Apa itu Neural Network?

Neural Network (jaringan saraf tiruan) adalah model matematis yang terinspirasi dari cara neuron di otak manusia saling terhubung. Ini adalah fondasi dari deep learning dan semua LLM yang ada saat ini.

Struktur dasar

[Input Layer] → [Hidden Layer 1] → [Hidden Layer 2] → ... → [Output Layer]
   (input)        (pemrosesan tengah)                          (hasil)

Setiap node (“neuron”) menerima sinyal dari node-node di lapisan sebelumnya, dikalikan dengan weight (bobot), dijumlahkan, lalu dilewatkan ke sebuah activation function (fungsi aktivasi) untuk menentukan apakah ia “aktif” atau tidak.

Cara neural network “belajar”

Proses training:

1. Biarkan jaringan membuat prediksi pada data sampel
2. Bandingkan prediksi dengan jawaban yang benar → hitung error
3. Backpropagation: rambatkan error mundur untuk menyesuaikan weights
4. Ulangi jutaan kali → jaringan perlahan jadi semakin akurat

Jenis neural network yang umum

Jenis	Digunakan untuk	Contoh
Feedforward	Data terstruktur	Prediksi harga rumah
CNN (Convolutional)	Gambar	Pengenalan objek
RNN/LSTM	Sekuens (teks, audio)	Mesin penerjemah generasi lama
Transformer	Sekuens panjang, parallelizable	LLM modern (GPT, Claude)
Diffusion	Membuat gambar	Midjourney, Stable Diffusion

Apakah neural network benar-benar mirip otak manusia?

Nama “neural” menyesatkan. Neural network tiruan:

• Mirip: ide “banyak unit kecil yang terhubung menghasilkan perilaku kompleks”
• Berbeda: mekanisme kerja neuron biologis ribuan kali lebih kompleks; otak hanya konsumsi ~20W sementara GPT-4 butuh MWh untuk training

Dengan kata lain: hanya inspirasi, bukan simulasi.

Terkait

• Deep Learning
• Transformer
• Training