Mengenal Jaringan Syaraf Tiruan

Jaringan Syaraf Tiruan (JST) dalam bahasa Inggris Artificial Neural Network merupakan sistem pemroses informasi yang memiliki karakteristik hampir sama dengan jaringan syaraf biologi, diantaranya pengenalan sebuah pola tertentu. JST dibentuk sebagai generalisasi model matematika dari jaringan syaraf biologi, dengan asumsi bahwa: (1) Pemrosesan informasi terjadi pada berbagai neuron. (2) Sinyal antara neuron dikirim melalui penghubung. (3) Dalam penghubung terdapat bobot yang dapat memperkuat dan memperlemah sinyal yang dikirimkan (4) Menggunakan fungsi aktifasi untuk menentukan output.

Sejarah JST pertama kali diperkenalkan pada tahun 1943 oleh McCulloch dan Pitts yang menyimpulkan bahwa kombinasi beberapa neuron sederhana menjadi sebuah sistem neural akan meningkatkan kemampuan komputasinya. Model JST yang dikenalkan oleh McCulloch dan Pitts adalah model HEBB. Disusul oleh Resonblatt (1958) yang memperkenalkan perceptron kemudian Widrow dan Hoff (1960) yang mengembangkan perceptron dengan aturan pelatihan jaringan yang mana dengan aturan ini akan mengubah bobot perceptron apabila keluaran yang dihasilkan tidak sesuai dengan target yang diinginkan.

Apa yang dilakukan peneliti tersebut diatas tidak lain hanya menggunakan jaringan dengan layer tunggal (single layer), pada tahun 1986 Rumelhart mengembangakan perceptron menjadi backpropagation yang memungkinkan jaringan diproses melalui beberapa layer. Selain itu beberapa model JST lain juga dikembangkan seperti model Kohonen pada tahun 1972, Hopfield (1982), dll.

Pengembangan yang ramai dibicarakan sejak tahun 1990-an adalah aplikasi model JST untuk menyelesaikan berbagai masalah dikehidupan manusia, beberapa aplikasi nyata dari JST diantaranya: Pengenalan pola (Pattern Recognition), Signal Processing, peramalan, dan lain sebagainya.

Sumber: Siang, JJ.2005. Jaringan Syaraf Tiruan dan Pemrogamannya menggunakan MATLAB. Yogyakarta: ANDI.