Jaringan Syaraf Tiruan (JST) adalah model komputasi yang terinspirasi oleh struktur dan fungsi otak manusia. JST terdiri dari sejumlah besar unit pemroses kecil yang saling terhubung, disebut neuron, yang bekerja sama untuk menyelesaikan masalah. JST dirancang untuk meniru kemampuan otak dalam belajar, mengenali pola, dan membuat keputusan.
Prinsip Dasar JST:
Neuron: Unit dasar JST yang menerima input, memprosesnya, dan menghasilkan output.
Bobot: Setiap koneksi antara neuron memiliki bobot yang menentukan kekuatan sinyal yang ditransmisikan.
Fungsi Aktivasi: Fungsi yang menentukan apakah neuron akan aktif atau tidak berdasarkan jumlah input tertimbang yang diterimanya.
Pembelajaran: JST belajar melalui proses penyesuaian bobot secara berulang untuk meminimalkan kesalahan antara output yang diprediksi dan output yang sebenarnya.
Neuron:
Dendrit: Menerima input dari neuron lain.
Badan Sel: Melakukan perhitungan terhadap input yang diterima.
Akson: Menghantarkan output ke neuron lain.
Sinapsis: Titik koneksi antara neuron, di mana bobot disimpan.
Lapisan Input:
Lapisan pertama yang menerima data mentah.
Jumlah neuron pada lapisan input sama dengan jumlah fitur pada data.
Lapisan Tersembunyi (Hidden Layer):
Lapisan di antara lapisan input dan output.
Jumlah lapisan tersembunyi dan jumlah neuron pada setiap lapisan dapat bervariasi tergantung pada kompleksitas masalah.
Melakukan ekstraksi fitur yang lebih abstrak dari data.
Lapisan Output:
Lapisan terakhir yang menghasilkan output akhir.
Jumlah neuron pada lapisan output tergantung pada jenis masalah yang akan diselesaikan (misalnya, klasifikasi biner, regresi).