A.
Pendahuluan
Neural network atau jaringan saraf adalah sebuah model komputasi yang terinspirasi
oleh cara kerja otak manusia dalam memproses informasi. Ini adalah bagian dari
kecerdasan buatan (AI) dan digunakan untuk memecahkan berbagai masalah, mulai dari
klasifikasi, prediksi, hingga pengenalan pola. Neural network digunakan di banyak
aplikasi seperti pengenalan gambar, pemrosesan bahasa alami, dan rekomendasi produk.
B. Kasus
Misalkan kita memiliki dataset yang terdiri dari angka-angka dan kita ingin
memprediksi apakah angka tersebut lebih besar atau lebih kecil dari angka tertentu
(misalnya 5).
C. Langkah Penyelesaian
1. Membuat dataset yang berisi angka acak.
2. Menentukan label untuk dataset, yaitu apakah angka tersebut lebih besar atau lebih
kecil dari angka 5.
3. Membangun neural network untuk memprediksi label berdasarkan angka input.
4. Melatih model dengan dataset.
5. Evaluasi hasil model.
D. Penjelasan Penyelesaian
1. Install Library yang Dibutuhkan
Pertama, kita perlu menginstall beberapa pustaka yang dibutuhkan untuk membuat
dan melatih neural network. Library utama yang digunakan adalah Keras dan
TensorFlow.
2. Import Library yang Diperlukan
numpy: Digunakan untuk manipulasi array dan data numerik.
[Link]: Model neural network yang digunakan.
[Link]: Lapisan dari neural network (fully connected
layer).
Adam: Optimizer untuk mengupdate bobot selama pelatihan.
train_test_split: Untuk membagi data menjadi training dan testing.
3. Membuat Dataset Sederhana
membuat dataset yang terdiri dari angka acak dan label apakah angka tersebut lebih
besar atau lebih kecil dari angka 5.
X adalah input, yaitu angka acak dari 0 hingga 9.
y adalah output, yaitu 1 jika angka lebih besar dari 5, dan 0 jika angka kurang dari
atau sama dengan 5.
4. Membagi Dataset ke dalam Data Latih dan Uji
Selanjutnya, membagi dataset menjadi data latih (training) dan data uji (testing).
X_train dan y_train adalah data latih untuk melatih model.
X_test dan y_test adalah data uji untuk menguji performa model.
test_size=0.2 berarti 20% data digunakan untuk pengujian, dan sisanya untuk
pelatihan.
5. Membangun Model Neural Network
membuat model neural network sederhana dengan satu lapisan tersembunyi.
Dense(5) adalah lapisan tersembunyi dengan 5 neuron.
input_dim=1 berarti input hanya memiliki satu fitur (angka tunggal).
Fungsi aktivasi relu digunakan untuk lapisan tersembunyi.
Lapisan output menggunakan aktivasi sigmoid karena ini adalah masalah
klasifikasi biner (lebih besar dari 5 atau tidak).
binary_crossentropy digunakan sebagai fungsi kerugian untuk klasifikasi biner.
6. Melatih Model
melatih model menggunakan data latih.
epochs=10 berarti model akan dilatih selama 10 iterasi melalui dataset.
batch_size=32 berarti 32 data akan diproses dalam setiap iterasi mini-batch.
verbose=1 menampilkan progres pelatihan.
7. Mengevaluasi Model
Setelah model dilatih, selanjutnya mengevaluasi model menggunakan data uji.
evaluate() mengukur kinerja model pada data uji dan memberikan nilai loss serta
accuracy.
8. Menggunakan Model untuk Prediksi
lalu, kita bisa menggunakan model yang telah dilatih untuk memprediksi apakah suatu
angka lebih besar dari 5 atau tidak.
predict() digunakan untuk memprediksi label untuk angka baru.
Jika nilai prediksi lebih besar dari 0.5, maka kita anggap sebagai angka lebih besar
dari 5.
9. Hasilnya