Artifical Neural Network (Ann) & Pola Penerapan Dalam Pemetaan
 |
| Artificial Neural Network |
| Parameter-parameter yang ada dalam pemetaan soal UN dipakai sebagai bab dalam sistem ANN yang dibangun. Dengan penggunaan ANN dibutuhkan memberi akomodasi bagi guru dalam melaksanakan pemetaan soal UN dan hasil yang diperoleh relatif lebih akurat. |
Sebuah Artificial Neural Network (ANN) ialah paradigma pengolahan gosip yang terinspirasi oleh sistem syaraf secara biologis, mirip otak. Elemen kunci dari paradigma Artificial Neural Network ialah struktur novel dari sistem pengolahan informasi. Terdiri dari sejumlah elemen pemrosesan yang saling bekerjasama (neuron) yang sangat besar, bekerja serentak untuk menuntaskan problem tertentu (Pricipe,2000).
Seperti insan yang mencar ilmu dari contoh, demikian juga dengan Artificial Neural Network. Sebuah Artificial Neural Network dikonfigurasi untuk aplikasi tertentu, mirip pembagian terstruktur mengenai pengenalan pola atau data, melalui proses pembelajaran. Belajar dalam sistem biologis melibatkan adaptasi terhadap koneksi sinaptik yang ada antara neuron. Hal ini berlaku juga pada Artificial Neural Network dimana memperoleh pengetahuan melalui pembelajaran, dan pengetahuan yang disimpan dalam koneksi antar-neuron yang berpengaruh dan dikenal sebagai bobot sinaptik (Alyda,2006).
Salah satu penerapan Artificial Neural Network adalah dipakai untuk pengenalan abjad optik yang dikenal dengan Optical Character Recognation. Optical Character Recognition merupakan suatu teknologi yang memungkinkan mesin (komputer) secara otomatis sanggup mengenali abjad lewat suatu prosedur optik. Proses yang dilakukan ialah mengubah gambaran yang mengandung karakter-karakter di dalamnya ke dalam gosip yang sanggup dimanipulasi oleh mesin.
Fungsi dari Neural Network diantaranya ialah :
1. Pengklasifikasian pola
2. Memetakan pola yang didapat dari input ke dalam pola gres pada output
3. Penyimpan pola yang akan dipanggil kembali
4. Memetakan pola-pola yang sejenis
5. Pengoptimasi permasalahan
6. Prediksi
Sejarah Neural Network
Perkembangan ilmu Neural Network sudah ada semenjak tahun 1943 ketika Warren McCulloch dan Walter Pitts memperkenalkan perhitungan model neural network yang pertama kalinya. Mereka melaksanakan kombinasi beberapa processing unit sederhana gotong royong yang bisa memperlihatkan peningkatan secara keseluruhan pada kekuatan komputasi.
 |
| Foto dari Warren McCulloch dan Walter Pitts |
Perkembangan ilmu Neural Network sudah ada semenjak tahun 1943 ketika Warren McCulloch dan Walter Pitts memperkenalkan perhitungan model neural network yang pertama kalinya. Mereka melaksanakan kombinasi beberapa processing unit sederhana gotong royong yang bisa memperlihatkan peningkatan secara keseluruhan pada kekuatan komputasi.
Hal ini dilanjutkan pada penelitian yang dikerjakan oleh Rosenblatt pada tahun 1950, dimana ia berhasil menemukan sebuah two-layer network, yang disebut sebagai perceptron. Perceptron memungkinkan untuk pekerjaan pembagian terstruktur mengenai pembelajaran tertentu dengan penambahan bobot pada setiap koneksi antar-network.
Keberhasilan perceptron dalam pengklasifikasian pola tertentu ini tidak sepenuhnya sempurna, masih ditemukan juga beberapa keterbatasan didalamnya. Perceptron tidak bisa untuk menuntaskan permasalahan XOR (exclusive-OR). Penilaian terhadap keterbatasan neural network ini menciptakan penelitian di bidang ini sempat mati selama kurang lebih 15 tahun. Namun demikian, perceptron berhasil menjadi sebuah dasar untuk penelitian-penelitian selanjutnya di bidang neural network. Pengkajian terhadap neural network mulai berkembang lagi selanjutnya di awal tahun 1980-an. Para peneliti banyak menemukan bidang interest gres pada domain ilmu neural network. Penelitian terakhir diantaranya ialah mesin Boltzmann, jaringan Hopfield, model pembelajaran kompetitif, multilayer network, dan teori model resonansi adaptif. Untuk dikala ini, Neural Network sudah sanggup diterapkan pada beberapa task, diantaranya classification, recognition, approximation, prediction, clusterization, memory simulation dan banyak task-task berbeda yang lainnya, dimana jumlahnya semakin bertambah seiring berjalannya waktu.
Contoh Penerapan ANN pada Pemetaan Soal UN
Menurut Marimin dalam Indrawanto (Indrawanto dkk,2007) metode ANN mempunyai karakteristik yang ibarat jaringan syaraf biologi dalam memproses informasi. Salah satu penerapan ANN ialah untuk pemetaan data input dengan suatu pola yang diinginkan (Santoso,2004).
ANN sendiri telah banyak diaplikasikan dalam bidang komputer, teknik, ilmu murni, perdagangan, financial dan lain-lain. Diantaranya ialah pengklasifikasian jenis tanah (Nafisah dkk,2008), dalam penelitian ini dipakai metode ANN Backpropagation untuk mengenali pola dalam pengklasifikasian jenis tanah ke dalam jenis gravel, sand, slit/ sloam, clay, heavy clay, atau peat, dengan derma software Weka 3.5.7. Sedangkan Giri Daneswara dan Veronika S Moertini (2004) dalam penelitiannya mengaplikasikan jaringan syaraf tiruan propagasi balik untuk pembagian terstruktur mengenai data, dan Harryanto (2006) meneliti perihal aplikasi cluster analysis memakai self organizing maps (SOM) untuk analisa bakat pemain basket. Contoh aplikasi yang lain ialah pengenalan daun untuk pembagian terstruktur mengenai tanaman (Budi,2008), pemodelan multivariat deret waktu sumber daya air (Ferianto, 2003), prakiraan harga minyak sawit (Salya, 2006), prakiraan laba saham (Zhang, 2004) dan prakiraan kebutuhan energi (McMenamin,1998). Pada penelitian ini ANN dipakai untuk membangun sebuah model pemetaan soal UN matematika secara gampang menurut bank data hasil laporan UN yang dikeluarkan oleh sentra evaluasi pendidikan balitbang diknas dan BSNP.
Demikian artikel yang disalin sebagian oleh https://meemcode.blogspot.com/ untuk anda dari :
meowwwhoney.blogspot.com/search?q=artifical-neural-network-ann-contoh
0 Response to "Artifical Neural Network (Ann) & Pola Penerapan Dalam Pemetaan"
Posting Komentar