Neural Algoritma Beserta Contohnya Pada Data Mining

1. Pengertian Neural Network

Neural Network adalah upaya untuk mereplikasi aktivitas otak manusia. Otak manusia diperkirakan terdiri dari jutaan unit pemrosesan kecil yang dikenal sebagai neuron yang berfungsi bersama-sama (Skutla et al., 2010). Interaksi neuron adalah cara neuron berkomunikasi satu sama lain. Setiap neuron individu menerima masukan dari sekelompok neuron. Setelah itu, mengolah data dan mengirimkan keluarannya ke satu neuron.

2. Konsep Neural Network

Konsep dasar Neural Network didasarkan pada otak manusia, yang terdiri dari sekitar 10¹¹neuron. Tugas neuron ini adalah memproses semua data yang masuk. Satu akson dan setidaknya satu dendrit membentuk neuron. Setiap sel saraf memiliki sekitar 104 sinapsis, yang menghubungkannya dengan saraf lain.

• Dendrit (Dendrit) menyampaikan sinyal dari badan sel saraf ke dendrit.
• Akson (akson) adalah mentransfer impuls dari tubuh sel ke jaringan lain.
• Sinapsis mengikat dua sel saraf dan bertindak sebagai unit fungsional.

Jenis-jenis desain Neural Network seperti backpropagasi, recurrent network, selft organizing map, Bayesian network.

Artificial Neural Network (ANN) terdiri dari lapisan masukan neuron (atau node, unit), satu atau dua (atau bahkan tiga) lapisan neuron tersembunyi, dan lapisan akhir neuron keluaran. Gambar diatas menunjukkan arsitektur tipikal, di mana garis-garis yang menghubungkan neuron juga ditampilkan. Setiap koneksi dikaitkan dengan angka numerik yang disebut bobot.

di mana disebut fungsi aktivasi (atau transfer), N jumlah neuron masukan, bobot, masukan ke neuron masukan, dan ^ℎ     istilah ambang dari neuron tersembunyi. Tujuan dari fungsi aktivasi ini selain memasukkan nonlinier ke dalam jaringan saraf, untuk mengikat nilai neuron agar jaringan saraf tidak dilumpuhkan oleh neuron divergen. Contoh umum dari fungsi aktivasi adalah fungsi sigmoid (atau logistik). Telah dibuktikan bahwa jaringan neural yang dibangun dengan cara yang dijelaskan di atas dapat mendekati fungsi komputasi apa pun dengan presisi apa pun. Untuk fungsi yang didekati oleh jaringan saraf, angka yang diberikan ke neuron input adalah variabel independen, sedangkan angka yang dikembalikan dari neuron output adalah variabel dependen.

Ketika data dikodekan dengan benar, masukan dan keluaran dari jaringan saraf mungkin biner (seperti ya atau tidak) atau bahkan simbol (hijau, merah, dll.). Properti ini memberi jaringan neural berbagai aplikasi.

3. Contoh implementasi Neural Algoritma

Neural dapat digunakan dalam memprediksi Indeks Harga Saham Gabungan (IHSG). Mengingat IHSG merupakan saham gabungan, maka menjadi parameter yang penting untuk diingat saat berinvestasi. Karena data IHSG memiliki variasi yang begitu besar dan perubahan harga IHSG yang sangat cepat, sulit untuk memprediksi apakah indeks akan naik atau turun. Dan untuk mengatasi masalah tersebut digunakan Algoritma Neural Network. Jaringan neural bersifat adaptif dan dapat berfungsi untuk memprediksi perkiraan nilai berdasarkan tren dalam kumpulan data. Ini dapat memprediksi data pergerakan pasar mata uang dengan sangat baik.

Dalam neural network ini terdapat faktor yang berperan begitu penting dalam pengimplementasiannya dalam Data Maining. Faktor yang berperan penting itu antara lain adalah kombinasi yang efektif antara Neural Network ini sendiri dengan Teknologi data Maining Teknologi yang umumnya menggunkan software network. Perangkat Neural ini pun sudah di kembangkan dengan begitu baik sehingga diagram kerja dari data maining ini harus sangat diperhatikan. Model data aplikasi bisa dikembangkan dengan form yang sudah sesuai dengan standart sehingga 2 tekonologi ini dapat digunakan secara bersamaan, maka dari itu sangat dibutuhkan pendekatan dalanm perkembangan saat terciptanya teknologi data Mining yang lebih baik. Dengan algoritma neural network

4. Kesimpulan

neural network dalam data maining sangat memerlukan penelitan untuk mendapatkan hasil dari inovasi data Mining yang berfungsi untuk memecahkan suatu permasalahan dengan tingkat akurasi yang tinggi. Data maining dan Neural network sekarang menjadi hal yang dpat memecahkan masalah dan juga berguna untuk menggabungkan kekuatan neural netwok yang sudah di rancang dengan perangkat yang sesuai.

Sumber :

https://link.springer.com/chapter/10.1007/978-1-4615-0377-4_5 http://eprints.umm.ac.id/59537/20/Halimi%20Kusuma%20-%20Prediksi%20Saham%20IHSG%20Algoritma%20Neural%20Network%20Windowin g.pdf http://jurnal.unpand.ac.id/index.php/NT/article/view/766/747 https://informatika.stei.itb.ac.id/~rinaldi.munir/Matdis/2010-2011/Makalah2010/MakalahStrukdis2010-005.pdf