Jaringan
saraf Tiruan adalah merupakan salah satu representasi buatan dari otak manusia
yang selalu mencoba untuk mensimulasikan prose pembelajaran pada otak manusia
tersebut Istilah buatan disini digunakan karena jaringan saraf ini
diimplemintasikan dengan, menggunakan program komputer yang mampu menyelesaikan
sejumlah proses perhitungan selama proses pembelajaran.
sejalan
dengan perkembangan saat ini, para ahli mencoba menggantikan komputer menjadi
suatu alat bantu yang dapat meniru cara kerja otak manusia, sehingga diharapkan
suatu saat akan tercipta komputer yang dapat menimbang dan mengambil keputusan
sendiri. hal inilah yang mendorong lahirnya teknologi AI (Artificial
Intelligent).
salah
satu teknik komputasi yang dikelompokkan dalam AI adalah jaringan syaraf tiruan
(Artificial Neural Intelligent). jaringa syaraf tiruan merupakan salah satu
sistem pemrosesan yang dirancang dan dilatih untuk memiliki kemampuan seperti
yang dimiliki oleh manusia dalam menyelesaikan persoalan yang rumit dengan
melakukan proses belajar melalui perubahan bobot sinapsisnya. jaringan syaraf
mensimulasi struktur proses-proses otak (fungsi syaraf biologis) dan kemudian
membawanya kepada perangkat lunak kelas baru yang dapat mengenali pola-pola
kompleks serta belajar dari pengalaman-pengalaman masa lalu.
JST
atau Artificial Neural Network (ANN) adalah bagian dari sistem kecerdasan buatan
(Artificial Intelligence, AI) yang merupakan salah satu representasi buatan dari
otak manusia yang selalu mencoba untuk mensimulasikan proses pembelajaran pada
otak manusia tersebut. Istilah tiruan atau buatan dimaksudkan karena jaringan syaraf
ini diimplementasikan dengan menggunakan program komputer yang mampu
menyelesaikan sejumlah proses perhitungan selama proses pembelajaran. JST
dimaksudkan untuk membuat model sistem komputasi yang dapat menirukan cara
kerja jaringan syaraf biologis. Model JST yang digunakan dalam penelitian untuk
peramalan beban jangkapanjang ini adalah Propagasi Balik (Back Propagation,
BP).
Struktur
Jaringan Syaraf Tiruan
Propagasi
Balik Keunggulan yang utama dari system jaringan syaraf tiruan adalah kemampuan
untuk “belajar” dari contoh yang diberikan. Algoritma pembelajaran yang
digunakan adalah algoritma propagasi balik. Pada algoritma ini digunakan sinyal
referensi dari luar (sebagai pengajar) dibandingkan dengan sinyal keluaran JST,
hasilnya berupa sinyal kesalahan (error).
Pada aplikasi jaringan syaraf tiruan untuk
peramalan beban tenaga listrik jangka panjang pada system kelistrikan di
Indonesia ini, akan menerima 10 paramater sebagai sinya masukan bagi jaringan
syaraf tiruan untuk memprediksi beban tenaga listrik jangka panjang, 10 parameter
ini merupakan factor-faktor penting yang berpengaruh dalam ramalan beban tenaga
listrik jangka panjang ini, di mana parameter tersebut ialah :
Ø PDB(Produk
Domestik Bruto) per Kapita
Ø Populasi
Penduduk
Ø Jumlah
Rumah Tangga
Ø Rasio
Elektrifikasi
Ø Jumlah
Polusi CO2
Ø Harga
Minyak Mentah Rata2
Ø Harga
Batubara Rata-rata
Ø Pemakaian
Energi Final
Ø Pemakaian
Energi Final Industri
Ø Harga
Listrik Rata-rata
Simulasi
peramalan beban dengan JST dilakukan dengan menggunakan program MATLAB7 melalui
langkah-langkah sbb.:
Ø Menyusun
Training Set Data (TSD).
Ø Membuat Jaringan (Network).
Disain JST dibuat
dengan 4 buahlapisan, dimana pada lapisan pertama, kedua, ketiga dan ke-empat
masingmasing terdapat 10, 75, 5 dan 1 neuron.
Ø Melakukan
Pembelajaran Jaringan.
Ø Melakukan
simulasi peramalan beban menggunakan JST dengan masukan baru, dimana masukan
baru tersebut merupakan data proyeksi dari 10 faktor penting yang berpengaruh
dalam ramalan mulai tahun 2001 sampai dengan 2025, dari berbagai sumber data.
Ø Diperolehnya
hasil keluaran peramalan beban tenaga listrik tahun 2001-2025.
Selama pembelajaran
dalam simulasi, JST terus merubah nilai bobot (weight) sampai nilai error yang
dihasilkan kurang atau sama dengan 10-6. Pada epoch ke 3278, JST telah
melampaui target error.
Lapisan pada Jaringan Syaraf
Tiruan
Jaringan Syaraf Tiruan biasanya mempunyai 3 group atau lapisan
yaitu unit-unit : lapisan input yang terhubung dengan lapisan tersembunyi yang
selanjutnya terhubung dengan lapisan output.
Ø Aktifitas
unit-unit lapisan input menunjukkan informasi dasar yang kemudian digunakan
dalam Jaringan Syaraf Tiruan.
Ø Aktifitas
setiap unit-unit lapisan tersembunyi ditentukan oleh aktifitas dari unitunit input
dan bobot dari koneksi antara unit-unit input dan unit-unit lapisan tersembunyi
Ø Karakteristik
dari unit-unit output tergantung dari aktifitas unit-unit lapisan tersembunyi
dan bobot antara unit-unit lapisan tersembunyi dan unit-unit output.
Perbandingan Jaringan
Syaraf Tiruan dengan Konvensional
Jaringan Syaraf
Tiruan memiliki pendekatan yang berbeda untuk memecahkan masalah bila
dibandingkan dengan sebuah komputer konvensional. Umumnya komputer konvensional
menggunakan pendekatan algoritma (komputer konvensional menjalankan sekumpulan
perintah untuk memecahkan masalah). Jika suatu perintah tidak diketahui oleh
komputer konvensional maka komputer konvensional tidak dapat memecahkan masalah
yang ada. Sangat penting mengetahui bagaimana memecahkan suatu masalah pada
komputer konvensional dimana komputer konvensional akan sangat bermanfaat jika dapat
melakukan sesuatu dimana pengguna belum mengatahui bagaimana melakukannya. Jaringan
Syaraf Tiruan dan suatu algoritma komputer konvensional tidak saling bersaing
namun saling melengkapi satu sama lain. Pada suatu kegiatan yang besar, sistim yang
diperlukan biasanya menggunakan kombinasi antara keduanya (biasanya sebuah komputer
konvensional digunakan untuk mengontrol Jaringan Syaraf Tiruan untuk menghasilkan
efisiensi yang maksimal. Jaringan Syaraf Tiruan tidak memberikan suatu keajaiban
tetapi jika digunakan secara tepat akan menghasilkan sasuatu hasil yang luarbiasa.
Tags
article