Neural Network dan Deep Learning

---

1. 📌 Pengertian Neural Network

6

🔎 Definisi

Artificial Neural Network (ANN) adalah model komputasi yang terinspirasi dari cara kerja otak manusia, terdiri dari neuron-neuron buatan yang saling terhubung.

📖 Narasi

Neural Network bekerja dengan:

• Menerima input
• Memproses melalui lapisan (layer)
• Menghasilkan output

Konsep ini meniru neuron biologis:

• Dendrit → input
• Badan sel → pemrosesan
• Akson → output

---

2. 🧠 Struktur Neural Network

📊 Komponen Utama

Komponen	Penjelasan
Input Layer	Menerima data
Hidden Layer	Pemrosesan
Output Layer	Hasil akhir
Weight	Bobot koneksi
Bias	Penyesuaian output

---

📖 Narasi

Semakin banyak hidden layer, semakin kompleks model yang dapat dipelajari.

---

3. ⚙️ Cara Kerja Neural Network

7

📌 Proses Utama

1. Input masuk ke jaringan
2. Dikalikan dengan weight
3. Ditambahkan bias
4. Diproses dengan fungsi aktivasi
5. Menghasilkan output

---

📊 Persamaan Dasar

$y = f(\sum w_i x_i + b)$y=f(∑wi​xi​+b)

---

4. 🔥 Fungsi Aktivasi

7

📊 Jenis Fungsi Aktivasi

Fungsi	Karakteristik
Sigmoid	Output 0–1
ReLU	Cepat & populer
Tanh	Output -1 sampai 1

---

📖 Narasi

Fungsi aktivasi menentukan:

• Bagaimana neuron “aktif”
• Non-linearitas model

---

5. 🔄 Proses Training Neural Network

8

📌 Tahapan

1. Forward Propagation
2. Hitung error (loss)
3. Backpropagation
4. Update weight

---

📖 Narasi

Training bertujuan meminimalkan error agar model semakin akurat.

---

6. 📉 Fungsi Loss dan Optimasi

📊 Contoh Loss Function

Fungsi	Kegunaan
MSE	Regresi
Cross-Entropy	Klasifikasi

---

📖 Gradient Descent

$w = w – \alpha \nabla L$w=w−α∇L

Keterangan:

• α = learning rate
• ∇L = gradien error

---

7. 🧠 Deep Learning

7

🔎 Definisi

Deep Learning adalah bagian dari Machine Learning yang menggunakan neural network dengan banyak lapisan (deep layers).

---

📖 Narasi

Deep Learning digunakan untuk:

• Pengolahan gambar
• Pengenalan suara
• NLP (bahasa alami)

---

8. 🔍 Jenis-Jenis Neural Network

📊 Klasifikasi

Jenis	Fungsi
Feedforward NN	Model dasar
CNN (Convolutional NN)	Pengolahan gambar
RNN (Recurrent NN)	Data berurutan

---

9. 🧩 Convolutional Neural Network (CNN)

7

📖 Penjelasan

CNN digunakan untuk:

• Image recognition
• Object detection

---

10. 🔁 Recurrent Neural Network (RNN)

6

📖 Penjelasan

RNN digunakan untuk:

• Prediksi teks
• Analisis time series

---

11. ⚠️ Tantangan Neural Network

🔍 Permasalahan

• Overfitting
• Data besar dibutuhkan
• Waktu training lama
• Interpretasi sulit

---

12. 💡 Studi Kasus

7

📖 Contoh

• Face recognition
• Speech recognition
• Mobil otonom

---

13. ⚙️ Tools Deep Learning

📊 Tools

Tools	Fungsi
TensorFlow	Framework DL
PyTorch	Deep Learning
Keras	High-level API

---

14. 🎯 Kesimpulan

• Neural Network meniru cara kerja otak manusia
• Deep Learning menggunakan banyak layer
• Digunakan untuk masalah kompleks
• Membutuhkan data besar dan komputasi tinggi

---

📚 Aktivitas Pembelajaran

• Latihan: Visualisasi neural network
• Diskusi: “Mengapa deep learning membutuhkan data besar?”
• Praktikum: Implementasi ANN sederhana di Python