Backpropagation
Backpropagation (Perambatan Mundur) adalah cara utama kecerdasan buatan (AI) "belajar dari kesalahan". Bayangkan Anda sedang belajar memanah: pertama-tama Anda menembak sasaran (kalkulasi maju), melihat seberapa jauh anak panah meleset dari sasaran (eror), lalu menyesuaikan kekuatan busur dan posisi tangan Anda (perambatan mundur) agar tembakan berikutnya lebih tepat sasaran.
1. Perambatan Maju (Forward Propagation)
Di langkah awal, data masukan mengalir dari depan ke belakang melewati lapisan-lapisan saraf untuk membuat sebuah tebakan:
- Penjumlahan Berbobot: Setiap neuron mengalikan input dengan bobot kekuatan koneksi (*weight*), menambahkan nilai bias, lalu menjumlahkannya.
- Penyaringan Aktivasi: Nilai hasil penjumlahan disaring melewati fungsi aktivasi non-linear agar model bisa mempelajari pola yang berliku dan rumit.
Fase Perambatan Maju (Forward Pass)
Aliran input data dari depan ke belakang hingga menghasilkan prediksi tebakan awal.
Ilustrasi dibentuk otomatis menggunakan asisten kecerdasan buatan (AI)
2. Perambatan Mundur (Backward Propagation)
Setelah tebakan dibuat dan dibandingkan dengan jawaban yang benar, tingkat eror dihitung. Algoritma kemudian melacak eror tersebut ke belakang:
- Aturan Rantai (Chain Rule): Menggunakan kalkulus turunan untuk menghitung seberapa besar kontribusi masing-masing bobot terhadap nilai total kesalahan.
- Koreksi Bobot: Optimizer menggunakan gradien tersebut untuk memperkecil/memperbesar bobot agar kesalahan di pelatihan berikutnya berkurang.
Fase Perambatan Mundur (Backward Pass)
Merambatkan nilai kesalahan (error) ke belakang untuk membenahi bobot saraf.
Ilustrasi dibentuk otomatis menggunakan asisten kecerdasan buatan (AI)
?
Uji Pemahaman Mandiri
Apa peran utama algoritma Backpropagation dalam pemodelan Deep Learning?
A. Mengambil data mentah dari database web secara asinkronus
B. Menghitung gradien nilai eror dan merambatkannya mundur untuk menyesuaikan bobot parameter model
C. Mengamankan kode program agar tidak diserang virus peretas
