Algoritma Feedforward Neural Network: Pengertian dan Cara Kerjanya

Feedforward Neural Network merupakan jenis jaringan saraf tiruan yang terinspirasi oleh proses biologis otak manusia. Algoritma ini merupakan salah satu bentuk yang paling sederhana dari beberapa JST sejenis.

Di artikel ini kita akan belajar lebih detail mengenai algoritma Feedforward Neural Network dan alur kerjanya.

Daftar Isi

Pengertian Feedforward Neural Network

Feedforward Neural Network adalah jaringan syaraf tiruan yang koneksi antar node-nya tidak membentuk sebuah siklus. Kebalikan dari Feedforward Neural Network adalah Recurrent Neural Network, di mana pada RNN terdapat siklus pada jalur node-nya.

Algoritma Feedforward Neural Network merupakan bentuk neural network yang paling sederhana karena informasi hanya diproses dalam satu arah. Data dapat melewati beberapa hidden node, namun selalu bergerak dalam satu arah dan tidak pernah mundur ke belakang.

Dengan kata lain, jaringan saraf Feedforward hanya memungkinkan sinyal untuk melakukan perjalanan melalui satu jalur saja, yakni dari input ke output. Tidak ada koneksi umpan balik dari output ke dirinya sendiri (loop).

Hal inilah yang menjadi alasan mengapa neural network jenis ini disebut sebagai Feedforward atau dalam bahasa indonesia diartikan umpan maju.

Sumber: researchgate.net

Algoritma Feedforward Neural Network sering juga disebut sebagai multilayer perceptron. Alasannya karena arsitekturnya menggabungkan beberapa lapisan dari perceptron. 

Pada gambar di bawah, sebelah kiri adalah arsitektur lapisan perceptron dan sebelah kanan adalah feedforward neural network. Dapat dilihat bahwa feedforward membentuk lapisannya dengan menggabungkan beberapa perceptron.

Sumber: medium.com

Arsitektur Feedfoward Neural Network

Arsitektur Feedfoward Neural Network terdiri atas input layer, hidden layer, dan output layer.

Lapisan paling kiri disebut input layer, dan neuron di dalam lapisan ini disebut input neuron. Lapisan paling kanan adalah output layer yang berisi output neuron. Lapisan tengah disebut hidden layer, karena neuron pada lapisan ini bukan merupakan input maupun output.

• Input layer: Lapisan ini terdiri dari neuron yang menerima input dan meneruskannya ke lapisan lain. Jumlah neuron pada lapisan input harus sama dengan atribut atau fitur dalam dataset.
• Output layer: Merupakan lapisan keluaran yang berisi hasil fitur yang telah diprediksi. Keluaran yang dihasilkan bergantung pada jenis model yang kita buat.
• Hidden layer: Merupakan lapisan yang berada di antara lapisan input dan output. Lapisan ini berisi beberapa neuron yang menerapkan transformasi ke neuron input sebelum melewatinya. Saat jaringan dilakukan training, nilai bobot diperbarui agar lebih prediktif.
• Bobot neuron: Bobot mengacu pada kekuatan atau amplitudo koneksi antara dua neuron. Nilai bobot ini sering diinisialisasi ke nilai acak kecil, seperti nilai dalam rentang 0 hingga 1.

Cara Kerja Algoritma Feedforward Neural Network

Berikut adalah langkah-langkah cara kerja algoritma Feedforward Neural Network

Langkah 1: Serangkaian input memasuki jaringan melalui input layer dan dikalikan dengan bobot tertentu.

Langkah 2: Setiap nilai hasil perkalian kemudian dijumlahkan. Jika nilai penjumlahan lebih besar dari batas yang ditentukan (biasanya 0), output ditetapkan sebagai 1. Jika nilai kurang dari ambang batas, hasilnya akan menjadi -1.

Langkah 3: Output dari jaringan saraf kemudian dapat dibandingkan nilai prediksinya dengan bantuan aturan delta. Hal ini berguna bagi jaringan untuk mengoptimalkan bobotnya melalui proses training untuk mendapatkan nilai output dengan akurasi yang lebih baik. Proses training dan pembelajaran ini menghasilkan penurunan gradien.

Langkah 4: Pemutakhiran bobot dilakukan melalui backpropagation. Pada langkah ini, setiap hidden layer dimodifikasi agar tetap selaras dengan nilai output yang dihasilkan oleh lapisan terakhir.

Penutup

Demikianlah penjelasan mengenai algoritma Feedforward Neural Network. Semoga bermanfaat.

Apabila Anda tertarik dengan artikel seperti ini, Anda bisa mengunjungi rubrik Deep Learning atau membaca artikel lainnya mengenai "Pengertian Algoritma Genetika".

Salam!

Referensi:

• https://deepai.org/machine-learning-glossary-and-terms/feed-forward-neural-network
• https://www.datasciencecentral.com/feedforward-neural-networks/

Trivusi Ikatlah ilmu dengan menulis. Menebar manfaat dengan berbagi :)

Berbagi :