Penjelasan Artificial Neural Network (ANN) beserta cara kerja dan arsitektur

Pengertian ANN

Artificial Neural Network (ANN) atau biasa disebut dengan hanya Neural Network merupakan cabang ilmu dari Artificial Intelligence (AI) dan masuk pada sub-kategori Machine Learning. 

Artificial Intelligence sendiri menurut merupakan salah satu bagian dari ilmu komputer yang membuat komputer dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia, sedangkan untuk Machine Learning adalah aplikasi komputer dan algoritma matematika yang diangkat dengan cara pembelajaran yang bersumber dari data dan menghasilkan prediksi di masa yang akan datang. 

Kembali pada bahasan tentang ANN, ANN dapat disamakan dengan sebuah otak buatan yang dapat berfikir selayaknya manusia dengan cara melakukan peniruan terhadap aktivitas-aktivitas yang terjadi pada sebuah jaringan saraf biologis.

Kerangka kerja ANN dapat dilihat dari jumlah lapisan atau layer dan jumlah node pada setiap layer. Layer penyusun ANN dibagi menjadi 3 yaitu input layer, hidden layer, dan output layer. 

Input layer atau lapisan masukan merupakan unit-unit penerima masukan dari luar yang dapat digambarkan sebagai masalah, hidden layer atau lapisan tersembunyi yang keluaran dari lapisan ini tidak dapat diamati secara langsung, dan output layer merupakan keluaran permasalahan. 

Pada arsitektur ANN terdapat istilah bobot dan terdiri dari 2 simbol yaitu Wij adalah bobot antara input layer dengan hidden layer dan Wjk adalah bobot antara hidden layer dengan output layer. Sebuah neuron atau node yang terdapat di dalam input layer memiliki fungsi aktivitas dan pola koneksi bobot dengan neuron-neuron lainnya di dalam input layer tersebut, hal tersebut berlaku juga pada neuron di hidden dan output layer.

Arsitektur ANN

Single Layer Network

Arsitektur ini hanya memiliki 1 buah bobot layer koneksi. Jenis jaringan ini hanya terdiri dari input node yang menerima sinyal dari luar dan output node yang dapat memperlihatkan respons dari keluaran ANN. Ilustrasi arsitektur single layer network ditunjukkan pada Gambar berikut.

Multilayer Network

Kemudian arsitektur selanjutnya ini merupakan jaringan dengan 1 atau lebih hidden layer. Jenis arsitektur ini memiliki kemampuan yang lebih dalam pemecahan masalah. Berikut pada Gambar dibawah ini merupakan ilustrasi arsitektur multilayer network.

Competitive Network

Jenis arsitektur terakhir ini memiliki sekumpulan neuron yang saling bersaing untuk memperoleh hak jadi aktif. Gambar di bawah ini merupakan ilustrasi dari arsitektur competitive network.

Cara Kerja Backpropagation

Backpropagation merupakan algoritma untuk ANN sebagai cara tercepat untuk memperbarui bobotnya, tujuan utama dari algoritma ini untuk memperkenalkan informasi tentang cara bagaimana kesalahan dapat berubah secepat mungkin ketika bobot diubah dalam proses pelatihan. 

Algoritma ini diterapkan pada arsitektur multilayer network yang terdiri dari input layer, output layer, dan setidaknya 1-layer elemen atau node pemroses nonlinear. Sebagai contoh ilustrasi arsitektur dengan backpropagation dapat ditunjukkan pada Gambar berikut.

Arsitek umum dengan algoritma backpropagation seperti pada Gambar di atas memang mengacu pada arsitektur multilayer network. Pelatihan jaringan dengan algoritma ini melibatkan 3 tahapan yaitu:
1. Umpan ke depan dari pola pelatihan input
2. Perhitungan dan propagasi balik dari kesalahan terkait
3. Penyesuaian bobot