Jaringan
Saraf Tiruan (JST)
Suatu
jaringan saraf tiruan memproses sejumlah besar informasi secara paralel dan
terdistribusi, hal ini terinspirasi oleh model kerja otak biologis. Beberapa
definisi tentang jaringan saraf tiruan adalah sebagai berikut:
- Suatu neural network (NN)
adalah suatu struktur pemroses informasi yang terdistribusi dan bekerja
secara paralel, yang terdiri atas elemen pemroses (yang memiliki memori
lokal dan beroperasi dengan informasi lokal) yang diinterkoneksi bersama
dengan alur sinyal searah yang disebut koneksi. Setiap elemen pemroses
memiliki koneksi keluaran tunggal yang bercabang (fan out) ke sejumlah
koneksi kolateral yang diinginkan (setiap koneksi membawa sinyal yang sama
dari keluaran elemen pemroses tersebut). Keluaran elemen dari pemroses
tersebut dapat merupakan sebarang jenis persamaan matematis yang
diinginkan. Seluruh proses yang berlangsung pada setiap elemen pemroses harus
benar-benar dilakukan secara lokal, yaitu keluaran hanya bergantung pada
nilai masukan pada saat itu yang diperoleh melalui koneksi dan nilai yang
tersimpan dalam memori lokal (Hecht-Nielsend, 1988).
- Sebuah jaringan saraf adalah
sebuah prosesor yang terdistribusi paralel dan mempunyai kecenderungan
untuk menyimpan pengetahuan yang didapatkannya dari pengalaman dan membuat
tetap tersedia untuk digunakan. Hal ini menyerupai kerja otak dalam dua
hal yaitu Pengetahuan diperoleh oleh jaringan melalui suatu proses belajar
dan kekuatan hubungan antar sel saraf yang dikenal dengan bobot senapsis
digungakan untuk menyimpan pengetahuan (Haykin, S., 1994).
- Sistem saraf tiruan atau
jaringan saraf tiruan adalah sistem selular fisik yang dapat memperoleh,
menyimpan, dan menggunakan pengetahuan yang didapatkan dari pengalaman (Zurada,
J.M., 1992, Introduction To Artificial Neural Systems, Boston: PWS
Publishing Company).
- Sebuah jaringan saraf adalah
sebuah sistem yang dibentuk dari sejumlah elemen pemroses sederhana yang
bekerja secara paralel dimana fungsinya ditentukan oleh struktur jaringan,
kekuatan hubungan, dan pengolahan dilakukan pada komputasi elemen atau
nodes (DARPA Neural Network Study, 1988, AFCEA International Press, p.
60).
Neural Network (NN) termasuk dalam Type Control Strategic
Planning
Perencanaan
Strategis adalah perencanaan yang paling penting, dimana manajer mengarahkan
detil operasi dari organisasi setelah menentukan tujuan dasar dan bagaimana
cara mencapainya.
Pada tahapan ini Neural Network sangat berperan penting dalan
perencanaan strategis dimana ia berperan sebagai informasi yang membantu
manajer dalam membuat keputusan. Neural Network dapat menyelesaikan masalah
mengunakan program komputasi dimana analisisnya sama seperti manusia. Sebagai
contoh dalam pengelolaan manajemen, manajer dapat mengunakan teknologi Neural
Network dalam mengatasi persoalan – persoalan manajemen.
Kerugiannya
Type Control Strategic Planning
Jelas sekali
bahwa untuk membuat/menyusun rencana strategis sangat membutuhkan , waktu, uang
dan sumber daya manusia, dan butuh waktu lama untuk memberi pemahaman pada
organisasi secara keseluruhan agar rencana bisa terlaksana. Sering kali
bahkan tidak cepat meresponse kondisi yang cepat berubah karena adanya rencana
strategis yang terkait pada visi dan misi usaha, sehingga tidak dapat
memperoleh keuntungan yang ada saat itu.
Keuntungannya
Type Control Strategic Planning
Jelas sekali
bahwa rencana strategis akan memberikan arah yang konsisten bagi kegiatan
organisasi. Para manajer akan sangat terbantu dalam membuat keputusan dan
tindakan sesuai yang digariskan dalam rencana pokok. Menghilangkan kemungkinan
salah besar dalam bertindak dan menghilangkan kejutan yang mungkin timbul dalam
operasional. Perencanaan strategis sangat baik
untuk usaha yang membutuhkan waktu lama antara keputusan dan dampaknya dalam
proses pelaksanaanya.
Neural Network (NN) termasuk dalam type Decision Unstructured
Keputusan
tidak terstruktur (non programmed decision) Adalah keputusan yang
sifatnya adalah tidak terjadi berulang-ulang dan tidak selalu terjadi.
Keputusan ini dilakukan oleh manajemen tingkat atas (top manajer). Pada tahapan
ini Neural Network termasuk dalam tipe keputusan Unstructured karena Neural Network menjadi
keputusan yang tidak terjadi berulang-ulang dan tidak selalu terjadi dikarenakan
teknologi Neural Network yang memerlukan sedikit biaya yang lebih besar.
Keputusan ini terjadi di manajemen tingkat atas. Informasi untuk pengambilan
keputusan tidak terstruktur tidak mudah untuk didapatkan dan tidak mudah
tersedia dan biasanya berasal dari lingkungan luar. Pengalaman manajer merupakan hal yang sangat penting
di dalam pengambilan keputusan tidak terstruktur. Keputusan untuk bergabung
dengan perusahaari lain adalah contoh keputusan tidak terstruktur.
Neural Network (NN) dalam pengambilan keputusan
Neural Network bisa di jadikan sarana pengambilan
keputusan karena Neural Network(Jaringan Saraf Tiruan) sudah mulai banyak
dimanfaatkan sebagai solusi terhadap berbagai macam kasus yang muncul beberapa
dekade terakhir, Pemanfaatan Neural Network juga mulai merambah dunia security
khususnya untuk memecahkan masalah-masalah yang sifatnya tidak tetap sehingga
sulit untuk di pecahkan dengan menggunakan tehnik pemrograman konvensional yang
ada saat ini. Hal yang sama terjadi pada
sistem dimana sistem akan diajarkan dengan berbagai macam contoh (disebut data
latih) dan kemudian diharapkan sistem akan dapat mengambil keputusan atas suatu
masalah yang berhubungan dengan data latih sistem tersebut. Pemanfaatan Neural
Network sekarang ini sudah cukup banyak dan telah diterapkan pada berbagai
bidang, misalnya untuk mengetahui keadaan bursa saham di masa yang akan datang
berdasarkan keadaan saat ini. Jadi dapat dikatakan bahwa Sistem Penunjang
Keputusan menggunakan Neural Network (NN) dapat memberikan manfaat bagi pengambil
keputusan dalam meningkatkan efektifitas dan efisiensi kerja terutama dalam
proses pengambilan keputusan.
Manfaat yang
dapat diambil dari Sistem Pendukung Keputusan menggunakan Neural Network (NN) adalah
- Memperluas kemampuan pengambilan keputusan dalam memproses data/informasi bagi pemakainya.
- Membantu pengambil keputusan untuk memecahkan masalah terutama berbagai masalah yang sangat kompleks dan tidak terstruktur.
- Dapat menghasilkan solusi dengan lebih cepat serta hasilnya dapat diandalkan.
- Tingkat kesalahan menjadi berkurang karena sudah mengunakan sofware
DAFTAR PUSTAKA
http://www.sylabus.web44.net/pengantarfile/pengantarkuliah3.html
http://www.scribd.com/doc/52400545/modul-SPK
http://id.wikipedia.org/wiki/sistem_pendukung_keputusan
http://sulung-pd.blogspot.com/2011/03/definisi-sim-spk-si-jst-dan-sp.html
