Fungsi Aktivasi

Fungsi aktivasi atau yang biasanya disebut dengan activation function adalah sebuah fungsi matematis yang menerima sekelompok input ataupun satu input untuk menentukan keluaran dari node Beberapa contoh fungsi aktivasi yang sering digunakan dalam pengembangan model neural network adalah

Forward Propagation

Forward Propagation adalah sebuah proses penginputan data yang ada ke input layer dari model neural network Sebagai contoh, misalkan terdapat model seperti gambar di bawah ini: dengan w1, w2, w3, w4 merupakan weight dari masing-masing node dan b1, b2 merupakan bias

Pada hidden layer, kemudian dilakukan aktivasi dengan menggunakan fungsi aktivasi. Sebagai contoh, misalkan kita menggunakan sigmoid sebagai fungsi aktivasinya, maka dengan h1i menunjukkan nilai yang sudah melewati fungsi aktivasi, maka didapatkan

Model tersebut memiliki 2 buah node pada input layer,

1 buah hidden layer yang terdiri dari 2 node, dan sebuah output layer. Yang akan dilakukan oleh

Forward Propagation adalah memasukkan data pada input layer, dalam kasus ini x1 dan x2, yang kemudian akan dilanjutkan ke hidden layer dengan persamaan kemudian proses tersebut berlanjut ke output layer dengan proses yang sama yaitu dan diaktivasi menggunakan fungsi aktivasi sigmoid, didapatkan