Jaringan Syaraf Tiruan

Pendahuluan

Masalah-masalah yang secara eksplisit dapat diformulasikan dan langkah-langkah pemecahannya pun dapat secara eksplisit diformulasikan, maka pendekatan dengan menggunakan jaringan saraf tiruan (artificial neural networks, selanjutnya disebut jaringan saraf) akan dihindari. Dalam kasus ini seseorang akan cenderung menggunakan komputer digital.

Banyak masalah yang paling kompleks seperti fisika partikel, struktur molekul organik, pengendali pesawat antariksa, telemetri, dan bidang lainnya dapat ditangani secara baik oleh komputer¾ bila permasalahan dapat diformulasikan. Namun bilamana suatu permasalahn tidak dapat diformulasikan secara eksplisit, atau ketika formulasi eksplisit berakibat hilangnya sensitivitas karena pendekatan yang tidak tepat atau ketika terjadi gangguan maka digunakanlah jaringan saraf.

Saat ini sulit memperkirakan sejauh mana jaringan saraf, teori fuzzy, dan pendekatan-pendekatan logika lainnya akan mengubah kehidupan kita di masa mendatang¾ seperti halnya kehadiran komputer dan dampaknya bagi kita tidak dapat diperkirakan pada saat kemunculan komputer elektronik pertama, ENIAC di tahun 1946. Sehingga belum terlihat apakah kita akan memiliki pengemudi yang dikendalikan oleh jaringan saraf ataupun fuzzy sehingga kita tidak perlu mengemudikan mobil kita lagi. Tahapan hingga mencapai transformasi tersebut hingga kini belumlah terlihat jelas, akan tetapi tanda-tanda ke arah tersebut telah terlihat.

Robert Hecht-Nielsen, seorang kontributor dalam bidang jaringan saraf, melihat bahwa aplikasi-aplikasi jaringan saraf selama beberapa tahun ini umumnya berpusat pada tiga bidang utama, yaitu analisis data, pengenalan pola, dan fungsi kendali.

Dalam analisis data, bidang aplikasi potensial mencakup pemrosesan aplikasi pinjaman, analisis perdagangan komoditas, peramalan runtut waktu, prediksi panen, meteorologi, analisis pasar, pola aktivitas konsumen, penegakan hukum yang melibatkan pencarian catatan kriminal.

Keseluruhan aplikasi ini, pada tahapan yang lebih kompleks, meliputi pemrosesan data base berukuran besar yang belum terlihat hubungan antar tiap elemennya. Beberapa di antaranya, meski dapat diselesaikan oleh teknik komputer klasik, dapat pula diselesaikan oleh jaringan saraf. Sedangkan aplikasi yang lain seperti misalnya peramalan cuaca jangka panjang, yang melibatkan faktor-faktor chaotic mungkin berada di luar lingkup jaringan saraf.

Dalam pengenalan pola, optical character recognition disebut sebagai aplikasi saraf¾ utamanya bila melibatkan cek yang ditulis tangan dan alamat surat yang ditulis tangan. Masalah-masalah pengenalan pola juga terdapat dalam bidang inspeksi industri, misalnya dalam inspeksi silicon wafer, terdapat cacat yang tidak mudah dikenali, lalu penyaring berdasar jaringan saraf menjadi alat yang disukai.

Aplikasi pengendalian yang sesuai untuk jaringan saraf meliputi fungsi-fungsi seperti operasi peralatan mesin. Sebagai contoh, suatu alat yang cukup kaku memegang blok metal menjadi rentan untuk rusak dalam operasi kecepatan tinggi. Sensor yang mendeteksi getaran dan tekanan dapat memberikan petunjuk real-time mengenai kelemahan-kelemahan operasi¾ dengan sebuah jaringan saraf dilatih untuk mengenali kelemahan-kelemahan multi dimensional.

Selanjutnya kami akan mengetengahkan beberapa aplikasi yang telah ada dalam kehidupan kita yang menggunakan jaringan saraf.

Aplikasi-aplikasi yang telah ada

Sebagian besar aplikasi yang ada saat ini merupakan prototipe-prototipe ataupun proyek-proyek riset. Meskipun untuk saat ini produk jaringan saraf ini belum begitu banyak kita jumpai, namun kami berkeyakinan bahwa di masa mendatang kita akan menjumpai lebih banyak lagi aplikasi jaringan saraf, oleh karena banyaknya para jenius yang berkecimpung di bidang ini.

Aplikasi-aplikasi jaringan saraf yang ada saat ini umumnya dapat dijalankan pada PC tanpa bantuan hardware khusus, namun demikian terdapat pula yang memerlukan suatu hardware jaringan saraf khusus.

Aplikasi-aplikasi berikut ini berkaitan dengan kehidupan kita sehari-hari dan jaringan saraf telah memegang peranan yang cukup penting di dalamnya.

Adaptive Noise Canceling

Aplikasi ini telah mendapatkan penghargaan Institute of Electrical and Electronic Engineers' Alexander Graham Bell. Sumbangan aplikasi ini adalah membersihkan gangguan pada saluran telpon (dikenal sebagai echo) dan mengurangi kesalahan transmisi modem. Setiap kita melakukan sambungan telpon jarak jauh, suara kita akan diproses melalui suatu penyaring adaptif. Proses penyaringan adaptif ini dikembangkan oleh Bernard Widrow pada tahun 1950-an. Aplikasi ini merupakan aplikasi yang sukses untuk jangka waktu terpanjang.

Mortgage Risk Evaluator

Perusahaan Nestor telah berhasil mengembangkan produk yang digunakan dalam aplikasi hipotek (Mortgage Risk Evaluator). Produk ini membantu biro kredit mengidentifikasikan seseorang yang mampu membayar hipotek. Sistem telah dilatih dalam beberapa ribu aplikasi nyata, sekitar setengahnya diterima dan setengah yang lain ditolak oleh pemeriksa. Belajar dari kesuksesan dan kegagalan pengalaman ini, sistem kemudian mencari pola di dalam data untuk menentukan hal-hal apa saja yang menunjukkan suatu risiko tinggi. Selain itu, sistem dapat pula dikonfigurasi agar pendugaannya bersifat konservatif atau pun optimistik.

Terdapat tiga tingkatan permasalahan yaitu pemeriksaan asal hipotek, pemeriksaan jaminan hipotek, dan pendugaan risiko. Semakin tinggi tingkatan, maka semakin besar risiko dan semakin sulit tugasnya.

Dua tujuan utama pembuatan produk ini adalah pertama untuk mengotomatisasi proses pemeriksaan, sehingga dapat mengurangi biaya proses; kedua, untuk memperbaiki praktik yang ada saat ini. Dalam suatu uji perbandingan dengan pemeriksa manusia (human underwriters) diketahui bahwa jaringan saraf lebih konsisten dalam mengklasifikasikan berkas, dan menghasilkan kualitas berkas tersertifikasi yang lebih baik serta mampu mengurangi secara nyata kesalahan-kesalahan kerja.

AVCO Financial Services, di Irvine, California, menggunakan sistem jaringan saraf untuk menganalisis risiko kredit. Sistem ini diujikan pada lebih dari 100.000 kasus kredit. Dalam artikelnya New York Times melaporkan bahwa dalam satu uji terlihat indikasi akan adanya kenaikan laba sebesar 27% jika digunakan sistem jaringan saraf dibanding bila menggunakan sistem evaluasi dengan menggunakan komputer yang sebelumnya dipakai AVCO.

Bomb Sniffer

Pada bulan Agustus 1989, Federal Aviation Administration memasang suatu sistem detektor bom baru di New York's JFK International Airport. Metode-metode tradisional untuk menentukan risiko semacam ini memiliki keterbatasan yaitu operator dapat menjadi lelah, bosan dan kehilangan konsentrasi. Science Applications International Corporation (SAIC) mengembangkan suatu jaringan saraf yang disebut Thermal Neutron Analysis (TNA) atau lebih umum dikenal sebagai SNOOPE.

Sistem ini bekerja secara otomatis dan tidak dapat menjadi lelah dan bosan. SNOOPE ini telah diuji pada sejumlah bahan peledak untuk mengidentifikasi pola emisi sinar gamma yang dimiliki oleh bahan-bahan tersebut.

Sistem ini mampu memeriksa sekitar sepuluh buah kopor per menitnya. Jika SNOOPE ragu atas suatu kopor, ia dapat memberikannya kepada inspektur. Lalu data kopor yang dicurigai disimpan untuk digunakan di masa mendatang.

SNOOPE dinyatakan lebih aman bagi manusia dibanding sinar X, dan aman pula untuk film, media elektronik, makanan dan obat-obatan. Neutron energi rendah yang dipancarkan bukan suatu radioaktif. Namun demikian, untuk menggunakan sistem ini diperlukan biaya yang cukup tinggi yaitu sekitar $ 1,1 juta.

GTE Process Monitor

GTE Laboratories telah menggunakan jaringan saraf dalam pabrik bola lampunya. Tujuan proyek ini adalah untuk mengidentifikasi parameter-parameter yang paling berpengaruh terhadap proses produksi. Sistem ini memantau lini produksi, menjejaki hal-hal seperti misalnya variasi panas, tekanan, dan bahan kimia yang digunakan untuk membuat bola lampu. Masukan-masukan dari pengukuran sensor ini lalu dibandingkan dengan kinerja pabrik. Informasi ini akan digunakan untuk membantu menentukan kondisi pabrik yang optimum, mengindikasikan kendali apa yang perlu disesuaikan, dan bahkan menghentikan lini produksi jika terjadi kesalahan.

Word Recognizer

Intel mengembangkan aplikasi kecil yang menyelidiki keekspresifan pembicaraan manusia. Dengan membatasi sistem hanya untuk pembicara tunggal pada satu waktu dan dengan membatasi kosa kata (sekitar 100 kata atau frase), sistem ini mampu mengenali suara manusia dengan ketepatan 99%. Sistem pemasukan data yang dikendalikan suara ini telah banyak digunakan dalam berbagai aplikasi manufaktur sejak tahun 1983.

Blower Motor Checker

Siemens, sebuah perusahaan pembuat peralatan elektronik Jerman, menggunakan jaringan saraf untuk mendeteksi tingkat kebisingan blower motor yang dibuat untuk mobil Ford. Sebelumnya mereka telah mencoba cara-cara tradisional, seperti menugaskan sejumlah karyawan untuk mendengarkan seluruh motor, namun tidak begitu berhasil. Tetapi setelah menggunakan jaringan saraf, mereka berhasil dengan tingkat akurasi lebih dari 90%.

Prototype dan Research Activity

Para ahli kesehatan di Universitas Brown telah menggunakan sebuah jaringan simulasi pengetahuan medis untuk merelasikan informasi kasus, tanda-tanda, dan penyembuhan. Para periset di Los Alamos National Laboratory menggunakan jaringan saraf untuk memprakirakan apakah urutan DNA tertentu mewakili kode genetik bagi pembuat protein. Petugas US Postal Service sedang menyelidiki kemungkinan penggunaan jaringan saraf untuk membaca alamat yang ditulis secara manual. Badan-badan penegak hukum menggunakan jaringan saraf untuk berusaha menentukan apakah profil psikologi seseorang (yang melakukan kejahatan) berubah. Aplikasi riset yang lain mencakup text-to-speech, pengenalan target, dan pencarian pola.

Airline Marketing Tactician (AMT)

Sistem ini merupakan prototipe pembuktian konsep yang dikembangkan oleh BehavHeuristic, Inc., Silver Spring, Maryland. Ia menasehati pengguna atas manajemen kursi pesawat. Sistem ini terdiri dari dua jaringan saraf berbeda, himpunan aturan (rule set) dan antar muka grafis (graphics interface).

Sumber :http://tedi.heriyanto.net/papers/jst.htm