ARTIFICIAL NEURAL NETWORK
Neural Network diilhami oleh jaringan syaraf biologis yang mencoba untuk membangun dan menguji secara komputasi analogi-analogi dari syaraf. Neural Network adalah suatu himpunan unit-unit input/output yang terhubung, dan pada setiap koneksinya terdapat bobot (Han & Kamber, 2006). Komputer mencoba untuk mensimulasikan jaringan syaraf biologis dengan mengimplementasikan Neural Network (Heaton, 2008).
Neuron- neuron di dalam otak manusia mempunyai keterhubungan, yang dinamakan sinapsis, semuanya beroperasi secara paralel. Di dalam komputer, prosesor adalah aktif dan memorinya tersebar dan pasif, tetapi diyakini di dalam otak, baik prosesor maupun memori didistribusikan secara bersamaan ke semua jaringan. Pemrosesan dilakukan oleh neuron-neuron, dan memori terdapat di dalam sinapsis di antara neuron-neuron (Alpaydin, 2010). Neural Network berguna untuk memecahkan persoalan yang berkaitan dengan pengenalan pola, klasifikasi, prediksi dan data mining (Heaton, 2008).
Penelitian di bidang neural network setua komputer digital. McCulloch dan Pitts (1943) mengemukakan model matematika pertama untuk neural network. Rosenblatt (1962) mengemukakan model perceptron dan algoritma pembelajaran pada tahun 1962 (Alpaydin, 2010). Minsky dan Papert (1969) menunjukkan keterbatasan single layer perceptron untuk menyelesaikan masalah yang nonlinearly separable. Kemudian Rumelhart, Hinton, and Williams (1986) mempresentasikan algoritma Backpropagation untuk multilayer perceptron yang dapat menyelesaikan masalah yang nonlinearly separable (Han & Kamber, 2006).
Artificial Neural Network terdiri dari kumpulan node (neuron) dan relasi. Ada tiga tipe node (neuron) yaitu, input, hidden dan output. Setiap relasi menghubungkan dua buah node dengan bobot tertentu dan juga terdapat arah yang menujukkan aliran data dalam proses (Kusrini & Luthfi, 2009).
Input node terdapat pada layer pertama dalam neural network. Secara umum setiap input node merepresentasikan sebuah input parameter seperti umur, jenis kelamin, atau pendapatan. Hidden node merupakan node yang terdapat di bagian tengah. Hidden node ini menerima masukan dari input node pada layer pertama atau dari hidden node dari layer sebelumnya. Hidden node mengombinasikan semua masukan berdasarkan bobot dari relasi yang terhubung, mengkalkulasikan, dan memberikan keluaran untuk layer berikutnya. Output node mempresentasikan atribut yang diprediksi (Kusrini & Luthfi, 2009).
