Beberapa waktu lalu saya dapat kesempatan untuk mengasisteni kegiatan kemkominfo di UGM seputar AI. Salah satu topik yang dibicarakan adalah Backpropagation pada Jaringan Saraf Tiruan (JST). Di postingan ini saya akan mencontohkan perhitungan Backpropagation langkah per langkah, menggunakan arsitektur yang sederhana dan dilanjutkan implementasi menggunakan Python.
Artikel ini diupdate pada 8 Agustus 2021 Perbaikan presisi pada perhitungan
Sebelum memulai, sebaiknya kita mengerti terlebih dahulu dasar-dasar untuk:
- Menghitung turunan satu variabel suatu persamaan (beberapa rumus penting ada di artikel ini)
- Memahami cara perkalian matriks
- Memahami konsep dasar jaringan saraf tiruan.
Jika masih dirasa banyak yang lupa, silakan refresh kembali materi tersebut.
Contoh Perhitungan
Kita masuk ke perhitungannya. Kita akan gunakan contoh arsitektur JST di atas yang hanya terdiri dari layer input dan layer output. Layer input akan menerima 3 nilai $x$ dan layer output akan menghasilkan 2 nilai $y$. Kita bisa gunakan arsitektur tersebut untuk kasus klasifikasi dengan 2 kelas.
Continue reading