Artificial Neural Networks – Bagian 1: The Perceptron

Artificial Neural Networks – Bagian 1: The Perceptron

Sistem saraf manusia terdiri dari neuron-neuron yang saling terhubung satu sama lain menggunakan axon dan dendrites. Area yang menghubungkan antara axon dan dendrite disebut sebagai synapses.

Source:
The Brain : Understanding Neurobiology Through the Study of Addiction

Kuat-lemahnya hubungan synaptic sering berubah-ubah bergantung pada stimuli yang diterima. Mekanisme biologis ini di-simulasikan pada Artificial Neural Network atau Jaringan Syaraf Tiruan. Artificial Neural Network (ANN) terdiri dari kumpulan node komputasi yang disebut sebagai neuron.

Pada tahun 1943, Warren McCulloch dan Walter Pitts merancang model matematika yang dikenal dengan neural networks pertama. Model tersebut bertujuan untuk memberikan gambaran sederhana mengenai salah satu penelitian yang mereka lakukan mengenai cara kerja neuron.

Mcculloch dan Pitts memberikan gambaran seperti di bawah ini untuk memodelkan sebuah neuron.

gambaran model matematika sebuah neuron oleh McCulloch dan Pitts. Input X1 dikalikan dengan w1 begitu pula input lainnya. Kemudian seluruh hasil perkalian tersebut dijumlahkan (h) yang kemudian masuk ke dalam fungsi threshold. jika nilai h lebih besar dari nilai (theta) maka neuron akan aktif, selain itu neuron akan non-aktif.

Dari gambar di atas dapat kita lihat, input x_i dikalikan dengan bobot w_i kemudian neuron akan menjumlahkan semua hasil perkalian tersebut menggunakan rumus (1). Jika nilai penjumlahan tersebut lebih besar dari threshold atau ambang batas maka neuron akan aktif, ini dilakukan dengan menggunakan threshold function di rumus (2).

Proses learning pada Artificial Neural Network pertama kali diperkenalkan oleh Donald Hebb pada tahun 1949. Donald Hebb menjelaskan bahwa jika dua neuron aktif secara bersamaan, maka hubungan (connection) antar kedua neuron tersebut akan meningkat dan jika kedua neuron tidak pernah aktif secara bersamaan, maka hubungan kedua neuron tersebut akan menurun atau tidak ada.

Sebagai contoh, sebuah neuron yang bekerja untuk mengenali salah satu kerabat kita. Kerabat ini sangat suka memberi hadiah setiap kali bertemu di acara kumpul keluarga, kemudian neuron yang mewakili rasa senang ketika menerima hadiah akan aktif.

Karena neuron-neuron ini aktif secara bersamaan maka kedua neuron tersebut akan terhubung dan hubungan kedua neuron akan meningkat ketika aktif bersamaan secara berulang-ulang kali. Sehingga, ketika kita melihat kerabat tersebut, meski dalam foto, akan membuat kita teringat tentang hadiah-hadiah yang diberikan oleh kerabat itu.

Pada tahun 1958, ilmuwan bernama Frank Rosenblatt mengimplementasikan model matematika neural networks yang diperkenalkan oleh McCulloch-Pitts dengan menggunakan aturan (rule) yang dijelaskan oleh Donald Hebb. Rosenblatt memperkenalkan salah satu bentuk awal artificial neural networks atau jaringan syaraf tiruan yang kita kenal dengan nama Perceptrons.

Implementasi Perceptron pertama dilakukan dengan desain mesin yang berukuran seperti lemari. Mesin ini dinamakan Mark I.


Perceptron Mark I
perangkat pengenalan dan pembelajaran pola yang berada di Laboratorium Cornell Aeronautical (Courtesy: Smithsonian Institute)

Frank Rosenblat memaparkan penelitiannya dalam artikel yang berjudul The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain, Cornell Aeronautical Laboratory, Psychological Review, artikel bisa didapat pada link ini.

Perceptron pada pada dasarnya merupakan kumpulan model neuron McCulloch dan Pitts yang disusun  dengan kumpulan input dan bobot untuk mengatur hubungan input dan output.

Pada neuron McCulloch dan Pitts, nilai bobot disimbolkan dengan w_i  dimana i adalah index yang menandakan input yang terhubung dengan bobot.

Untuk menentukan input mana saja yang terhubung dengan bobot, maka label bobot kita ubah menjadi w_{ij}  dengan j adalah index yang menandakan neuron yang terhubung dengan bobot. Sebagai contoh, bobot w_{42} adalah bobot yang menghubungkan input node 4 dengan neuron 2.

Sebagai contoh, bobot w_{42} adalah bobot yang menghubungkan input node 4 dengan neuron 2.

Agar lebih paham, algoritma atau tahapan-tahapan dari Perceptron dapat dilihat pada penjelasan berikut.