Jaringan saraf Tiruan adalah merupakan salah satu representasi buatan dari otak manusia yang selalu mencoba untuk mensimulasikan prose pembelajaran pada otak manusia tersebut Istilah buatan disini digunakan karena jaringan saraf ini diimplemintasikan dengan, menggunakan program komputer yang mampu menyelesaikan sejumlah proses perhitungan selama proses pembelajaran.
sejalan dengan perkembangan saat ini, para ahli mencoba menggantikan komputer menjadi suatu alat bantu yang dapat meniru cara kerja otak manusia, sehingga diharapkan suatu saat akan tercipta komputer yang dapat menimbang dan mengambil keputusan sendiri. hal inilah yang mendorong lahirnya teknologi AI (Artificial Intelligent).
salah satu teknik komputasi yang dikelompokkan dalam AI adalah jaringan syaraf tiruan (Artificial Neural Intelligent). jaringa syaraf tiruan merupakan salah satu sistem pemrosesan yang dirancang dan dilatih untuk memiliki kemampuan seperti yang dimiliki oleh manusia dalam menyelesaikan persoalan yang rumit dengan melakukan proses belajar melalui perubahan bobot sinapsisnya. jaringan syaraf mensimulasi struktur proses-proses otak (fungsi syaraf biologis) dan kemudian membawanya kepada perangkat lunak kelas baru yang dapat mengenali pola-pola kompleks serta belajar dari pengalaman-pengalaman masa lalu.
JST atau Artificial Neural Network (ANN) adalah bagian dari sistem kecerdasan buatan (Artificial Intelligence, AI) yang merupakan salah satu representasi buatan dari otak manusia yang selalu mencoba untuk mensimulasikan proses pembelajaran pada otak manusia tersebut. Istilah tiruan atau buatan dimaksudkan karena jaringan syaraf ini diimplementasikan dengan menggunakan program komputer yang mampu menyelesaikan sejumlah proses perhitungan selama proses pembelajaran. JST dimaksudkan untuk membuat model sistem komputasi yang dapat menirukan cara kerja jaringan syaraf biologis. Model JST yang digunakan dalam penelitian untuk peramalan beban jangkapanjang ini adalah Propagasi Balik (Back Propagation, BP).
Struktur Jaringan Syaraf Tiruan
Propagasi Balik Keunggulan yang utama dari system jaringan syaraf tiruan adalah kemampuan untuk “belajar” dari contoh yang diberikan. Algoritma pembelajaran yang digunakan adalah algoritma propagasi balik. Pada algoritma ini digunakan sinyal referensi dari luar (sebagai pengajar) dibandingkan dengan sinyal keluaran JST, hasilnya berupa sinyal kesalahan (error).
Pada aplikasi jaringan syaraf tiruan untuk peramalan beban tenaga listrik jangka panjang pada system kelistrikan di Indonesia ini, akan menerima 10 paramater sebagai sinya masukan bagi jaringan syaraf tiruan untuk memprediksi beban tenaga listrik jangka panjang, 10 parameter ini merupakan factor-faktor penting yang berpengaruh dalam ramalan beban tenaga listrik jangka panjang ini, di mana parameter tersebut ialah :
- PDB(Produk Domestik Bruto) per Kapita
- Populasi Penduduk
- Jumlah Rumah Tangga
- Rasio Elektrifikasi
- Jumlah Polusi CO2
- Harga Minyak Mentah Rata2
- Harga Batubara Rata-rata
- Pemakaian Energi Final
- Pemakaian Energi Final Industri
- Harga Listrik Rata-rata
Simulasi peramalan beban dengan JST dilakukan dengan menggunakan program MATLAB7 melalui langkah-langkah sbb.:
- Menyusun Training Set Data (TSD).
- Membuat Jaringan (Network).
Disain JST dibuat dengan 4 buahlapisan, dimana pada lapisan pertama, kedua, ketiga dan ke-empat masingmasing terdapat 10, 75, 5 dan 1 neuron.
- Melakukan Pembelajaran Jaringan.
- Melakukan simulasi peramalan beban menggunakan JST dengan masukan baru, dimana masukan baru tersebut merupakan data proyeksi dari 10 faktor penting yang berpengaruh dalam ramalan mulai tahun 2001 sampai dengan 2025, dari berbagai sumber data.
- Diperolehnya hasil keluaran peramalan beban tenaga listrik tahun 2001-2025.
Selama pembelajaran dalam simulasi, JST terus merubah nilai bobot (weight) sampai nilai error yang dihasilkan kurang atau sama dengan 10-6. Pada epoch ke 3278, JST telah melampaui target error.
Lapisan pada Jaringan Syaraf Tiruan
Jaringan Syaraf Tiruan biasanya mempunyai 3 group atau lapisan yaitu unit-unit : lapisan input yang terhubung dengan lapisan tersembunyi yang selanjutnya terhubung dengan lapisan output.
- Aktifitas unit-unit lapisan input menunjukkan informasi dasar yang kemudian digunakan dalam Jaringan Syaraf Tiruan.
- Aktifitas setiap unit-unit lapisan tersembunyi ditentukan oleh aktifitas dari unitunit input dan bobot dari koneksi antara unit-unit input dan unit-unit lapisan tersembunyi
- Karakteristik dari unit-unit output tergantung dari aktifitas unit-unit lapisan tersembunyi dan bobot antara unit-unit lapisan tersembunyi dan unit-unit output.
Perbandingan Jaringan Syaraf Tiruan dengan Konvensional
Jaringan Syaraf Tiruan memiliki pendekatan yang berbeda untuk memecahkan masalah bila dibandingkan dengan sebuah komputer konvensional. Umumnya komputer konvensional menggunakan pendekatan algoritma (komputer konvensional menjalankan sekumpulan perintah untuk memecahkan masalah). Jika suatu perintah tidak diketahui oleh komputer konvensional maka komputer konvensional tidak dapat memecahkan masalah yang ada. Sangat penting mengetahui bagaimana memecahkan suatu masalah pada komputer konvensional dimana komputer konvensional akan sangat bermanfaat jika dapat melakukan sesuatu dimana pengguna belum mengatahui bagaimana melakukannya. Jaringan Syaraf Tiruan dan suatu algoritma komputer konvensional tidak saling bersaing namun saling melengkapi satu sama lain. Pada suatu kegiatan yang besar, sistim yang diperlukan biasanya menggunakan kombinasi antara keduanya (biasanya sebuah komputer konvensional digunakan untuk mengontrol Jaringan Syaraf Tiruan untuk menghasilkan efisiensi yang maksimal. Jaringan Syaraf Tiruan tidak memberikan suatu keajaiban tetapi jika digunakan secara tepat akan menghasilkan sasuatu hasil yang luarbiasa.