NEURAL NETWOR (NN) ATAU JARINGAN SARAF TIRUAN (JST)

NEURAL NETWORK (NN) ATAU JARINGAN SARAF TIRUAN (JST)

Secara umum Neural Network (NN) adalah jaringan dari sekelompok unit pemroses kecil yang dimodelkan berdasarkan jaringan syaraf manusia. NN ini merupakan sistem adaptif yang dapat merubah strukturnya untuk memecahkan masalah berdasarkan informasi eksternal maupun internal yang mengalir melalui jaringan tersebut. Secara sederhana NN adalah sebuah alat pemodelan data statistik non-linear. NN dapat digunakan untuk memodelkan hubungan yang kompleks antara input dan output untuk menemukan pola-pola pada data. Secara mendasar, sistem pembelajaran merupakan proses penambahan pengetahuan pada NN yang sifatnya kontinuitas sehingga pada saat digunakan pengetahuan tersebut akan dieksploitasikan secara maksimal dalam mengenali suatu objek. Neuron adalah bagian dasar dari pemrosesan suatu Neural Network

Neural Network diilhami oleh jaringan syaraf biologis yang mencoba untuk membangun dan menguji secara komputasi analogi-analogi dari syaraf. Neural Network adalah suatu himpunan unit-unit input/output yang terhubung, dan pada setiap koneksinya terdapat bobot (Han & Kamber, 2006). Komputer mencoba untuk mensimulasikan jaringan syaraf biologis dengan mengimplementasikan Neural Network (Heaton, 2008). 
Neuron- neuron di dalam otak manusia mempunyai keterhubungan, yang dinamakan sinapsis, semuanya beroperasi secara paralel. Di dalam komputer, prosesor adalah aktif dan memorinya tersebar dan pasif, tetapi diyakini di dalam otak, baik prosesor maupun memori didistribusikan secara bersamaan ke semua jaringan. Pemrosesan dilakukan oleh neuron-neuron, dan memori terdapat di dalam sinapsis di antara neuron-neuron (Alpaydin, 2010). Neural Network berguna untuk memecahkan persoalan yang berkaitan dengan pengenalan pola, klasifikasi, prediksi dan data mining (Heaton, 2008). 

Penelitian di bidang neural network setua komputer digital. McCulloch dan Pitts (1943) mengemukakan model matematika pertama untuk neural network. Rosenblatt (1962) mengemukakan model perceptron dan algoritma pembelajaran pada tahun 1962 (Alpaydin, 2010). Minsky dan Papert (1969) menunjukkan keterbatasan single layer perceptron untuk menyelesaikan masalah yang nonlinearly separable. Kemudian Rumelhart, Hinton, and Williams (1986) mempresentasikan algoritma Backpropagation untuk multilayer perceptron yang dapat menyelesaikan masalah yang nonlinearly separable (Han & Kamber, 2006).

Artificial Neural Network terdiri dari kumpulan node (neuron) dan relasi. Ada tiga tipe node (neuron) yaitu, input, hidden dan output. Setiap relasi menghubungkan dua buah node dengan bobot tertentu dan juga terdapat arah yang menujukkan aliran data dalam proses (Kusrini & Luthfi, 2009). Input node terdapat pada layer pertama dalam neural network. Secara umum setiap input node merepresentasikan sebuah input parameter seperti umur, jenis kelamin, atau pendapatan. Hidden node merupakan node yang terdapat di bagian tengah. Hidden node ini menerima masukan dari input node pada layer pertama atau dari hidden node dari layer sebelumnya. Hidden node mengombinasikan semua masukan berdasarkan bobot dari relasi yang terhubung, mengkalkulasikan, dan memberikan keluaran untuk layer berikutnya. Output node mempresentasikan atribut yang diprediksi

Keuntungan penggunaan Neural Network.

1. Perangkat yang mampu untuk mengenali suatu objek secara non-linier.

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 suatu objek.

5. Neural Network mampu diimplementasikan pada suatu Hardware atau

perangkat keras.

REFRENSI : http://mathsanimation.blogspot.com/2012/05/artificial-neural-network.html

                                elib.unikom.ac.id

KECERDASAN BUATAN DAN SISTEM PAKAR

KECERDASAN BUATAN

Kecerdasan Buatan ( Artificial Intelligence atau AI) didefinisikan sebagai kecerdasan entitas ilmiah. Sistem seperti ini umumnya dianggap komputer. Kecerdasan diciptakan dan dimasukkan ke dalam suatu mesin (komputer) agar dapat melakukan pekerjaan seperti yang dapat dilakukan manusia. Beberapa macam bidang yang menggunakan kecerdasan buatan antara lain sistem pakar, permainan komputer (games), logika fuzzy, jaringan syaraf tiruan dan robotika. Banyak hal yang kelihatannya sulit untuk kecerdasan manusia, tetapi untuk Informatika relatif tidak bermasalah. Seperti contoh: mentransformasikan persamaan, menyelesaikan persamaan integral, membuat permainan catur atau Backgammon. Di sisi lain, hal yang bagi manusia kelihatannya menuntut sedikit kecerdasan, sampai sekarang masih sulit untuk direalisasikan dalam Informatika. Seperti contoh: Pengenalan Obyek/Muka, bermain sepak bola.

Walaupun AI memiliki konotasi fiksi ilmiah yang kuat, AI membentuk cabang yang sangat penting pada ilmu komputer, berhubungan dengan perilaku, pembelajaran dan adaptasi yang cerdas dalam sebuah mesin. Penelitian dalam AI menyangkut pembuatan mesin untuk mengotomatisasikan tugas-tugas yang membutuhkan perilaku cerdas. Termasuk contohnya adalah pengendalian, perencanaan dan penjadwalan, kemampuan untuk menjawab diagnosa dan pertanyaan pelanggan, serta pengenalan tulisan tangan, suara dan wajah. Hal-hal seperti itu telah menjadi disiplin ilmu tersendiri, yang memusatkan perhatian pada penyediaan solusi masalah kehidupan yang nyata. Sistem AI sekarang ini sering digunakan dalam bidang ekonomi, obat-obatan, teknik dan militer, seperti yang telah dibangun dalam beberapa aplikasi perangkat lunak komputer rumah dan video game. 'Kecerdasan buatan' ini bukan hanya ingin mengerti apa itu sistem kecerdasan, tapi juga mengkonstruksinya.

SEJARAH KECERDASAN BUATAN

Pada awal abad 17, René Descartes mengemukakan bahwa tubuh hewan bukanlah apa-apa melainkan hanya mesin-mesin yang rumit. Blaise Pascal menciptakan mesin penghitung digital mekanis pertama pada 1642. Pada 19, Charles Babbage dan Ada Lovelace bekerja pada mesin penghitung mekanis yang dapat diprogram. Bertrand Russell dan Alfred North Whitehead menerbitkan Principia Mathematica, yang merombak logika formal. Warren McCulloch dan Walter Pitts menerbitkan "Kalkulus Logis Gagasan yang tetap ada dalam Aktivitas " pada 1943 yang meletakkan pondasi untuk jaringan syaraf.

Tahun 1950-an adalah periode usaha aktif dalam AI. Program AI pertama yang bekerja ditulis pada 1951 untuk menjalankan mesin Ferranti Mark I di University of Manchester (UK): sebuah program permainan naskah yang ditulis oleh Christopher Strachey dan program permainan catur yang ditulis oleh Dietrich Prinz. John McCarthy membuat istilah "kecerdasan buatan " pada konferensi pertama yang disediakan untuk pokok persoalan ini, pada 1956. Dia juga menemukan bahasa pemrograman Lisp. Alan Turing memperkenalkan "Turing test" sebagai sebuah cara untuk mengoperasionalkan test perilaku cerdas. Joseph Weizenbaum membangun ELIZA, sebuah chatterbot yang menerapkan psikoterapi Rogerian.

Selama tahun 1960-an dan 1970-an, Joel Moses mendemonstrasikan kekuatan pertimbangan simbolis untuk mengintegrasikan masalah di dalam program Macsyma, program berbasis pengetahuan yang sukses pertama kali dalam bidang matematika. Marvin Minsky dan Seymour Papert menerbitkan Perceptrons, yang mendemostrasikan batas jaringan syaraf sederhana dan Alain Colmerauer mengembangkan bahasa komputer Prolog. Ted Shortliffe mendemonstrasikan kekuatan sistem berbasis aturan untuk representasi pengetahuan dan inferensi dalam diagnosa dan terapi medis yang kadangkala disebut sebagai sistem pakar pertama. Hans Moravec mengembangkan kendaraan terkendali komputer pertama untuk mengatasi jalan berintang yang kusut secara mandiri.

Pada tahun 1980-an, jaringan syaraf digunakan secara meluas dengan algoritma perambatan balik, pertama kali diterangkan oleh Paul John Werbos pada 1974. Tahun 1990-an ditandai perolehan besar dalam berbagai bidang AI dan demonstrasi berbagai macam aplikasi. Lebih khusus Deep Blue, sebuah komputer permainan catur, mengalahkan Garry Kasparov dalam sebuah pertandingan 6 game yang terkenal pada tahun 1997. DARPA menyatakan bahwa biaya yang disimpan melalui penerapan metode AI untuk unit penjadwalan dalam Perang Teluk pertama telah mengganti seluruh investasi dalam penelitian AI sejak tahun 1950 pada pemerintah AS. Tantangan Hebat DARPA, yang dimulai pada 2004 dan berlanjut hingga hari ini, adalah sebuah pacuan untuk hadiah $2 juta dimana kendaraan dikemudikan sendiri tanpa komunikasi dengan manusia, menggunakan GPS, komputer dan susunan sensor yang canggih, melintasi beberapa ratus mil daerah gurun yang menantang.

MANFAAT KECERDASAN BUATAN

Di dalam ilmu komputer, banyak ahli yang berkonsentrasi pada pengembangan kecerdasan buatan atau Artificial Intelligence (AI). Banyak implementasi kecerdasan buatan dalam bidang komputer, antara lain adalah Decision Support System (Sistem Pendukung Keputusan), Robotic, Natural Language (Bahasa Alami), Neural Network (Jaringan Saraf) dan lain-lain. Pengertian kecerdasan buatan yaitu suatu studi khusus di mana tujuannya adalah membuat komputer berpikir dan bertindak seperti manusia. Contoh bidang lain pengembangan kecerdasan buatan adalah sistem pakar yang menggabungkan pengetahuan dan penelusuran data untuk memecahkan masalah yang secara normal memerlukan keahlian manusia. Tujuan dari pengembangan sistem pakar sebenarnya bukan untuk menggantikan peran manusia, tetapi untuk mensubstitusikan pengetahuan manusia ke dalam bentuk sistem, sehingga dapat digunakan oleh orang banyak. Manfaat kecerdasan buatan yang diimplementasikan dalam pengembangan sistem pakar adalah :

-Memberikan penyederhanaan solusi untuk kasus-kasus yang kompleks dan berulang-ulang.

-Masyarakat awam non-pakar dapat memanfaatkan keahlian di dalam bidang tertentu tanpa kehadiran langsung seorang pakar.

-Meningkatkan produktivitas kerja, yaitu bertambah efisiensi pekerjaan tertentu serta hasil solusi kerja.

-Penghematan waktu dalam menyelesaikan masalah yang kompleks.

-Memungkinkan penggabungan berbagai bidang pengetahuan dari berbagai pakar untuk dikombinasikan.

-Pengetahuan dari seorang pakar dapat didokumentasikan tanpa ada batas waktu.

# Bagaimana Artificial Intelligence (IA) dan Kognisi Manusia

Kelebihan kecerdasan buatan:

1.    Lebih bersifat permanen. Kecerdasan alami bisa berubah karena sifat manusia pelupa. Kecerdasan buatan tidak berubah selama sistem komputer & program tidak mengubahnya.

2.     Lebih mudah diduplikasi & disebarkan. Mentransfer pengetahuan manusia dari 1 orang ke orang lain membutuhkan proses yang sangat lama & keahlian tidak akan pernah dapat diduplikasi dengan lengkap.Jadi jika pengetahuan terletak pada suatu sistem komputer, pengetahuan tersebut dapat disalin dari komputer tersebut & dapat dipindahkan dengan mudah ke komputer yang lain.

3.    Lebih murah. Menyediakan layanan komputer akan lebih mudah & murah dibandingkan mendatangkan seseorang untuk mengerjakan sejumlah pekerjaan dalam jangka waktu yang sangat lama.

4.    Bersifat konsisten dan teliti karena kecerdasan buatan adalah bagian dari teknologi komputer sedangkan kecerdasan alami senantiasa berubah-ubah

5.    Dapat didokumentasi.Keputusan yang dibuat komputer dapat didokumentasi dengan mudah dengan cara melacak setiap aktivitas dari sistem tersebut. Kecerdasan alami sangat sulit untuk direproduksi.

6.    Dapat mengerjakan beberapa task lebih cepat dan lebih baik dibanding manusia 

Kelebihan kecerdasan alami:

1.    Kreatif: manusia memiliki kemampuan untuk menambah pengetahuan, sedangkan pada kecerdasan buatan untuk menambah pengetahuan harus dilakukan melalui sistem yang dibangun.

2.    Memungkinkan orang untuk menggunakan pengalaman atau pembelajaran secara langsung. Sedangkan pada kecerdasan buatan harus mendapat masukan berupa input-input simbolik.

            Komputer dapat digunakan untuk mengumpulkan informasi tentang obyek,kegiatan (events), proses dan dapat memproses sejumlah besar informasi dengan lebih efisien dari yang dapat dikerjakan manusia, tetapi disisi lain manusia –dengan menggunakan insting- dapat melakukan hal yang sulit untuk diprogram pada komputer, yaitu: manusia dapat mengenali (recognize) hubungan antara hal-hal tersebut, menilai kualitas dan menemukan pola yang menjelaskan hubungan tersebut.

Sistem Pakar

            Sistem pakar adalah sistem yang meniru kepakaran seseorang dalam bidang tertentu dalam menyelesaikan suatu permasalahan. Seringkali sistem pakar disebut dengan sistem berbasis pengetahuan. Di dalam sistem pakar terdapat fasilitas untuk melakukan hal yang dinamakan dengan inference engine.Inference engine akan melakukan penarikan kesimpulan menggunakan basis pengetahuan yang sebelumnya telah dimasukkan oleh seorang knowledge engineer ke dalam sistem pakar. Sistem pakar diciptakan tidak untuk menggantikan kedudukan seorang pakar tetapi untuk memasyarakatkan pengetahuan & pengalaman pakar tersebut.

            Tujuan dari sebuah sistem pakar adalah untuk mentransfer kepakaran yang dimiliki seorang pakar kedalam komputer, dan kemudian kepada orang lain (nonexpert) .

          Bentuk umum sistem pakar adalah suatu program yang dibuat berdasarkan suatu set aturan yang menganalisis informasi (biasanyadiberikan oleh pengguna suatu sistem) mengenai suatu kelasmasalah spesifik serta analisis matematis dari masalah tersebut.

            Sistem Pakar merupakan suatu metode Artificial Intelligence yang berguna untuk meniru cara berpikir dan penalaran seorang ahli dalam mengambil keputusan berdasarkan situasi yang ada. Sistem Pakar pertama kali dikembangkan oleh komunitas AI pada pertengahan tahun 1960. Sistem pakar yang muncul pertama kali ini adalah General-purpose Problem Solver (GPS) yang dikembangkan oleh Newel dan Simon. GPS (dan program-program yang serupa) ini mengalami kegagalan dikarenakan cakupannya terlalu luas, hingga kadang justru meninggalkan pengetahuan penting yang seharusnya disediakan.

Pemakai Sistem Pakar

Sistem pakar dapat digunakan oleh :

1)   Orang awam yang bukan pakar untuk meningkatkan kemampuan mereka dalam memecahkan masalah.

2)   Pakar sebagai asisten yang berpengetahuan.   

3)   Memperbanyak atau menyebarkan sumber pengetahuan yang semakin langka.

Ciri-ciri sistem pakar :

1)   Terbatas pada bidang yang spesifik

2)   Dapat memberikan penalaran untuk data-data yang tidak lengkap atau tidak pasti.

3) Dapat mengemukakan rangkaian alasan yang diberikan dengan cara yang dapat pahami.            

4)  Berdasarkan pada rule atau kaidah tertentu.

5)  Dirancang untuk dapat dikembangkan secara bertahap.

6)  Outputnya bersifat nasihat atau anjuran.

7)  Outputnya tergantung dari dialog dengan user.

8)  Knowledge base dan interfence engine terpisah.

Contoh sistem pakar dalam psikologi

1.  ELIZA.

            Eliza merupakan salah satu Sistem Pakar yang paling awal dikembangkan. Ini adalah program komputer terapis yang dibuat oleh Joseph Weizenbaum di MIT tahun 1976. Pengguna berkomunikasi dengannya sebagaimana sedang berkonsultasi dengan seorang terapis.
Berikut ini adalah contoh percakapan antara Eliza dengan seorang klien :

Eliza: Hello. I am ELIZA. How can I help you?

Klien: My name is Balza.

Eliza: I have told you before, I do not care about names.

Klien: I don’t have any money. That’s my problem.

Eliza: Why do you say your problem?

Klien: Because you asked me.

Eliza: Do any other reasons not come to mind?

Klien: No.

Eliza: You are being a bit negative.

Klien: Why?

Eliza: Please go on.

Klien: OK. I am bankrupt.

Eliza: How long have you been bankrupt?

Klien: A year.

Eliza: Please go on.

Klien: So, what should I do?

Eliza: Does that question interest you?

Klien: Yes, how can I make big money?

Eliza: You are sure?

Klien: Of course I’m sure.

2. Parry.

            Parry adalah Sistem Pakar yang juga paling awal dikembangkan di Stanford University oleh seorang psikiater, Kenneth Colby, yang mensimulasikan seorang paranoid. Berikut ini contoh respon Parry terhadap pertanyaan seorang psikiater yang menginterviewnya.

Psikiater : Why are you in the hospital?

Parry : I shouldn’t be here.

Psikiater : Who brought you here?

Parry : The police.

Psikiater : What trouble did you have with the police?

Parry : Cops don’t do their job.

Psikiater : What do they do instead?

Parry : Cops arrest the wrong people.

Psikiater : They arrest the right ones sometimes

Parry : The law should get those Italian crooks.

Psikiater : Are you Italian?

Parry : My background is British but I was born in this country.

Psikiater : Do you know any Italian crooks?

Parry : I try to avoid the underworld.

3. NETtalk

            Connectionists telah membuat kemajuan yang signifikan dalam menunjukkan kekuatan jaringan saraf untuk menguasai tugas-tugas kognitif. Berikut adalah tiga percobaan terkenal yang telah mendorong connectionists untuk percaya bahwa JST model yang baik dari kecerdasan manusia. Salah satu yang paling menarik dari upaya tersebut adalah kerja 1987 Sejnowski dan Rosenberg di jaring yang dapat membaca teks bahasa Inggris disebut NETtalk. Pelatihan ditetapkan untuk NETtalk adalah basis data yang besar terdiri dari teks bahasa Inggris ditambah dengan output yang sesuai fonetik-nya, yang ditulis dalam kode yang cocok untuk digunakan dengan synthesizer pidato. Tape kinerja NETtalk di berbagai tahap pelatihan mendengarkan sangat menarik.

            Pada awalnya output random noise. Kemudian, bersih suara seperti itu mengoceh, dan kemudian masih seolah-olah itu adalah berbahasa Inggris double-talk (pidato yang dibentuk dari suara yang menyerupai kata dalam bahasa Inggris). Pada akhir pelatihan, NETtalk melakukan pekerjaan yang cukup baik mengucapkan teks diberikan. Selain itu, kemampuan ini generalizes cukup baik untuk teks yang tidak disajikan pada training set.

Refrensi : http://id.wikipedia.org/wiki/Kecerdasan_buatan

http://kecerdasan-buatan.blogspot.com/

http://tutisetiyawati.blogspot.com/2012/10/kecerdasan-buatan-artificial.html

                        

TIPS MEMILIH BURUNG BAKALAN

Hal – hal yang harus diperhatikan dalam memilih burung bakalan :

1 . Jenis kelamin

            Pastikan anda sudah mengetahui burung tersebut berkelamin jantan untuk tipe burung kicauan, lain halnya jika burung tersebut adalah burung Cucak Rawa, Cucak jenggot , Lovebird, dll.

2 . Kondisi Fisik

            Burung yang bergerak secara berlebihan dapat menandakan burung tersebut sedang stress atau sebaliknya burung terlihat lemas yang dapat menandakan burung tersebut sedang dalam kondisi tidak sehat. Burung bakalan yang tidak sehat juga dapat dilihat dari warna bulu yang terlihat kusam dan kondisi bulu yang mengembang. Burung bakalan yang tampak sayapnya turun ke bawah dan bulu kepada berdiri dan leher di pendekan seperti dalam kondisi kedinginan serta mata yang sering terlihat seperti mengantuk, maka dapat dipastikan burung tersebut dalam kondisi sakit. Burung dalam kondisi seperti ini sebaiknya tidak dibeli

3 . Burung Tidak Cacat

            Pilihlah burung yang anggota tubuhnya dalam kondisi baik, tidak buntung pada jari jemarinya, mata yang sehat, tidak terkena penyakit katarak atau buta, saya terlihat kokoh dan paruh utuh. secara umum ciri fisik burung bakalan yang baik adalah sebagai berikut :

•    memiliki dada yang bidang
•    mata yang jernih dan tajam
•    kaki yang kokoh serta cengkraman yang kuat
•    body yang lencir (besar dan panjang namun terlihat gagah)
•    bulu yang mengkilat
•    Paruh, pilihlah yang posisinya proporsional.

•    pada burung tertentu seperti murai batu, pilihlah burung dengan kepala papak yang biasanya mengindikasikan mental yang baik ,pilihlah burung yang memiliki lubang hidung yang kecil, menurut pengalaman kicaumania, burung yang memiliki lubang hidung yang kecil biasanya akan berkicau panjang dan kristal.

4 . Rajin Ngeriwik

            Akan lebih baik jika kita dapati burung bakalan yang kita beli telah rajin ngeriwik (berkicau secara perlahan) rajin untuk belajar berkicau atau bahkan mau berkicau. Sukur-sukur kita mendapatkan burung dengan volume diatas rata-rata yang dapat menjadi modal jika nantinya kita berniat untuk mengikutsertakan burung tersebut ke pentas lomba.

KESIMPULAN : jadi dalam memilih burung bakalan yang bagus kita harus memperhatikan hal – hal tersebut . jika kita memperhatikan hal – hal tersebut dalam memilih burung maka kita akan mendapatkan burung yang bagus berkualitas lomba , tentunya didukung oleh cara pemeliharaan yang sesuai prosedurnya juga . dan menurut saya faktor yang paling penting adalah faktor nomor 3 yaitu burung tidak cacat , jika burung mengalami cacat fisik sedikit saja tetap akan mengurai harga jual dari burung tersebut maupun burung tersebut telah menang di berbagai kontes .

Sumber : http://www.agrobur.com/2011/11/bagaimana-memilih-dan-membedakan-burung.html