| Tugas | Tgl Tugas | Tgl Selesai |
| 1 | 18 Februari 2010 | 24 Februari 2010 |
| Nama | NPM | TUGAS |
| Dwi Ferdiana | 0415031047 | Mencari bahan, memasukan ke blog |
| Anisa Ulya D | 0855031005 | Mencari bahan, memasukan ke blog |
| Yuly Indriani | 0815031097 | Mencari bahan, memasukan ke blog |
| Novia Utami P | 0815031077 | Mencari bahan, memasukan ke blog |
Definisi
Suatu jaringan saraf tiruan memproses sejumlah besar informasi secara paralel dan terdistribusi, hal ini terinspirasi oleh model kerja otak biologis. Beberapa definisi tentang jaringan saraf tiruan adalah sebagai berikut di bawah ini.
Hecht-Nielsend (1988) mendefinisikan sistem saraf buatan sebagai berikut:
"Suatu neural network (NN), adalah suatu struktur pemroses informasi yang terdistribusi dan bekerja secara paralel, yang terdiri atas elemen pemroses (yang memiliki memori lokal dan beroperasi dengan informasi lokal) yang diinterkoneksi bersama dengan alur sinyal searah yang disebut koneksi. Setiap elemen pemroses memiliki koneksi keluaran tunggal yang bercabang (fan out) ke sejumlah koneksi kolateral yang diinginkan (setiap koneksi membawa sinyal yang sama dari keluaran elemen pemroses tersebut). Keluaran dari elemen pemroses tersebut dapat merupakan sebarang jenis persamaan matematis yang diinginkan. Seluruh proses yang berlangsung pada setiap elemen pemroses harus benar-benar dilakukan secara lokal, yaitu keluaran hanya bergantung pada nilai masukan pada saat itu yang diperoleh melalui koneksi dan nilai yang tersimpan dalam memori lokal".
Menurut Haykin, S. (1994), Neural Networks: A Comprehensive Foundation, NY, Macmillan, mendefinisikan jaringan saraf sebagai berikut:
“Sebuah jaringan saraf adalah sebuah prosesor yang terdistribusi paralel dan mempuyai kecenderungan untuk menyimpan pengetahuan yang didapatkannya dari pengalaman dan membuatnya tetap tersedia untuk digunakan. Hal ini menyerupai kerja otak dalam dua hal yaitu: 1. Pengetahuan diperoleh oleh jaringan melalui suatu proses belajar. 2. Kekuatan hubungan antar sel saraf yang dikenal dengan bobot sinapsis digunakan untuk menyimpan pengetahuan.
Dan menurut Zurada, J.M. (1992), Introduction To Artificial Neural Systems, Boston: PWS Publishing Company, mendefinisikan sebagai berikut:
“Sistem saraf tiruan atau jaringan saraf tiruan adalah sistem selular fisik yang dapat memperoleh, menyimpan dan menggunakan pengetahuan yang didapatkan dari pengalaman”.
DARPA Neural Network Study (1988, AFCEA International Press, p. 60) mendefinisikan jaringan syaraf buatan sebagai berikut :
Sebuah jaringan syaraf adalah sebuah sistem yang dibentuk dari sejumlah elemen pemroses sederhana yang bekerja secara paralel dimana fungsinya ditentukan oleh stuktur jaringan, kekuatan hubungan, dan pegolahan dilakukan pada komputasi elemen atau nodes.
Asas Berfikir
Sebagian besar orang-orang sering menuangkan pikiran nya kedalam bentuk tulisan, perkataan, obrolan, isyarat dan lain sebagainya. Pikiran yang disampaikan itu tentu beraneka ragam adanya, ada yang kelihatannya bagus dan masuk akal, Ada juga yang kelihatan bagus tapi tidak masuk akal, ada juga yang kelihatannya tidak bagus tapi masuk akal dan ada juga yang tidak bagus dan tidak masuk akal pula
Sekarang bagaimana cara kita untuk membedakan manakah buah pikiran yang bagus dan manakah buah pikiran yang ngaco?
Untuk membedakannya kita bisa menggunakan atau menerapkan patokan-patokan dan hukum-hukum logika yang sudah ada. Hukum, patokan dan rumus logika sering juga disebut dengan Asas Berpikir.
Asas sebagaimana kita ketahui adalah pangkal atau asal dari mana sesuatu itu muncul dan dimengerti, atau bisa juga disebut sebagai pondasinya sesuatu dimana sesuatu itu bermula.
Dalam hal ‘asas pemikiran’ , maka yang disebut dengan asas pemikiran adalah pengetahuan dimana pengetahuan lain muncul dan dimengerti. Kapasitas asas ini bagi kelurusan berpikir adalah mutlak, dan salah benar nya suatu pemikiran tergantung kepada salah benarnya asas-asas ini. Ia adalah dasar daripada pengetahuan dan ilmu.
Asas berpikir itu dapat dibedakan menjadi 3 asas,
Pertama, Asas Identitas (Principium Identitatis) yaitu sebuah patokan dasar yang paling mendasar. Patokan yang dipatok oleh asas identitas mengatakan bahwa segala sesuatu itu adalah dirinya sendiri BUKAN yang lainnya. Contohnya, Jika kita mengakui bahwa sesuatu itu adalah A, maka ia adalah A, bukan B, C, D, ataupun yang lainnya. Identititas A adalah A sendiri.
Kalau kita mengakui nama pacar kita adalah Siti, maka yang dimaksud dengan nama Siti adalah Siti yang menunjukkan identitas seseorang yang menjadi pacar kita itu, bukan Siti yang lainnya dan bukan pula Siti yang isterinya tetangga
Kedua, Asas Non kontradiksi (Principium contradictoris) yaitu sebuah aturan dasar yang mengatakan bahwa pengingkaran sesuatu TIDAK MUNGKIN sekaligus sebagai pengakuan terhadap sesuatu itu. Misal kita mengatakan benda itu BUKAN A, maka tidak mungkin sekaligus kita mengakui benda itu adalah A sebab realitasnya A yang kita maksud adalah A yang sama sebagaimana yang dimaksud oleh Asas Identitas, bahwa segala sesuatu itu adalah dirinya sendiri.
Dengan kata lain bisa dirumuskan bahwa tidak mungkin dua kenyataan yang kontradiksi menyatu secara bersamaan sekaligus dan simultan. Tidak mungkin menyatu realitas kontradiktif sekaligus pada detik yg sama, tertawa sekaligus menangis, pergi sekaligus tidak pergi dan seterusnya. Asas berpikir pada patokan ini mengatakan bahwa “Tidak ada pernyataan yang sekaligus benar dan salah”
Ketiga, Asas penolakan kemungkinan ketiga (Principium exlusi tertii) yaitu sebuah aturan mendasar yang mengatakan bahwa antara pengingkaran dan pengakuan maka kebenaran terletak pada salah satunya. Pengakuan dan pengingkaran merupakan pertentangan mutlak, karena itu disamping tidak mungkin benar keduanya juga bisa dipastikan tidak mungkin salah keduanya. Asas ini menolak kemungkinan ada kebenaran yang ketiga.
Jaringan saraf
Saat ini bidang kecerdasan buatan dalam usahanya menirukan intelegensi manusia, belum mengadakan pendekatan dalam bentuk fisiknya melainkan dari sisi yang lain. Pertama-tama diadakan studi mengenai teori dasar mekanisme proses terjadinya intelegensi. Bidang ini disebut ‘Cognitive Science’. Dari teori dasar ini dibuatlah suatu model untuk disimulasikan pada komputer, dan dalam perkembangannya yang lebih lanjut dikenal berbagai sistem kecerdasan buatan yang salah satunya adalah jaringan saraf tiruan. Dibandingkan dengan bidang ilmu yang lain, jaringan saraf tiruan relatif masih baru. Sejumlah literatur menganggap bahwa konsep jaringan saraf tiruan bermula pada makalah Waffen McCulloch dan Walter Pitts pada tahun 1943. Dalam makalah tersebut mereka mencoba untuk memformulasikan model matematis sel-sel otak. Metode yang dikembangkan berdasarkan sistem saraf biologi ini, merupakan suatu langkah maju dalam industri komputer.
Faham Pemikiran
Secara garis besar, AI terbagi ke dalam dua faham pemikiran yaitu AI Konvensional dan Kecerdasan Komputasional (CI, Computational Intelligence). AI konvensional kebanyakan melibatkan metoda-metoda yang sekarang diklasifiksikan sebagai pembelajaran mesin, yang ditandai dengan formalisme dan analisis statistik. Dikenal juga sebagai AI simbolis, AI logis, AI murni dan AI cara lama (GOFAI, Good Old Fashioned Artificial Intelligence). Metoda-metodanya meliputi:
1. Sistem pakar: menerapkan kapabilitas pertimbangan untuk mencapai kesimpulan. Sebuah sistem pakar dapat memproses sejumlah besar informasi yang diketahui dan menyediakan kesimpulan-kesimpulan berdasarkan pada informasi-informasi tersebut.
2. Petimbangan berdasar kasus
3. Jaringan Bayesian
4. AI berdasar tingkah laku: metoda modular pada pembentukan sistem AI secara manual
Kecerdasan komputasional melibatkan pengembangan atau pembelajaran iteratif (misalnya penalaan parameter seperti dalam sistem koneksionis. Pembelajaran ini berdasarkan pada data empiris dan diasosiasikan dengan AI non-simbolis, AI yang tak teratur dan perhitungan lunak. Metoda-metoda pokoknya meliputi:
1. Jaringan Syaraf: sistem dengan kemampuan pengenalan pola yang sangat kuat
2. Sistem Fuzzy: teknik-teknik untuk pertimbangan di bawah ketidakpastian, telah digunakan secara meluas dalam industri modern dan sistem kendali produk konsumen.
3. Komputasi Evolusioner: menerapkan konsep-konsep yang terinspirasi secara biologis seperti populasi, mutasi dan “survival of the fittest” untuk menghasilkan pemecahan masalah yang lebih baik.
Metoda-metoda ini terutama dibagi menjadi algoritma evolusioner (misalnya algoritma genetik) dan kecerdasan berkelompok (misalnya algoritma semut)
Dengan sistem cerdas hibrid, percobaan-percobaan dibuat untuk menggabungkan kedua kelompok ini. Aturan inferensi pakar dapat dibangkitkan melalui jaringan syaraf atau aturan produksi dari pembelajaran statistik seperti dalam ACT-R. Sebuah pendekatan baru yang menjanjikan disebutkan bahwa penguatan kecerdasan mencoba untuk mencapai kecerdasan buatan dalam proses pengembangan evolusioner sebagai efek samping dari penguatan kecerdasan manusia melalui teknologi.
