untuk ke jaringan lain
-> Dendrit : Mengirimkan masukkan ke unit proses
-> Sinapsis : Untuk menyimpan pengetahuan
Dalam penjelasannya proses kerja jaringan syaraf pada otak manusia,merupakan sebagai ide dasar dimana otak memiliki sekitar 1011 neuron yang berfungsi sebagai media proses untuk setiap informasi yang masuk. Jadi pada setiap neuron terdapat minimal 1 dendrit dengan setiap sel nya terhubung dengan syaraf lain,yang jumlahnya mencapai sekitar 104 sinapsis. Masing-masing sel itu saling berinteraksi untuk menghasilkan kemampuan tertentu pada kerja otak manusia.
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) atau dalam penjelasannya lebih singkatnya yaitu otak menerima rangsangan(informasi) yang begitu banyak sehingga otak akan secara otomatis untuk memilah pada bagian mana informasi tersebut akan dihubungkan pada syaraf-syaraf lain.
Arsitektur ANN
Setiap neuron dapat memiliki beberapa masukan dan mempunnyai satu keluaran. Jalur masukan pada suatu neuron bisa berisi data mentah atau data hasil olahan neuron sebelumnya. Sedangkan hasil keluaran suatu neutron dapat berupa hasil akhir atau berupa bahan masukkan bagi neutron berikutnya. Jaringan neuron buatan terdiri atas kumpulan grup neuron yang tersusun dalam lapisan. Gambar di bawah ini menunjukkan struktur umum jaringan syaraf buatan yang bersifat feedfordward(data proses pada satu arah).
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.
Setiap neuron dapat memiliki beberapa masukan dan mempunnyai satu keluaran. Jalur masukan pada suatu neuron bisa berisi data mentah atau data hasil olahan neuron sebelumnya. Sedangkan hasil keluaran suatu neutron dapat berupa hasil akhir atau berupa bahan masukkan bagi neutron berikutnya. Jaringan neuron buatan terdiri atas kumpulan grup neuron yang tersusun dalam lapisan. Gambar di bawah ini menunjukkan struktur umum jaringan syaraf buatan yang bersifat feedfordward(data proses pada satu arah).
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.
Kesimpulan
Berdasarkan uraian dari bab-bab
sebelumnya, maka penulis dapat memberikan kesimpulan sebagai berikut :
1. Analisa pengaruh kosmetik pada
kerusakan kulit wajah dapat dilakukan dengan menerapkan Jaringan
Syaraf Tiruan
atau Artificial Neural Network (ANN)
.
2. Penerapan metode Perceptron
dapatmempermudah dan memberikan perhitungan penyelesaian dalam
menganalisa
pengaruh kosmetik pada kerusakan kulit wajah.
3. Aplikasi Matlab versi 6.1
digunakan sebagai pengujian untuk menganalisa pengaruh kosmetik pada
kerusakan
kulit wajah.
SUMBER :
Komentar
Posting Komentar