Artificial Neural Network

Artificial Neural Network(ANN) atau yang sering disebut dengan jaringan saraf tiruan adalah suatu struktur yang terinspirasi dari cara kerja otak manusia. ANN memiliki cara kerja mirip dengan cara kerja otak dimana dalam ANN juga terdapat node-node yang berfungsi sama seperti pada Neuron pada otak manusia. secara umum komponen-komponen pada ANN adalah sebagai berikut :

1. Neuron,  yaitu node yang berfungsi sebagai pemproses data atau informasi yang masuk kedalam neuron, dalam sebuah neuron terdapat fungsi aktivasi yang bertugas sebagai pemroses data yang diterma. setelah melewati fungsi aktivasi maka data akan dikeluarkan sebagai output node jika memenuhi suatu kriteria tertentu. output ini bisa di terima sebagai input dari neuron lainya atau diterima sebagai solusi dari suatu masalah yang dimodelkan dengan ANN.
2. fungsi Aktivasi, yaitu fungsi yang berfungsi sebagai pengolah data yang diterima neuron. cara kerja fungsi aktivasi adalah dengan cara membandingkan dengan suatu nilai batas tertentu atau theshold. jika input yang diterima neuron inputnya kurang dari nilai batas maka outputnya tidak akan dikeluarkan oleh neuron, sebaliknya apa bila memenuhi nilai batas ini maka input kan diolah dan dijadikan output oleh neuron.

apabila suatu neuron memiliki input dari beberapa neuron maka,semua input ini jumlahkan dulu baru diolah atau dibandingkan oleh fungsi aktivasi dengan suatu nilai batas tertentu. berikut gambar tentang arsitektur ANN atau jaringan saraf tiruan :

Pada gambar diatas, ada tiga node atau neuron yang memberikan input pada node 4. Masing-masing node 1,2,3 mempunyai input yang berbeda-beda. Kemudian sebelum dibandingkan dengan sebuah fungsi aktivasi semua input itu dijumlahkan terlebih dahulu. Setelah dijumlahkan baru dibandingkan dan setelah memenuhi fungsi aktivasi tertentu baru node 4 mengeluarkan outputnya. Output ini bisa digunakan sebagai input pada neuron lainya atau output ini sudah merupakan solusi yang dicari.

ANN memiliki banyak variasi arsitektur. Arsitektur ANN yang banyak digunakan seerti backpropogation(BP), Multi Layer Perceptron(MLP), Bidirectional Associative Memory(BAM), Grup Methode of Data Handling (GMDH), dan lain sebagainya.

Algoritma-algoritma yang terispirasi dari alam

Alam memang tidak ada habisnya memberikan manfaatnya untuk kehidupan manusia. Banyak hal yang bisa diambil dari alam yang bisa dimanfaatkan manusia misalnya, obat-obatan herbal yang berasal dari alam telah lama dimanfaatkan manusia untuk penyembuhan penyakitnya. Contoh lain adalah dalam pembuaran pesawat dan helikopter yang terinspirasi dari hewan-hewan seperti burung dan capung.

Selain obat-obatan, alam juga masih banyak menginspirasi berbagai bidang kehidupan manusia. Salah satunya adalah alam telah menjadi inspirasi untuk membuat metode-metode atau algoritma-algoritma baru di bidang computing. Algoritma-algoritma yang ditemukan terbukti handal untuk menyelesaikan masalah-masalah yang sangat kompleks di bidang komputasi. Dalam tulisan ini, kita akan berkenalan dengan beberapa algoritma-algoritma yang terinspirasi dari alam. 

1. Algorima Artificial neural network. Artifiial neural network (ANN) adalah algoritma yang terispirasi dari cara kerja otak manusia. Pada otak manusia banyak terdapat neuron-neorun yang saling berhubungan satu sama lain. Nah, konsep inilah yang dipakai dalan ANN untuk mencari dan memprediksi suatu solusi dari suatu masalah komputasi. Dewasa ini banyak pengembangan dari metode ANN ini misalnya, algorima backpropogation, multi layer perceptron(MLP), grup method of data handling(GMDH) sampai dengan hybrid dengan algoritma lainya misalnya Genetic algorithm neural network(GANN),  dan fuzzy neural network(FNN) serta masih banyak lagi algoritma-algoritma yang dikembangan dari ANN. Pada ANN kelebihan utamanya dalah dalam proses belajarnya.
2. Genetic Algorithm. Genetic algorithm(GA) adalah algoritma yang di temukan oleh profesor John Holland. algoritma ini terispirasi dari proses seleksi alam pada teori evolusi Darwin, GA memiliki kelebihan dalam menyelesaikan masalah-masalah optimasi. Saat ini perkembangan GA sangat pesat sekali.
3. Defferential Evolution Algorithm. Defferential evolution(DE) algorithm  adalah algoritma yang dikembangkan dari GA. Pada DE juga terdapat proses seleksi dan mutasi serta crossover seperti pada GA, namun dengan sedikit modifikasi. DE dikembangkan oleh Storn dan Price, DE juga sangat cocok untuk masalah-masalah optimasi.
4. Ant Colony Optimization.  Ant colony optiization(ACO) adalah algoritma yang terispirasi dari pola tingkah laku semut dan koloninya. ACO dikembangkan oleh Dorigo, M., Maniezzo, V. and Colorni. inti dari algoritma ini adalah seperti pencarian jalur terpendek antara sumber makanan dan koloni semut. 
5. Particle Swarm Optimization. Particle swarm optimization(PSO) adalah algoritma yang terispirasi dari pola tingkah laku kawanan burung dan kawan ikan. Arti swarm maksudnya adalah individu yang bergerobol seperti pada kelompok burung atau ikan. Algoritma ini dikembangkan oleh Eberhart dan Kennedy.
6. Artificila Bee Colony Algorithm. Artificial bee colony (ABC) algorithm adalah algoritma yang kembangkan oleh Karaboga. prinsip utamanya adalah pengetahuan kolektif dari kumpulan lebah.

Itulah beberapa algoritma yang terinspirasi dari alam. Algoritma-algoritma ini sangat membantu dalam memecahkan masalah komputasi yang semakin kompleks. Kedepannya mungkin masih banyak algoritma-algoritma baru yang ditemukan yang terispirasi dari alam dan tentunya akan memperkaya metode komputasi modern.