Penggunaan Sifat Pengingat Asosiatif Pada Jaringan Syaraf Tiruan Hopfield Diskret Untuk Pemulihan Data

Transkripsi

1 Penggunaan Sfat Pengngat Asosatf Pada Jarngan Syaraf Truan Hopfeld Dskret Untuk Pemulhan Data Recoverng Data Usng Assocatve Memores of Dscrete Hopfeld Neural Netorks Agung Mubyarto Program Stud Teknk Elektro Unsoed Purokerto, Indonesa Abstract Ths research concern th applcaton of dscrete Hopfeld neural netorks for recoverng data. Usng assocatve memores propertes of dscrete Hopfeld neural netorks e can store a set of data patterns as a memores. The basc concepts of usng dscrete Hopfeld neural netorks as assocatve memores s to nterpret the system s neurons evoluton as a movement of nput pattern toard the one stored pattern most resemblng the nput pattern. The result shos that the applcaton could recover false data to ts orgn. Keyords assocatve memores, Hopfeld neural netorks, false data PENDAHULUAN Kerusakan data ( dapat berupa gambar/ctra, runtun data, grafk) yang kta smpan dalam peralatan penympan data sepert dsket, hardsc, compact dsc sangat mungkn terad oleh satu dan lan hal. Kerusakan data dapat dbag dalam kategor kerusakan total ataupun data yang cacat /berderau. Untuk data yang cacat atau berderau mash dapat dlakukan upaya untuk melakukan pemulhan kembal dengan cara melakukan asosas data dengan data yang asl. Proses pemulhan data n sangat pentng karena dapat dterapkan pada berbaga bdang sepert bolog, pskolog, farmas dan pengnderaan auh ( Anl K. Jan et.al.2). Pengngat asosatf dapat menympan suatu rumusan atau hmpunan data. Ketka ada data yang rusak dar suatu hmpunan data, maka data tersebut dapat dketahu kembal dengan melakukan asosas pada hmpunan data asl. Data yang rusak selanutnya akan dkenal sebaga salah satu data dar hmpunan data tersebut. Fungs dar pengngat asosatf adalah mengembalkan rumusan data untuk data yang tdak lengkap kepada data yang telah dsmpan pada arngan (Evandro, A Slva et.al). Secara umum pengngat asosatf dapat dkelompokkan dalam dua kelompok : ) Auto asosas : data yang cacat/ berderau dasosaskan dengan data asl yang tdak rusak. 2) Hetero Asosas : data nput akan dasosaskan dengan data pasangan yang berbeda dar data nput. Jarngan syaraf truan (JST) sebaga truan dar syaraf manusa mempunya kemampuan untuk melakukan asosas data. Beberapa algortma arngan syaraf truan telah dkembangkan dalam usaha melakukan asosas data. Salah satu yang terbukt berhasl dgunakan untuk melakukan asosas data adala arngan syaraf truan Hopfeld. Fausset (994) menelaskan baha Hopfeld pada tahun 982 mengembangkan suatu arngan teratve recurrent assocatve. nput data cacat PENG ING AT AS O SIATIF O utput Gambar 6 Pemulhan data dengan JST output Bobot sambungannya adalah smetrs tanpa cell connecton, yatu :... () dan... (2) arngan n mempunya sfat khusus : a. Setap aktu hanya satu neuron yang memperbaru fungs aktvasnya ( berdasar pada snyal yang dterma dar setap neuron lan ). Dnamka Rekayasa Vol. 5 No. Februar 29 ISSN

2 Agung Mubyarto Penggunaan Sfat Pengngat Asosatf Pada Jarngan Syaraf Truan Hopfeld Dscret Untuk Pemulhan Kesalahan Data : b. Setap neuron meneruskan untuk menerma suatu snyal dar luar dtambahkan pada snyal dar neuron neuron lan dalam arngan tersebut. Proses update dar neuron neuron tersebut menurut suatu fungs yang dsebut sebaga fungs energ yang dperoleh oleh arngan. Keberadaan fungs demkan akan delaskan pada bagan selanutnya yang memungknkan untuk membuktkan baha arngan akan konvergen pada satu set aktvas aktvas stabl dar pada oslas. A. Jarngan syaraf truan Hopfeld dskrt Arstektur arngan syaraf truan dskrt secara skematk dgambarkan dalam gambar 2. Jarngan n tersusun atas satu laps arngan dengan umpan balk. Parameter adalah bobot antar sel,v adalah aktvas sel dan x masukan sel. untuk dan. Jarngan syaraf truan lannya [ Hopfeld, 984 ] mempunya masukan bpolar. Matrks bobot dperoleh sebaga berkut : Penympanan satu set pola pola bpolar s( p), p,2,3,..., n; s( p ) ( s ( p ),...,s ( p ),...,s Matrks bobot s n ( p )) W dberkan oleh : ( p )s ( p )... (4) p untuk dengan x x2 n n V V 2 Persamaan 3 dan 4 akan menghaslkan suatu matrks bobot W, yatu : (5) x3 xn n n 2 2n n V V n Gambar 7 Arstektur Jarngan Syaraf Truan Hopfeld B. Algortma Jarngan Syaraf Truan Hopfeld Dskrt Jarngan Syaraf truan Hopfeld dapat dgunakan untuk menympan memor bner dan memor bpolar. Jarngan n pertama kal dperkenalkan pada tahun 982 menggunakan vektor masukan bner. Untuk menympan satu set pola - pola bner dmana s( p ) s( p), p,2,3,..., n; ( s ( p ),...,s ( p ),...,s ( p )) n... (2) Matrks bobot W dberkan oleh : s ( p) 2s ( p) p 2...(3) Aplkas algortma n untuk pola pola bner adalah sebaga vektor keadaan. Fungs aktvas dapat dmodfkas untuk mengakomodas pola pola bpolar. Algortma arngan syaraf truan Hopfeld dskrt adalah sebaga berkut : Langkah. Set bobot bobot aal () untuk menympan pola pola Sementara aktvas arngan tdak konvergen kerakan langkah 7. Langkah. Untuk tap vektor masukan x, kerakan langkah 2 6. Langkah 2. Set aktvas aal arngan sama dengan vektor masukan luar x : v x (,2,3,..., n) dengan v adalah aktvas sel atau unt v Langkah 3. Kerakan langkah 4 6 untuk tap tap unt v ( unt harus dupdate dalam orde acak ) Langkah 4. Htung masukan arngan : 46

3 Dnamka Rekayasa Vol. 5 No. 2 Agustus 29 ISSN V v _ n x v...(6) dmana v _ n adalah keluaran unt V adalah nla bobot antara unt V dan Langkah 5. Tentukan aktvas ( snyal keluaran ) : ka v _ n... (7) v v ka v _ n ka v _ n dengan v adalah keluaran unt V adalah nla ambang unt V Langkah 6. Sebarkan nla v ke semua unt lannya ( update vektor aplkas ) Langkah 7. U konvergens ( ka konvergen berhent, ka tdak kembal ke langkah ) Nla ambang, untuk pola bner adalah dan untuk pola bpolar adalah. Prosedur tersebut memperbaru untunt dengan acak, tetap tap tap unt harus dperbaru dengan rata- rata lau yang sama. Semula Hopfeld menggunakan aktvas bner tanpa masuan luar setelah step pertama pada algortma tersebut. Selanutnya masukan luar tersebut dperkenankan untuk selama proses berlangsung. Meskpun khasnya, Hopfeld menggunakan aktvas bner, model dformulaskan menggunakan berbaga kombnas dar cr cr model aslnya. C. Analss Fungs Energ Fausset (994) menelaskan, Hopfeld membuktkan baha arngan syaraf truan dskrt yang dtemukannya akan konvergen pada suatu ttk stabl (pola aktvas dar unt - unt ) dengan menggunakan suatu fungs energ pada sstem tersebut. Suatu fungs energ adalah fungs terkendala ( bounded ) dan adal adalah suatu fungs yang tdak bertambah ( nonncreasng ) dar keadaan sstem. Pada sustu arngan syaraf truan keadaan sstem tersebut adalah vektor aktvas dar tap unt. Jka fungs energ dapat dperoleh pada suatu teras arngan syarf truan, arngan akan konvergen pada hmpunan aktvas yang stabl. Fungs energ untuk arngan syaraf truan Hopfeld dskrt dberkan : E vv xv v... (8) 2 dengan : v adalah aktvas atau keluaran unt V x adalah masukan luar unt V adalah bobot antara unt V dan unt V adalah nla ambang unt V Jka aktvas arngan berubah dengan suatu perubahan v, energ berubah sebesar : E v x v... (9) ( hubungan n terad baha hanya satu unt yang dapat memperbaharu aktvasnya pada suatu aktu ). Karena energ terkendala (bounded ) dan nla energ tdak dapat bertambah, arngan akan mencapa suatu kesetmbangan stabl ketka energ tdak berubah dengan adanya teras yang lebh auh. Analsa n uga berlaku untuk aktvas tdak bner,dan masukan luar uga tdak dharuskan selama proses teras. Aspek pentng dar algortma tersebut baha perubahan energ hanya tergantung pada perubahan satu unt atau sel. A. Mater Peneltan METODE PENELITIAN Mater atau bahan yang dgunakan dalam peneltan n adalah berupa sampel data dalam bentuk bars ( array) dalam format data bner. Data berupa ctra dapat dgunakan dengan melakukan pre prosesng membentuk data 2 dmens menad data array. B. Alat yang dpergunakan Peneltan n bersfat pembuatan program aplkas, sehngga membutuhkan satu set personal computer yang cukup memada untuk dapat menalankan sstem operas Wndos XP dan perangkat lunak Matlab 7. C. Jalannya Peneltan Langkah-langkah pada peneltan n adalah pembuatan sampel, dlanutkan pemrosesan data, uga pembuatan perangkat-lunak sstem arngan syaraf truan dan akhrnya dlakukan penguan untuk pemulhan data rusak. Tahapan untuk peneltan n adalah sebaga berkut : ) Pembuatan program aplkas Pembuatan program aplkas arngan syaraf truan Hopfeld Dskret 2) Pengumpulan sampel data Melakukan pengumpulan data berupa data asl dan data berderau. Data yang dgunakan adalah data dalam format bner ( dan ) dengan panang data 8 dgt. 3) Penerapan Aplkas Melakukan penerapan hasl pengolahan data kedalam program aplkas. Dlakukan penguan dengan melakukan varas terhadap kerusakan panang data. 4) Analsa Hasl Melakukan analsa terhadap hasl aplkas yang sudah dlakukan pada tahapan sebelumnya. Dar analsa hasl 47

4 Agung Mubyarto Penggunaan Sfat Pengngat Asosatf Pada Jarngan Syaraf Truan Hopfeld Dscret Untuk Pemulhan Kesalahan Data : akan dketahu keberhaslan aplkas yang merupakan pendekatan dar kecerdasan buatan menggunakan arngan syaraf truan. A. Program Aplkas HASIL DAN PEMBAHASAN Produk yang dhaslkan pada peneltan n adalah berupa softare program aplkas arngan syaraf truan Hopfeld dskret yang dbuat menggunakan Bahasa Pemrograman Matlab 7. Aplkas n memerlukan dua masukan runtun data yatu yang pertama adalah masukan runtun data yang akan dsmpan dalam arngan, sedangkan yang kedua adalah runtun data pertama yang sudah dber nose / gangguan. Setelah dber masukan data yang sudah dber nose maka program aplkas akan melakukan proses pemulhan data untuk bt bt yang tdak sesua sebaga keluaran program aplkas. Runtun data yang dgunakan dalam format bner berbentuk array dengan panang data adalah 8 bt. B. Hasl Penguan Runtun data yang dgunakan adalah : Bt Bt 8 ) Varas kesalahan bt Data asl Data cacat : kesalahan pada bt 4 Pemulhan data TABEL 8 PEMULIHAN DATA UNTUK VARIASI KESALAHAN BIT Iteras Perubahan data / bt 6 2/ bt 3 2) Varas kesalahan 2 bt Data asl Data cacat : kesalahan pada bt 3 dan bt 4 Pemulhan data TABEL 9 PEMULIHAN DATA UNTUK VARIASI KESALAHAN 2 BIT Iteras / bt 3 2 / bt 8 3 / bt 5 4 / bt 4 3) Varas kesalahan 3 bt Data asl Data cacat : varas kesalahan pada bt 4, 5 dan 7 Pemulhan data TABEL 3. PEMULIHAN DATA UNTUK VARIASI KESALAHAN 3 BIT Iteras / bt 7 2 / bt 4 3 / bt 6 4 / bt 8 5 / bt 5 3/ bt 4 48

5 Dnamka Rekayasa Vol. 5 No. 2 Agustus 29 ISSN ) Varas kesalahan 4 bt Data asl Data cacat Pemulhan data TABEL 4. PEMULIHAN DATA UNTUK VARIASI KESALAHAN 4 BIT Iteras / bt 2 2 / bt 5 3 / bt 4 4 / bt 5 / bt 7 oleh Program Matlab 7. Selan tu JST Hopfeld hanya dapat melakukan update neuron secara bergantan, tdak dapat melakukan update beberapa neuron secara bersamaan. Urutan akses neuron secara random sampa dengan data yang telah berhasl dkoreks dsakan pada kolom sebelah kr dar tabel pemulhan data. A. Kesmpulan KESIMPULAN DAN SARAN Dar peneltan yang sudah dlakukan dapat dambl beberapa kesmpulan : a. Data yang rusak / cacat dapat dkoreks dengan menggunakan sfat pengngat asosatf. b. Jarngan syaraf truan Hopfeld dskret dapat dgunakan untuk melakukan koreks kesalahan data dengan bak. c. Panang teras untuk melakukan koreks data bergantung pada random generator yang muncul dan hal n sesua dengan algortma update neuron JST Hopfeld dskret. B. Saran Untuk peneltan selanutnya dapat dpergunakan data berupa gambar bak gambar 2 dmens atau 3 dmens. DAFTAR PUSTAKA ANALISIS HASIL PENELITIAN Dar hasl peneltan yang dsakan dalam tabel sampa dengan tabel 4 dapat dketahu baha aplkas JST yang dbuat mampu melakukan koreks untuk kesalahan dengan tngkat kesalahan dar bt sampa dengan 4 bt dengan sangat bak. Semua kesalahan dapat dkoreks dan dkembalkan kepada data asl. Jka dlhat dar banyaknya teras program koreks, memang arngan tdak dapat memperoleh teras dengan yang panangnya sama atau kurang dar panangnya kesalahan. Hal n dapat dmengert karena proses update neuron dar arngan bersfat random dan bergantung kepada random generator yang dsedakan Fausset, L Fundamentals of Neural Netorks Archtectures, Algorthms and Applcaton. Prentce Hall, Engleood Clffs, Ne Jersey Ln, C.T and Lee, C.S.G. A Neuro-Fuzzy Synergsm to Intellgent Systems. Prentce Hall, Upper Saddle Rver NJ 7458 Evandro A. Slva, Armando Marn, Adlson Gonzaga, Fabana C. Berton, Kelton A.P. Costa, Lucana A.L. Albuquerque. Neutral Facal Image Recognton Usng Parallel Hopfeld Neral Netorks. Unversty of Sao Paulo Anl K. Jan, Robert P.W. Dun, dan Mao,J. Statstcal Pattern Recognton : A Reve. IEEE Transactons on Patterns Analyss and Machne Intellgence vol 22 no, January 2. 49