Part 2: What Is a Neural Network

Mimik Sederhana dari Otak Manusia

🧠 Inspirasi Biologis

Neural Network (Jaringan Syaraf Tiruan) terinspirasi dari bagaimana neuron di otak manusia bekerja, meskipun versi tiruannya jauh lebih sederhana.

Sebuah Neural Network terdiri dari lapisan-lapisan (layers) tumpukan neuron.

Input

Hidden

Output

Input Layer: Menerima data mentah (pixel gambar, teks, angka). Tidak melakukan perhitungan.
Hidden Layer: Lapisan "gaib" di tengah tempat fitur diekstraksi. Semakin banyak lapisan ini, semakin "Deep" jaringannya.
Output Layer: Memberikan hasil akhir (misal: Probabilitas "Kucing" 80%).

Apa yang sebenarnya terjadi di dalam satu bulatan neuron? Hanya dua langkah sederhana: Linear dan Non-Linear.

$$ z = \sum (w_i \cdot x_i) + b $$

"Seberapa kuat sinyal masuk?"
Input dikali Bobot, lalu jumlahkan semua ditambah Bias.

$$ a = \sigma(z) $$

"Apakah neuron harus aktif?"
Hasil $z$ dimasukkan ke fungsi aktivasi (misal Sigmoid/ReLU).

Bayangkan neuron untuk memutuskan: "Beli Rumah?"

Input 1 ($x_1$): Harga Murah? (Skala 1-10, misal 8)
Input 2 ($x_2$): Lokasi Bagus? (Skala 1-10, misal 2)
Weight 1 ($w_1$): Prioritas Harga (misal 0.5)
Weight 2 ($w_2$): Prioritas Lokasi (misal 0.8)
Bias ($b$): Ambang batas pribadi (misal -5)

z = (8 \cdot 0.5) + (2 \cdot 0.8) + (-5) $$ $$ z = 4 + 1.6 - 5 = 0.6

Karena $z$ positif (0.6), jika pakai fungsi aktivasi Step, hasilnya 1 (BELI).

Sekarang kita tahu "Benda" apa itu. Selanjutnya: "Bagaimana cara dia belajar?"