Seputar Jaringan Syaraf Tiruan

Jaringan Syaraf Tiruan (JST) merupakan salah satu teknik dalam Soft Computing yang bermaksud meniru mekanisme otak biologi. Otak biologi yang terdiri dari Neron dengan Axon dan Dendritnya ditiru oleh JST berupa pembobotan pada neuronnya. Bobot dapat berisi penguatan ataupun pelemahan dengan fungsi yang berbeda-beda seperti linear, sigmoid, tangen sigmoid, dan fungsi matematis lainnya. Untuk merubah bobot agar sesuai dengan yang diharapkan perlu dibuat mekanisme pembelajaran. Salah satu teknik pembelajaran yang terkenal adalah perambatan balik (backpropagation).

Matlab menyediakan toolbox yang lengkap untuk membuat sistem JST, baik berupa fungsi ataupun layanan GUI-nya. Untuk yang gemar mempelajari Algoritma, ada baiknya Anda membaca algoritma dari M-File yang ada pada Source Code Matlab. Karena beberapa dosen tidak menyukai Matlab untuk pembelajaran karena khawatir mahasiswanya tidak berfikir tentang Algoritma pemrograman dan cenderung tinggal pakai. Sebenarnya banyak situs-situs yang menyediakan source code dengan bahasa C++ untuk sistem JST (atau mungkin Java). Akan tetapi jika anda sudah familiar dengan algoritmanya, dan ingin membangun aplikasi dengan cepat dan berpenampilan visual yang menarik, tentu saja pilihan kita jatuh ke software yang mendukung untuk itu, salah satunya adalah Matlab.

Salah satu yang kerap mengganggu saya untuk membuat aplikasi berbasis JST adalah kendala pembelajaran (learning). JST sangat membutuhkan sumber daya RAM yang tinggi, kerap kali jika neuron terlalu banyak, Matlab terkadang memunculkan pesan Out of Memory. Salah satu contohnya adalah saat saya membuat klasifikasi dari grafik yang diumpan oleh software “Wireshark” dengan target klasifikasi ke dalam kategori jaringan normal, padat ataukah tidak normal (ada virus, DOS, dan sejenisnya). Matriks gambar ukuran 200 x 300 harus sanggup saya konversi menjadi berukuran kecil bervektor kolom 100, dan tetap saja meminta saya menaikan RAM 3 Gb, padahal laptop saya memiliki RAM 2 Gb dan terpaksa saya perkecil lagi resolusinya menjadi vektor kolom 20 saja. Tentu saja akurasinya akan berkurang. Oleh karena itu saat pembelajaran sebaiknya pinjam saja komputer setara server dengan RAM yang besar dan Prosesor terbaru.


Aslinya gambar tersebut adalah grafik trafik jaringan dengan axis dan ordinat yang dibuang dengan fungsi “Imcrop” yang merupakan fungsi cropping suatu gambar untuk menghilangkan bagian lain yang diperlukan.


Pengolahan citra bermaksud mengkonversi gambar menjadi matriks dan vektor yang kemudian akan diolah oleh JST untuk keperluan pembelajaran ataupun klasifikasi ke dalam kelas tertentu. Sehingga saat dijalankan akan menghasilkan pesan tertentu.


Selamat mencoba


Rahmadya Trias Handayanto


 

Iklan

25 respons untuk ‘Seputar Jaringan Syaraf Tiruan’

  1. mas saya sedang mengerjakan tugas akhir, kebetulan saya disuru membuat pengenalan pola huruf dengan menggunakan backpropagation. punya tutorialnya gak mas? kalo ada contoh demonya mas. saya bener-bener baru banget megang matlab dan terjun ke neural network..mohon bantuannya ya mas..wasalam

  2. selamat siang….
    masa rama saya boleh minta bantuannya gak dalam membentuk jaringan backpropagation kebetulan tugas akhir saya mengenali tanda tangan dengan metode tersebut,.bisa minta bantu pencerahan bagaimana cara membangun jaringan backpropagationnya,.
    bisakah saya minta info mas biar bisa bertanya-tanya..
    terima kasih sebelumnya

  3. […] Gimana .. ada yang ngaco ga? … ternyata, A D A. Angka tiga dites kok keluarnya 1,58 (saya beri warna merah). Makanya ngajarin bedain monyet atau bukan bukan hanya data monyet yang dilatih. Ok, selamat berpusing-pusing ria yang dapat skripsi atau tesis tentang identifikasi tanda tangan ya (jadi inget kerjaan saya dulu) .. Jika Anda bisa membuat pengolahan citra di bawah ini berarti sudah siap nih untuk sistem identifikasi pola .. Gambar di bawah ini hasil keluaran angka dua (lihat bagian putihnya, karena angka 1 berwarna putih dan angka nol berwarna hitam). Oiya, kalo bisa gunakan Matlab 7 sepertinya lebih ampuh. Bukan Cuma tanda tangan, bisa juga mengenali grafik lho, lihat di sini. […]

  4. pak,mohon bantuannya..saya lagi mengerjakan tugas akhir tentang peramalan jumlah pelanggan energi listrik dari tahun 2015 sampai tahun 2020..data yang saya gunakan adalah data dari tahun 2007 sampai dengan 2014..mohon bantuannya dengan memberi tahu cara peramalan jumlah pelanggan energi listrik dengan menggunakan jst.bantuan bapak sangat diharapkan

  5. pak, mohon pencerahannya. saya lagi proses TA mengenai pengolahan citra x-ray menggunakan neural network, pada penyakit osteoartritis. mohon pencerahan untuk mencocokan gambar dan memvonis termasuk golongan KL berapa2nya pak.

  6. pak, mohon masukannya, saya mengangkat judul TA analisa prediksi jaringan syaraf tiruan radial basis function dengan metode matlab. apakah itu nanti bisa singkron masalah dengan metode nya pak? apa bapak juga punya referensi dari judul saya tersebut pak? ini email saya 5ucifahma10@gmail.com
    trims sebelumnya pak…

  7. Pak saya mengambl topik tugas akhir tentang identifikasi barcode dengan teknik pengolahan citra dan JST, saya ingin buat berbasis web apakah JST bisa diterapkan di web pak? jika bisa adakah referensi nya… terimakasih sebelumnya

  8. kalau seperti itu, berarti aplikasinya berjalan dilokal atau bagaimana pak?
    kalau cara lain, saya hanya mengambil bobot-bobot hasil training dari MATLAB, kemudian saya tanamkan pada aplikasi web apakah bisa?

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout /  Ubah )

Foto Google+

You are commenting using your Google+ account. Logout /  Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout /  Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout /  Ubah )

Connecting to %s