Neural Networks untuk Pemula - Perkuliahan Soft Computing #06

[@idabagusanommudita4962]

Makasi bgt pak atas ilmuny dan sehat selalu pakk.Pak next buat video tentang metode CNN dari penjelasan bagian CNN , nilai filter manual dan nilai filter otomatis diberikan oleh nilai loss terendah, beda nya fully Connect ed dengan partial connected dan sebagai nya pak. Thanks pak🙏🏻

[@KuliahInformatika]

Sama2 mas. Makasih banyak masukannya yaa

[@3rnanda]

I hope all computer science lecturers can provide explanations as clear as yours. If all lecturers have the same quality of explanation as you, I believe we will have graduates who not only rely on their diplomas but truly understand and can apply the knowledge they acquire in the working world.

[@KuliahInformatika]

thank you... I just try giving lecture as clear as I can, just to help students understand the materials that I teach to them. 🙏😊

[@asnac885]

Excellent 🎉​@@KuliahInformatika

[@cepridamiri662]

Terimakasih pak penjelasannya mudah dimengerti, semoga sehat selalu dan dilancarkan rezekinya.

[@KuliahInformatika]

Aamiin ya Allah. Terima kasih utk doa baiknya 😊

[@qoisagoengnuronsa9833]

sangat sangat bermanfaat,apalagi untuk era industri sekarang,semua serba AI

[@masinnn_id]

terima kasih bapak video penjelasannya, sangat amat membantu untuk saya memahaminya

[@Opkopen]

Channel ini Keren., Terima kasih pak, kami yg otodidak jd mengerti.

[@KuliahInformatika]

Terima kasih banyak atas supportnya

[@suhartono59]

Terimakasih mas, sangat mencerahkan bagi pemula, semoga channel ini terus berkembang.

[@KuliahInformatika]

Aamiin. terima kasih banyak atas supportnya

[@febyfaradilla8197]

Terima kasih kak penjelasannya, sangat mudah dipahami untuk saya yang baru belajar tentang ANN

[@KuliahInformatika]

Sama2.. makasih banyak ya sudah mampir ke channel ini :)

[@MAR5HAL977]

Assalamualaikum, terimakasih pak atas penjelasannya tentang Neural Networks pada video ini, saya jadi sangat terbantu sekali memahami lebih dalam tentang langkah kerjanya. Btw, ditunggu ya pak penjelasan tentang Back Propagationnya 😊

[@KuliahInformatika]

Wa'alaikumussalaam. Alhamdulillaah, terima kasih atas kunjungannya 😊

[@ITSLEOL]

luar biasa pak,penjelasan sangat mudah dipahami.terima kasih🙏

[@KuliahInformatika]

terima kasih kembali :)

[@abutole3342]

penjelasannya sangat mudah dipahami. Terima kasih pak sudah berbagi

[@KuliahInformatika]

Terima kasih atas supportnya 😊

[@GusNando]

terima kasih bapak, akhirnya saya mengerti konsep neural network, penjelasannya mudah dimengerti

[@KuliahInformatika]

Alhamdulillaah.. Semoga membantu ya

[@sajidannn]

makasih penjelasannya pak sangat membantu. semoga sehat selalu🙏

[@KuliahInformatika]

Aamiin ya Allah. terima kasih doanya

[@pralambang]

Penjelasannya mudah bgt buat dimengerti pak, terima kasih atas ilmunya sangat membantu untuk studi saya pak 🙏🏻🙏🏻

[@KuliahInformatika]

Alhamdulillaah... Semoga sukses ya

[@pralambang]

@@KuliahInformatika aamiin terima kasih pak, semoga berkah selalu utk bapak🙏🏻

[@amarimin5752]

Terima kasih penjelasannya pak, sukses terus

[@KuliahInformatika]

Terima kasih kembali. Sukses juga ya :)

[@M.HERDIAL-FACHRI]

Keren banget pak, andai dosenku seperti ini 🥹

[@KuliahInformatika]

Hehehe... terima kasih atas dukungannya 😊

[@dickyzuerst2828]

terima kasih pak penjelasannya mudah dimengerti

[@KuliahInformatika]

Terima kasih kembali 😊

[@enemysahead16262]

waalaikumsalam warahmatullah terimakasih pak 🙏

[@KuliahInformatika]

Wa'alaikumussalaam warahmatullaah wabarakaatuh.. terima kasih supportnya, semoga bermanfaat ya 😊

[@irvanbudiawan3581]

Sehat selalu Pak, semoga videonya terus berlanjut.

[@KuliahInformatika]

Aamiin. Terima kasih ya

[@sholahuddinihsan6391]

Alhamdulillah, terima kasih ilmunya pak. request kelanjutannya pak ya 😁.

[@KuliahInformatika]

sama2 mas... iya nih, saya belum sempet bikin kelanjutannya.. mohon doanya biar segera bisa rekaman lagi

[@wibuslayer183]

🙏🙏

[@agnessitumorang9221]

Halo pak, boleh dijelaskan lebih dalam tentang deep neural network. Terimakasih pak

[@KuliahInformatika]

Noted.. mudah2an saya bisa membuatkan videonya yaa. Makasih masukannya

[@MalFuncNoRet]

Mantap banget pak, anda penyelamat 😭😭

[@KuliahInformatika]

Semangat 🔥

[@mnmeis]

terima kasih kak, pnjelasannya sangat jelas dan mudah dipahami untuk saya yang masih pemula mempelajari ANN. kak vid Algoritm Backpropogation nya belum ada ya?

[@KuliahInformatika]

makasih banyak ya supportnya. Mohon maaf, video Backpropagationnya belum ada. Saya belum sempat untuk membuat konten lanjutan lagi.

[@sahatmlumbantoruan6432]

Terimakasih sebelumnya atas penjelasannya pak, mudah dipahami untuk saya pemula ini. Izinkan saya bertanya pak. 1. Pada menit 7:55 Dalam prediksi suhu outputnya apakah klasifikasi seperti dingin, sejuk, panas atau prediksi seperti 20⁰C, 21⁰C, dan nilai lainnya. 2. Apakah hidden layer ini bisa hanya satu neuron saja pada satu layer? 3. Grafik fungsi aktivasi itu itu apakah sudah jadi ketetapan pak? 4. Ditunggu lanjutannya pak backpropagation 5. Terimakasih pak, sehat selalu lancar rejeki nys. 🙏 6. Apakah lawan dari reicureent neural network ini feedforward neural network 7. Cara membuat hindden layer gimana pak, car membuat jadi 2 hidden layer, 3 hidden layer atau membuat hidden satu layer gimana pak sy masih bingung.

[@KuliahInformatika]

Saya jawab pertanyaannya ya: 1. Dua2nya bisa, baik klasifikasi (outputnya kategori) maupun regresi (outputnya numerik) 2. Hidden layer bisa mengandung 1 neuron saja 3. Iya itu sudah ketetapan, grafik fungsi aktivasi itu diperoleh dari persamaan fungsi aktivasinya 4. mohon maaf, saya belum sempat buat konten lagi 5. aamiin.. makasih ya doanya. 6. bukan, recurrent neural network tidak tepat jika dibilang lawan dari feed forward network. mereka hanya berbeda variasi arsitektur saja. 7. ini cara yang dimaksud seperti apa? cara ngodingnya atau bagaimana?

[@reinhartchandra3467]

Halo bro Fahrie..teman IF4 ITT.. Semoga sehat dan sukses selalu ya bro.. Terima kasih bro sdh membagikan materi ini. Materinya bagus banget delivernya, mudah dipahami.. Oh iya boleh ya bro diskusi untuk pemahamanku lebih lanjut.. Ada beberapa hal yang belum kebayang bro.. 1. Bagaimana menetapkan range bobot (sejauh apa rangenya)? Apabila angka bobot yang telah terpilih dalam proses learning dan angka bobot tersebut belum mendukung akurasi yang kita harapkan, maka angka bobot yang telah terjadi kita hindari di proses setiap proses learning berikutnya? 2. Bagaimana kita menghitung nilai target pada neuron output? misalnya: untuk contoh pengenalan digit. Boleh dishare contohnya bro? Terima kasih banyak ya bro.. Semangat terus bro untuk berbagi ilmu..:)

[@KuliahInformatika]

Halooo bro Reinhart, apa kabar nih? lama ga ketemu ya.. BTW, makasih ya sudah berkunjung ke channelku, hehe 1. Range bobot umumnya diset random dalam rentang [0, 1], tapi bisa juga [-1,1]. Kenapa rentangnya segitu, karena ANN umumnya pakai aktivasi sigmoid yang output nilainya dalam rentang 0 smp 1. Kalau bobot yang kita dapatkan akurasinya belum OK, kita bisa train ulang. Atau, data train kita ambil sekitar 20% kita gunakan sebagai data validasi. Data validasi ini adalah data utk menguji ANN di setiap epoch, tujuannya untuk menghitung akurasi ANN di tiap epoch. Dengan cara ini, kita dapat mencatat bobot di setiap epoch dan di akhir training (setelah semua epoch diproses), kita bisa ambil bobot training yng akurasi validasinya paling tinggi. CMIIW. 2. Nilai target itu umumnya dibulatkan bro. Jadi setelah kita hitung nilai aktivasi di tiap neuron di output layer, kita bulatkan nilai outputnya itu yg tadinya masih bertipe real. Nah di sini tergantung kita pake skema encoding apa di output layer. Kalau di video itu, saya pakai one hot encoding, artinya dari semua neuron di output layer, nanti hanya akan ada 1 neuorn yg menghasilkan nilai 1, lainnya 0. Nah, setiap neuron itu akan mewakili tiap class pada ANN. Neuron mana yg bernilai 1, maka itulah prediksi/ klasifikasi yg dihasilkan oleh ANN. Ada di video menit ke 26:00. Kira2 begitu bro..

[@reinhartchandra3467]

Terima kasih ya bro penjelasannya.. berarti utk kasus klasifikasi, hanya ada 1 neuron yg akan bernilai 1 ya utk menunjukkan inputnya terdeteksi sebagai class tertentu?

[@KuliahInformatika]

Sorry bro, baru liat komennya. Iya begitu bro. Sebetulnya ada model encoding yang lain, pake style binary encoding. Tapi menurut penelitian sih, masih lebih bagus one hot encoding yang cuma 1 neuron yang bernilai 1 kayak di video

[@blangkonfa5124]

mantaab Pak

[@mindset-sp6jk]

Ass Wr Wb. Mas Aniv. Kami sdg mencari solusi prediksi terkait administrasi persuratan. Mungkin dpt diberikan contoh dan formula yg tepat. Trims. 🙏🙏🙏 Muhidin

[@KuliahInformatika]

wa'alaikumussalaam. prediksi seperti apa yang dibutuhkan?

[@idaoktaviasalsa2733]

Pak izin bertanya semisal nya judul saya analisa data mining prediksi penyakit hepatitis c menggunakan algoritma neural network ,jadi nanti saya ini memprediksi ya pak bukan kalsifikasi ,terus hasil outputnya bilangan gitu tap pak

[@riskaamylatulaskiyah359]

terimaa kasih kak sangat membantuuu.... ini lanjutan neural network dimanaa kak?

[@KuliahInformatika]

Terima kasih atas supportnya. Mohon maaf, video lanjutannya belum sempat saya buat lagi.

[@ummusalmah4937]

Salam pak. Video tentang algoritma backpropagation sudah adakah pak?

[@KuliahInformatika]

Salam mbak. Mohon maaf, belum sempat update video lagi mbak karena kesibukan di kantor dan di kampus.

[@fadlanhamidalfebi7702]

Terima kasih pak, sangat mudah dimengerti oleh orang awam.. Apakah ini akan ada kelanjutannya?

[@KuliahInformatika]

Insya Allah ada mas. Cuma saya yang belum sempat rekaman videonya 😁😁 Mudah2an februari ini published 🙏

[@syafiranurul3485]

@@KuliahInformatika pak untuk kelanjutannya apakah sudah ada?

[@devykusuma3499]

video pembelajaran untuk algoritma backpropagation apakah sudah ada pak?

[@KuliahInformatika]

mohon maaf, belum sempat buat 🙏

[@akunbodong2106]

untuk materi backpropagation belum ada videonya ya pak? saya butuh nih heheheh

[@KuliahInformatika]

mohon maaf, belum sempat bikin kontennya lagi. hehe

[@sirberuq4516]

Terima kasih pak, penjelasannya mudah dipahami. Sama mau tanya untuk penentuan nilai bobot awal itu apakah ada rentang nilainya agar dapat menghasilkan arsitektur terbaik?

[@KuliahInformatika]

secara umum tidak ada ketentuan. tapi biasanya orang-orang memakai rentang [-0.5, 0.5] atau [-1, 1]. ada beberapa teknik yang diusulkan untuk menentukan nilai awal bobot, tapi menurut saya efeknya tidak begitu signifikan terhadap kinerja neural networks.

[@haripurwantoui]

Trims Mas

[@KuliahInformatika]

Sama2. Terima kasih kembali

[@Makassar-Journey]

Mohon penjelasan tentang Backward propagation

[@KuliahInformatika]

mohon maaf, saya belum membuat video terkait. Tapi bisa coba belajar dari video ini: kzbin.info/www/bejne/n3fGmK2QhNaMm7c&pp=ygUZYWxnb3JpdG1hIGJhY2twcm9wYWdhdGlvbg%3D%3D

[@Makassar-Journey]

@@KuliahInformatika Video yg di link sudah saya tonton mas, tapi saya tetap menunggu video yg dibuat sama mas fahri tentang Back Propagation soalnya lebih konek dan lebih jelas menurutku. Dan mohon kalau bisa dibuatkan juga simulasi excelnya baik untuk Back Propagation dan untuk video-video mas fahri sebelumnya. Trimakasih Mas Fahri, sehat selalu sekeluarga dan semoga ilmunya berkah, Aamiin

[@KuliahInformatika]

@@Makassar-Journey maasya Allah.. terima kasih banyak mas. Mudah2an bisa segera saya realisasikan 🙏

[@kartikawulandari8513]

@@KuliahInformatika benar sekali pak, kami sangat menunggu video penjelasan mengenai backpropagation karena proses penjelasan yang bapak berikan sangat detail dan mudah dipahami tentunya😊

[@luthfymuhammad788]

terimakasi pak, sangat jelas pemaparannya. Izin bertanya, apakah ada modul atau cara penerapan artifical neural network ini?

[@KuliahInformatika]

Kalau pakai bahasa Python, bisa pakai library scikit-learn, kita tinggal import modul2 neural networksnya. Atau kalau mau lebih praktis lagi, tanpa coding, bisa dicoba pakai Rapidminer.

[@luthfymuhammad788]

@@KuliahInformatika apa bisa dihubungkan ke microcontroller tertentu pak artificial neural network ini?

[@KuliahInformatika]

@@luthfymuhammad788 setahu saya, belum ada library neural networks dalam bahasa C. Biasanya kita buat sendiri programnya, lalu dimasukkan ke mikrokontroler. CMIIW

[@luthfymuhammad788]

Baik terimakasih banyak pak atas insightnya

[@mindset-sp6jk]

Mas Aniv. Ijin mau tanya terkait terapan Neural Networks. 1) Berapa batas minimal data record input untuk diproses..? 2) Apakah bisa dilakukan penelitian terkait dg data administrasi..? 3) Apakah aplikasi yang standar digunakan..? Mohon infonya Trims. 😊😊😊

[@KuliahInformatika]

Halo.. saya coba jawab ya: 1. Batas minimal sebetulnya tidak ada ketentuan, karena untuk melatih Neural Networks patokan kita justru memaksimalkan jumlah data yang bisa kita punya. sebanyak mungkin. 2. bisa saja dikaitkan dengan data administrasi, tergantung datanya seperti apa, apakah ada hal yang bisa diklasifikasikan atau diprediksi. 3. Bisa pakai aplikasi apa saja untuk mencoba Neural Networks ini. Jika mau belajar coding sedikit2, bisa belajar dengan bahasa pemrograman Python dan memakai library scikit-learn. Atau jika mau praktis tanpa coding, bisa menggunakan aplikasi seperti Rapidminer. Semoga menjawab ya :)

[@DelviAmeliaPutri]

izin bertanya pak saya mengambil data harga emas (price) dari tahun 2014-2023 pak, untuk variabel input apakah bisa saya memakai nilai open, hight, low dan variabel output nya price pak ?

[@KuliahInformatika]

Iya, sangat bisa sekali

[@asnac885]

Pak trend harga emas maksidnya kumpulan data harga historis emas ya?

[@KuliahInformatika]

Iya, betul. Histori harga emas dari hari ke hari

[@HasnaPutri-o6g]

bapa gada vidio di rapid miner nya yah?

[@KuliahInformatika]

maaf, untuk Neural Networks saya belum punya videonya

[@amirulmumininleo5988]

Mirip decicion tree di c45

[@KuliahInformatika]

secara tujuan, betul mirip dengan c4.5, yakni untuk klasifikasi data. Tapi dari sisi cara kerjanya, sebetulnya jauh berbeda antara neural networks dengan decision tree 😄

[@boedyirhadtanto7402]

Untuk face recognition dan speaker recognition di sini masuk dalam contoh contoh klasifikasi karena merupakan kategori wajah si A atau wajah si B, kalau dimasukkan ke dalam contoh prediksi cocok tidak ya Pak? Misal ini foto ini prediksinya adalah foto si A, suara ini prediksinya adalah milik si B. Terima kasih sebelumnya

[@KuliahInformatika]

Konsep dasarnya begini: jika output berupa kategori/ class/ kelompok, maka itu disebut klasifikasi. Tapi jika outputnya berupa nilai (integer atau real), maka itu disebut regresi/ prediksi. Jika outputnya mengatakan ini foto si A atau si B, maka itu masuknya klasifikasi, bukan regresi/ prediksi. FYI, istilah prediksi itu sama dengan regresi.

[@boedyirhadtanto7402]

@@KuliahInformatika Terima kasih Pak

[@sandimuhammad7775]

cara menghitung akurasi untuk ANN klasifikasi itu gimana ya kak? tapi pemodelannya pakai toolbox matlab

[@KuliahInformatika]

saya belum pernah pakai toolbox matlab, biasanya coding sendiri. Prinsipnya begini, akurasi itu adalah menghitung berapa banyak data yang klasifikasinya benar dibagi dengan jumlah data uji yang kita punya. Lalu bisa dikali dengan 100 untuk mengubah nilainya menjadi persen

[@adrianus4251]

Pak tolong jelasin CNN dan ANN soalnya bingung apa bedanya

[@KuliahInformatika]

semoga saya bisa membuat videonya ya.. sedang fokus s3 soalnya, hehe

[@roflifebrian439]

Apa ada kelasnya pak untuk pembelajaran teknik informatika ?

[@KuliahInformatika]

mohon maaf, saya tidak membuka kelas pelatihan/ kursus. belum sanggup, hehe

[@hariwidiutomo1054]

Boleh bertanya bapak. Apakah NN bisa memprediksi sebuah jaringan kegiatan guru di masa depan?

[@KuliahInformatika]

Maksudnya jaringan kegiatan guru itu bagaimana ya? Maaf, saya tidak paham

[@mawansugiyanto9822]

mengapa penentuan bobot acak, dan juga idealnya mengapa titik titik neuron tidak mewakili jenis kriteria ya Pak? dalam arti ini pendekatan mcdm?

[@KuliahInformatika]

Maaf, saya kurang paham dengan maksud pertanyaannya "mengapa titik titik neuron tidak mewakili jenis kriteria ya Pak". Mungkin bisa dalam kalimat yang lebih sederhana lagi, hehe..

[@mawansugiyanto9822]

@@KuliahInformatika , mungkin saya revisi pertanyaan saya. Neuron dan layer2 mewakili representasi entitas tertentu tidak Pak?

[@KuliahInformatika]

@@mawansugiyanto9822 kalau di input layer, jumlah neuron ditentukan dari jumlah atribut/ parameter dr dataset yg diinputkan, sedangkan di output layer, jumlah neuronnya ditentukan dari jumlah kelas yg ada pada dataset. Pada hidden layer, jumlah neuron dicari dgn cata observasi trial-error.

[@mawansugiyanto9822]

@@KuliahInformatika , pola markovian, ahp/anp sebenarnya mirip pola ini. tetapi pola yang di ahp/anp menunjukkan node adalah gambaran yang mewakili persepsi/entiti.

[@KuliahInformatika]

@@mawansugiyanto9822 pada ahp dan metode2 SPK lainnya, peneliti sudah memiliki persepsi thd bobot setiap parameter, sedangkan neural networks tidak, karena pengetahuan diambil langsung dari data, dari mempelajari pola data. Itulah kenapa ahp dkk memiliki aspek subjektivitas yang kuat, sedangkan neural networks bekerja secara objektif karena knowledgenya diperoleh dari fakta/ data yang pernah ada, bukan persepsi peneliti. CMIIW

[@thoriqtau]

izin bertanya pak, bagaimana jika inputnya string/kata, bagaimana perhitungannya?

[@KuliahInformatika]

Jika inputnya string/ kata/ karakter, maka harus dipreprocessing dulu untuk mengekstrak fitur berupa nilai numerik dari data teks yang kita punya. Coba baca-baca tentang tf-idf yang biasa dipakai pada pemrosesan teks

[@nishaarofah3826]

izin bertanya pak. bedanya jaringan syaraf tiruan dengan convolutional neural network (cnn) itu apa ya pak? terima kasih.

[@KuliahInformatika]

sebenarnya konsep dasarnya sama, ada sejumlah layer, di setiap layer ada node/ neuron. bedanya, kalau di JST biasa, neuronnya berupa variabel dengan satu nilai, sedangkan di CNN neuronnya berbentuk matriks. Selain itu, CNN bisa menerima input berupa gambar mentah yang belum dipreprocessing, sedangkan di JST nggak bisa, JST harus menerima input berupa hasil ekstraksi fitur dari gambar mentah.

[@arlasalsabila9836]

pak izin bertanya kenapa pada saat mencari hidden layer perlu dilakukan fungsi aktivasi jugaa?

[@KuliahInformatika]

bukan hanya di hidden layer, tapi juga di output layer butuh perhitungan aktivasi. Gunanya adalah untuk mengonversi nilai di setiap node ke dalam rentang 0 s.d.. 1 atau -1 s.d. 1. Hal ini dikarenakan neural networks hanya bisa bekerja dengan nilai dalam rentang tersebut.

[@arlasalsabila9836]

@@KuliahInformatika tapi kenapa ya pak yang pas hidden layer Z2 menit 42.07 itu didapatkan nilai 0,7 tetapi dilakukan aktivasi lagi? padahal nilainya sudah direntang 0 s.d. 1?

[@arlasalsabila9836]

@@KuliahInformatika apakah setiap nilai tetap harus diaktivasi pak walaupun nilai tersebut sudah dalam rentang 0 s.d. 1?

[@KuliahInformatika]

@@arlasalsabila9836 iya, betul. Aktivasi itu standar prosedurnya. Kalau ada yg diaktivasi dan ada yang tidak, nanti nilainya tidak standar

[@bandrekpamamining5137]

pak bobot di antara input dan hidden layer itu dpatnya dr mana?

[@KuliahInformatika]

Semua bobot awalnya diset random. Lalu selama proses pelatihan (training), bobot2 tersebut diupdate agar mencapai nilai yg optimal.

[@ichwanafif]

Pak saya ingin bertanya, Apakah untuk ANN bisa digunakan untuk klasifikasi dan prediksi dalam 1 kasus sekaligus ? seperti contoh pembuatan rumah : saya memiliki data yang harus di klasifikasi terlebih dahulu seperti daerah rumah yang sangat mahal, mahal, normal dan murah tahap selanjutnya saya ingin memprediksi harga rumah tersebut dalam kondisi yang dipilih seperti luas rumah dalam bentuk data numerik, jika bisa adakah contoh penggunaanya pak ? terimakasih.

[@KuliahInformatika]

pertanyaan yang menarik. Pada arsitektur ANN yang standar, kita tidak bisa menggabungkan pekerjaan klasifikasi dan prediksi sekaligus, kecuali jika ada pemecahan pada arsitekturnya. Gampangnya begini saja, kita buat dua model ANN, yang satu untuk klasifikasi, kemudian yang berikutnya untuk prediksi di mana salah satu inputan prediksi tadi adalah hasil klasifikasi kita sebelumnya menggunakan model yang pertama.

[@techiestudy]

Pak izin bertanya untuk speech recognition itu direkomendasikan menggunakan algoritma apa ya selain CNN?

[@KuliahInformatika]

Kalau yang kovensional itu bagus pakai Hidden Markov Model (HMM), tapi kalau mau yang berbasis deep learning, bisa pakai Recurrent Neural Networks (RNN) atau varian seperti LSTM. CNN juga sebenarnya bisa.

[@techiestudy]

@@KuliahInformatika Sepertinya LSTM ya Pak, soalnya saya mau membandingkan algoritma CNN yang dimana algoritma tersebut deep learning, ya Pak?

[@KuliahInformatika]

@@techiestudy iya, LSTM yang sekarang banyak dipakai, karena karakter speech itu kan dia polanya sekuensial

[@techiestudy]

@@KuliahInformatika Oke pak, makasih banyak

[@TalentaNaibaho]

izin bertanya pak, untuk jumlah neuron pada setiap hidden layernya itu ditentukan berdasarkan apa ya pak? dan apakah jumlah neuron hidden 1 dan jumlah neuron hidden 2 itu berpengaruh dengan hasilnya nanti pak? mohon penjelasannya pak🙏 Terima kasih pak

[@KuliahInformatika]

tidak ada aturan baku untuk hal tersebut. sifatnya trial-error. coba2. tapi umumnya, ukuran layer itu punya pola seperti ini: input layer > hidden layer > output layer.

[@18_lailiyahrohmawati31]

pak saya ingin bertanya, untuk menentukan jumlah hidden layer itu bagaimana ngge pak? apakah acak atau sudah ditentukan?

[@KuliahInformatika]

Yang dimaksud di sini apakah jumlah hidden layernya atau jumlah NEURON di dalam hidden layer?

[@18_lailiyahrohmawati31]

Jumlah Hidden layernya bapak

[@18_lailiyahrohmawati31]

@@KuliahInformatika yang seperti menentukan jumlah Z1,Z2,Zn itu terserah kita yg menentukan atau ada perhitungannya pak?

[@dinifajariyah7713]

Mohon maaf pak izin bertanya. Apakah nilai bobot itu bisa diisi secara bebas atau mungkin ada rumusnya ?

[@KuliahInformatika]

Bobot itu diinisialisasi secara acak, tidak ada rumusnya. Namun, supaya nilainya tidak terlalu melenceng, inisialisasinya di dalam rentang nilai tertentu, misalnya 0 s.d. 1, atau -1 s.d. 1

[@ahmadtaufik4770]

pak mau nanya, apakah kalo prediksi itu outputnya selalu berupa bilangan/angka?

[@jackbro2901]

Iya biar proses penrhitungannya mudah...

[@KuliahInformatika]

Iya, prediksi dalam artian regresi outputnya pasti bilangan, karena tujuannya adalah memperkirakan nilai.

[@asnac885]

Nilai neuron output slalu 0 dan 1 apa itu mewakili nilai binomial pak? 1 adl yeah dan 0 adl nope?

[@KuliahInformatika]

Iya, bisa seperti itu. Ralat sedikit, mungkin maksudnya "binominal" ya, bukan "binomial"

[@asnac885]

@@KuliahInformatika ya betul typo

[@priyaofficial2024-w7h]

pak boleh minta CPnya bt belajar ANFIS?

[@KuliahInformatika]

Untuk ANFIS sendiri saya tidak begitu menguasai, mohon maaf.

[@igedeteguhpermana1123]

My campus said: don't used library, u are computer science. Show the computing. Overall after that i give my lecture Neural network in C language 😂😂

[@KuliahInformatika]

Hahaha... it will be more challenging and interesting actually giving lecture about neural net in C 😂

[@sahatmlumbantoruan6432]

Maksudnya pak?

[@DelviAmeliaPutri]

izin bertanya pak saya mengambil data harga emas (price) dari tahun 2014-2023 pak, untuk variabel input apakah bisa saya memakai nilai open, hight, low dan variabel output nya price pak ?

[@KuliahInformatika]

Iya, sangat bisa sekali

[@asnac885]

Closenya gak ada?