Neural Network
Model komputasi terinspirasi otak manusia yang terdiri dari lapisan-lapisan neuron buatan, mampu mempelajari pola kompleks dari data melalui proses backpropagation.
Neural Network (Jaringan Saraf Tiruan) adalah model machine learning yang terinspirasi dari struktur neuron biologis di otak manusia. Model ini terdiri dari node (neuron) yang saling terhubung dalam lapisan-lapisan.
Struktur Neural Network
1. Input Layer
- Menerima data mentah (fitur numerik, embedding, dll)
- Jumlah neuron = jumlah fitur input
2. Hidden Layer(s)
- Lapisan tengah tempat transformasi nonlinear terjadi
- Semakin banyak lapisan → semakin "deep" → Deep Learning
- Setiap neuron menghitung:
output = activation(weights · input + bias)
3. Output Layer
- Menghasilkan prediksi akhir
- Klasifikasi biner: 1 neuron dengan sigmoid
- Klasifikasi multi-kelas: N neuron dengan softmax
- Regresi: 1 neuron tanpa activation function
Fungsi Aktivasi
| Fungsi | Formula | Digunakan di |
|---|---|---|
| ReLU | max(0, x) | Hidden layers (paling umum) |
| Sigmoid | 1/(1+e^-x) | Output biner |
| Softmax | e^x / Σe^x | Output multi-kelas |
| Tanh | (e^x - e^-x)/(e^x + e^-x) | RNN hidden states |
Backpropagation
Algoritma untuk mengupdate bobot (weights) jaringan:
- Forward pass: hitung output dan loss
- Backward pass: hitung gradient via chain rule
- Update: kurangi bobot menggunakan gradient × learning rate
Lanjut Latihan
Mulai Latihan →Udah paham Neural Network? Lanjut latihan SQL dan Excel yuk!
Latihan interaktif, langsung di browser.