Jaringan Saraf Tiruan,
Teknologi Masa Depan
Oleh LANNY W. PANDJAITAN

Era teknologi informasi dan komputasi sangat berkembang sejak lebih dari dua dekade yang lalu, dan pengenalan manusia terhadap makhluk hidup dan dirinya sendiri mendorong pengembangan kecerdasan tiruan. Salah satu teknik komputasi yang dikelompokkan dalam kecerdasan tiruan adalah jaringan saraf tiruan (JST).

Sebagai salah satu teknik komputasi yang sering disebut komputer generasi keenam, pada awalnya JST merupakan hal yang masih diragukan orang. Namun saat ini, penggunaannya telah merambah ke Wall Street sebagai alat untuk meramalkan kegiatan-kegiatan yang terjadi di dalamnya.

Di harian Kompas, pada 14 April 1994, penulis mencoba untuk memberikan informasi apa yang disebut JST dan kemungkinan aplikasi yang dapat dilakukan dengan menggunakan piranti ini. Keunggulan yang dipunyai oleh JST dalam bidang pengenalan pola menyebabkan JST akan mampu melakukan pengenalan kegiatan-kegiatan berbasis data masa lalu. Dengan menggunakan data masa lalu, akan dapat dikenali bagaimana tingkah laku suatu sistem.

JST adalah piranti yang mempunyai kemampuan untuk dapat dilatih mengenali pola dan tingkah laku suatu sistem melalui proses belajar. Data masa lalu akan dipelajari oleh JST sehingga JST mempunyai kemampuan untuk memberikan keputusan terhadap data yang belum pernah dipelajari. Hal itu berbeda dengan proses komputasi sekuensial yang dilakukan pada teknik komputasi biasa atau sistem pakar yang berbasis pengetahuan.

Pemanfaatan JST

Banyak hasil penelitian yang telah diperoleh dalam bidang pengenalan pola menggunakan JST yang dapat dimanfaatkan oleh institusi yang membutuhkan. Misalnya, polisi dalam mengenali sidik jari orang, bank dalam peramalan fluktuasi nilai mata uang asing terhadap rupiah, dan peramalan energi listrik yang perlu disediakan.

JST juga dapat digunakan untuk peramalan kepadatan lalu lintas telekomunikasi dan mengatur kepadatan lalu lintas jalan raya. Dalam bidang kedokteran, untuk mendeteksi sel-sel kanker. Bahkan sampai meramalkan kemungkinan nomor toto yang akan keluar bagi pemain judi dan sebagainya.

Bagaimana kita dapat memanfaatkan teknologi ini? Banyak penelitian yang dilakukan para peneliti, umumnya masih merupakan penelitian sendiri. Mereka belum mensinergikan semua kemampuan yang ada sehingga belum mendapatkan hasil yang optimal. Sebagai contoh dalam bidang kontrol industri energi, misalnya, sinergi dapat dilakukan oleh bagian mekanik bekerja sama dengan bagian elektrik untuk menentukan desain pembangkit sampai peralatan distribusi yang paling efisien.

Umumnya para penjual peralatan menawarkan produk standar miliknya yang tidak disesuaikan dengan kondisi setempat. Oleh pengguna, peralatan dibeli sesuai spesifikasi standar setelah dipilih yang paling baik (mahal?). Dalam proses penggunaannya, tidak selalu memerlukan peralatan dengan kapasitas tersebut sehingga hasil produksinya kurang efisien (investasi mahal dengan penggunaan tidak maksimal). Sebenarnya, penentuan dapat dilakukan bersama apabila data masa lalu tersedia. Melalui data masa lalu, dapat dianalisis kebutuhan alat yang sesuai dan diprediksi ke depan agar dapat digunakan secara efisien sehingga akan diperoleh keuntungan.

Penulis, dalam meneliti yang mengutamakan pengenalan pola, seringkali mengalami kesulitan tersedianya data secara utuh karena data yang ada kerapkali kurang lengkap atau hilang.

Keadaan itu perlu diperbaiki pada waktu mendatang. Namun kesulitan tersebut umumnya dapat diatasi karena JST mempunyai kemampuan mentoleransi kesalahan sampai batas tertentu (fault tolerant) sehingga JST tetap dapat memutuskan apa yang diharapkan, walaupun data kurang lengkap.

Dengan menggunakan pengenalan pola masa lalu, akan dapat diprediksikan apa yang terjadi untuk masa yang akan datang.

Keunggulan JST sebagai sistem yang mampu menirukan cara berpikir manusia dengan melakukan komputasi berbasis kecerdasan komputasional dalam pengenalan pola inilah yang dapat bermanfaat untuk memodelkan, memprediksikan, mendeteksi kesalahan dan mengontrol sistem-sistem yang memerlukan pendekatan desain dengan kecerdasan tiruan komputasional.

Transformasi Nilai

Pola macam apa yang dapat dipelajari oleh JST? Pada proses belajar JST, dapat dipetakan hubungan antara masukan dan keluarannya sedemikian rupa sehingga JST tidak membatasi bentuk pola apa yang dapat dipelajari. Yang membatasi adalah nilai dari fungsi alih yang mengaktifkan JST. Keadaan masa lalu dapat digambarkan sebagai pola-pola yang selalu berubah setiap saat.

Bagaimana suatu kondisi dapat dipolakan? Dengan menggunakan transformasi nilai dari suatu keadaan, kondisi dari waktu ke waktu akan dapat dinilai sehingga terbentuk pola-pola yang dilatihkan ke JST. Sebagai contoh, kondisi krisis yang terjadi sejak 1997 dapat diajarkan kepada JST (jika tersedia data) sehingga dapat diprediksi bagaimana kondisi mendatang.

Prediksi tersebut diharapkan menjadi masukan untuk mengadakan perbaikan. Persoalannya adalah bagaimana mentransformasikan satu keadaan ke suatu nilai yang banyak bergantung pada tingkah laku manusia yang berperan agar dapat diprediksi.

Kemungkinan yang dapat dilakukan adalah dengan melakukan pengelompokan tingkah laku manusia yang beraneka ragam menjadi himpunan-himpunan yang dipandang sebagai subset yang mempunyai nilai tertentu. Setiap saat perubahan tingkah laku diajarkan pada JST, yang akan menyimpan informasi perubahan yang terjadi. JST akan menghasilkan keluaran yang merupakan model tingkah laku berdasarkan pola yang terbentuk setiap saat.

Melalui masukan yang diberikan kepada JST, kita akan mendapatkan keluaran berupa prediksi apa yang akan terjadi.

Salah satu contoh penelitian yang sudah dilakukan tentang pengenalan pola oleh JST yang dapat dimanfaatkan adalah pemodelan suatu sistem pembangkit dan prediksi penggunaan energi untuk mengurangi beban biaya produksi energi.

Penghematan yang dapat dilakukan untuk harga produksi energi (listrik) adalah tersedianya energi yang tepat (adaptif terhadap kebutuhan) dengan rugi-rugi rendah. Melakukan prediksi dalam menentukan model pembangkit yang sesuai dengan kebutuhan akan sangat mempengaruhi harga produksi energi karena investasi pembangkit merupakan komponen biaya yang sangat berpengaruh terhadap biaya produksi.

Melalui prediksi penggunaan energi setiap saat, dapat ditentukan secara efisien jumlah energi yang dibutuhkan karena terhindar dari rugi-rugi yang terjadi akibat tersedianya energi secara berlebihan pada suatu saat.

Lewat tulisan ini, penulis ingin mengungkapkan bahwa suatu teknologi komputasi yang sudah sejak tahun 1987 dikembangkan di Tanah Air masih belum dapat dimanfaat- kan secara optimal karena berbagai alasan.

Jika kita mau menelaah kemampuan para pakar di bidang teknologi komputasi, seharusnya mereka dapat membantu mengatasi krisis yang terjadi apabila para pemakai tidak enggan untuk memanfaatkan produk kita.

Patut dicatat bahwa seminar dan jurnal hasil penelitian tentang JST sudah banyak diterbitkan oleh berbagai institusi, yang mungkin dapat dimanfaatkan untuk membantu mengatasi kesulitan-kesulitan yang dihadapi, baik oleh industri produk maupun jasa. u

Penulis adalah Dosen FT Unika Atma Jaya, Jakarta.