Jaringan Saraf atau Neural Networks adalah sistem pengolahan informasi yang serupa dengan jaringan saraf biologis. Cara kerja dari elemen-elemen pemrosesan pada jaringan saraf tiruan juga sama seperti cara neuron meng-encode informasi yang diterimanya. Semua keluaran atau kesimpulan yang ditarik oleh jaringan didasarkan pada pengalamannya selama mengikuti proses pembelajaran. Pada proses pembelajaran, ke dalam jaringan saraf tiruan dimasukkan pola-pola input (dan output), kemudian jaringan akan dilatih untuk memberikan jawaban yang bisa diterima.

Jaringan saraf tiruan disusun dengan asumsi yang meniru jaringan saraf biologis, yaitu sebagai berikut:

  • Pengelolaan informasi terjadi pada elemen-elemen pemrosesan (neuron-neuron)
  • Sinyal antara dua buah neuron diteruskan melalui link–link
  • Setiap link koneksi memiliki bobok terasosiasi.
  • Setiap neuron menerapkan fungsi aktivasi terhadap input jaringan (jumlah sinyal input berbobot). Tujuannya adalah untuk menentukan sinyal output.

Urutan langkah-langkah kerjanya yang pertama adalah dengan menginputkan informasi yang sebelumnya telah diketahui hasil keluarannya ke dalam jaringan saraf tiruan. Penginputan informasi ini dilakukan lewat node-node atau unit-unit input. Bobot-bobot antar koneksi dalam suatu arsitektur diberi nilai awal dan kemudian jarigan saraf tiruan dijalankan. Bobot-bobot ini bagi jaringan digunakan untuk belajar dan mengingat suatu informasi. Pengaturan bobot dilakukan terus-menerus dan dengan menggunakan kriteria tertentu sampai diperoleh keluaran yang diharapkan.

Telah banyak aplikasi yang dibangun dengan menggunakan metode jaringan saraf tiruan. Salah satunya ialah untuk prediksi kedatangan turis di Lombok dengan memanfaatkan model arsitektur jaringan saraf recurrent (berulang) dengan Extended Kalman Filter. Model jaringan saraf recurrent merupakan model peramalan yang menggunakan nilai atau data-data di masa lalu untuk memprediksi nilai yang akan muncul pada depan pada suatu data time-series. Selain itu beberapa aplikasi lain yang dapat dikembangkan dengan menggunakan jaringan saraf tiruan antara lain pengenalan citra untuk deteksi kanker, pengenalan tulisan tangan, sidik jari, serta dapat juga digunakan untuk mendeteksi citra bergerak dari video.

Referensi:

A. A. Rizal and S. Hartati, “Recurrent neural network with Extended Kalman Filter for prediction of the number of tourist arrival in Lombok,” 2016 Int. Conf. Informatics Comput. ICIC 2016, pp. 180–185, 2017.