LMS-SPADA INDONESIA
Glossary
Glosarium Pertemuan 8
Completion requirements
Glosarium Pertemuan 8
Topik: Jaringan Syaraf Tiruan (Artificial Neural Network)
| Istilah | Definisi |
|---|---|
| Jaringan Syaraf Tiruan (Artificial Neural Network - ANN) | Sistem komputasi yang terinspirasi oleh cara kerja otak manusia dalam mengenali pola dan melakukan pembelajaran dari data. |
| Neuron Buatan (Artificial Neuron) | Unit dasar dalam ANN yang menerima input, melakukan perhitungan dengan bobot tertentu, dan menghasilkan output. |
| Bobot (Weight) | Nilai numerik yang menunjukkan seberapa besar pengaruh suatu input terhadap neuron pada proses perhitungan. |
| Bias | Nilai tambahan yang digunakan untuk menyesuaikan hasil aktivasi neuron agar model lebih fleksibel dalam pembelajaran. |
| Fungsi Aktivasi (Activation Function) | Fungsi matematis yang menentukan apakah neuron akan aktif atau tidak, seperti fungsi sigmoid, ReLU, atau tanh. |
| Lapisan Input (Input Layer) | Lapisan pertama dari jaringan yang menerima data mentah dari luar untuk diproses lebih lanjut. |
| Lapisan Tersembunyi (Hidden Layer) | Lapisan di antara input dan output yang melakukan proses pembelajaran dan transformasi fitur melalui neuron-neuron tersembunyi. |
| Lapisan Output (Output Layer) | Lapisan terakhir yang menghasilkan hasil akhir dari jaringan setelah seluruh perhitungan selesai dilakukan. |
| Feedforward | Proses mengalirkan input dari lapisan awal menuju lapisan akhir untuk menghasilkan output tanpa umpan balik. |
| Backpropagation | Algoritma pembelajaran untuk memperbaiki bobot neuron berdasarkan selisih antara output aktual dan output yang diharapkan (error). |
| Epoch | Satu kali proses lengkap jaringan dalam mempelajari seluruh dataset pelatihan. |
| Learning Rate | Parameter yang mengatur seberapa besar langkah perubahan bobot dalam setiap iterasi pembelajaran. |
| Fungsi Loss (Loss Function) | Fungsi yang mengukur seberapa jauh hasil prediksi jaringan dari nilai target yang sebenarnya. |
| Overfitting | Kondisi ketika jaringan terlalu menyesuaikan diri dengan data pelatihan sehingga kinerjanya menurun pada data baru. |
| Training Data | Data yang digunakan untuk melatih jaringan agar mampu mengenali pola dan melakukan generalisasi. |
| Testing Data | Data yang digunakan untuk menguji performa jaringan setelah proses pelatihan selesai. |
| Perceptron | Model jaringan syaraf tiruan paling sederhana yang terdiri dari satu neuron dengan bobot, bias, dan fungsi aktivasi. |
| Multi-Layer Perceptron (MLP) | Jenis jaringan syaraf tiruan dengan satu atau lebih lapisan tersembunyi yang mampu mempelajari hubungan non-linear. |
| Convergence | Kondisi di mana pembelajaran jaringan mencapai stabilitas, ditandai dengan tidak adanya perubahan signifikan pada error. |
| Momentum | Teknik dalam pembelajaran jaringan untuk mempercepat konvergensi dengan mempertimbangkan arah perubahan bobot sebelumnya. |
LMS-SPADA INDONESIA