Pengertian Neural Network Sederhana

Neural Network (Jaringan Saraf Tiruan) adalah salah satu fondasi utama di balik kecerdasan buatan modern. Bayangkan seperti otak manusia yang terdiri dari miliaran sel saraf (neuron) yang saling terhubung. Neural Network meniru cara kerja itu secara sederhana untuk memproses data dan belajar pola.

Inspirasi dari Otak Manusia

Neuron Biologis: Di otak, neuron menerima sinyal dari neuron lain, memprosesnya, dan mengirim sinyal jika cukup kuat.
Neuron Artifisial: Satuan dasar Neural Network. Menerima input, berbobot, dijumlahkan, lalu diproses dengan fungsi aktivasi (seperti ReLU atau Sigmoid).

Struktur Dasar Neural Network

Input Layer: Lapisan masuk, menerima data mentah (misal: piksel gambar atau angka).
Hidden Layer(s): Lapisan tengah, tempat “pemrosesan ajaib” terjadi. Bisa satu atau banyak (Deep Neural Network).
Output Layer: Hasil akhir, seperti klasifikasi (kucing/anjing) atau prediksi angka.

Input → Hidden Layer 1 → Hidden Layer 2 → Output
     (neuron1,2,3)    (neuron4,5)      (hasil)

Cara Kerja Sederhana

Forward Propagation: Data mengalir maju, setiap koneksi punya bobot (weight) yang disesuaikan saat belajar.
Loss Calculation: Bandingkan output dengan target sebenarnya (error).
Backpropagation: Update bobot mundur untuk kurangi error (gunakan Gradient Descent).
Ulangi → Model belajar!

Contoh Sederhana: Mengenali Angka Tulis Tangan (MNIST)

Input: Gambar 28x28 piksel (784 neuron input).
Hidden: 128 neuron.
Output: 10 kelas (0-9).
Latih dengan ribuan contoh → Akurasi >95%!

Mengapa Neural Network Powerful?

Non-linear: Bisa modelkan pola kompleks (pola, gambar, suara).
Scalable: Tambah layer/data → Lebih pintar.
Digunakan di: ChatGPT (Transformer NN), pengenalan wajah, self-driving car.

Mulai Praktek

Coba di Google Colab dengan TensorFlow/Keras:

import tensorflow as tf
model = tf.keras.Sequential([
    tf.keras.layers.Dense(128, activation='relu', input_shape=(784,)),
    tf.keras.layers.Dense(10, activation='softmax')
])

Neural Network adalah “otak” AI. Pahami ini, langkah selanjutnya Deep Learning lebih mudah! 🚀