JARINGAN SYARAF TIRUAN: TEKNOLOGI CERDAS DI ERA DIGITAL

Penulis :

Widiatry, S.T.,M.T.
Novera Kristianti, S.T.,M.T.
Septian Geges, S.Kom., M.Kom.
Putu Bagus Adidyana Anugrah Putra, S.T.,M.Kom.
Viktor Handrianus Pranatawijaya. S.T., M.T.

ISBN : –

Jumlah Hlm : viii + 164
Ukuran : 15 x23 Unesco
Kertas : Bookpaper
Tahun Terbit : 2025
Editor : –

SINOPSIS

Buku ini menyajikan pemahaman komprehensif tentang Jaringan Syaraf Tiruan (JST) sebagai fondasi teknologi kecerdasan buatan modern di era digital. Dimulai dari sejarah dan konsep dasar neuron buatan hingga pengenalan arsitektur canggih seperti CNN, RNN, dan Transformer, buku ini menjembatani teori dengan praktik melalui studi kasus di bidang prediksi cuaca, deteksi spam, hingga klasifikasi gambar. Selain membahas aspek teknis seperti pelatihan model, overfitting, regularisasi, dan evaluasi performa, buku ini juga mengulas peran JST dalam Big Data, IoT, serta tantangan dan masa depan Deep Learning. Ditujukan bagi mahasiswa, peneliti, dan praktisi, buku ini menjadi panduan strategis untuk memahami dan mengimplementasikan JST dalam berbagai konteks aplikasi digital masa kini.

Daftar Isi

Kata Pengantar v

Daftar Isi vii

BAB 1 KONSEP DASAR JARINGAN SYARAF TIRUAN (JST) 1

1. Definisi dan Sejarah JST 2
2. Perbedaan JST dengan Algoritma Konvensional 5
3. Konsep Biologi Saraf dan Hubungannya dengan JST 9
4. Aplikasi JST dalam Kehidupan Nyata 11
5. Tantangan dan Peluang dalam Pengembangan JST 16

BAB 2 ARSITEKTUR DASAR JST 20

1. Neuron Buatan 21
2. Struktur Jaringan: Input, Hidden, dan Output Layer 27
3. Fungsi Aktivasi (Sigmoid, ReLU, Softmax, dan sebagainya) 32
4. Proses Feedforward dan Backpropagation 37

1. Training dan Evaluasi Model JST 40

BAB 3 IMPLEMENTASI JST UNTUK PEMECAHAN
MASALAH 44

1. Studi Kasus: Prediksi Cuaca, Deteksi Spam, Pengklasifikasian Gambar 45
2. Pemilihan Arsitektur JST yang Tepat 53
3. Overfitting dan Regularisasi 55
4. Validasi dan Pengujian Model 58

1. Tantangan Implementasi di Dunia Nyata 61

BAB 4 PEMROGRAMAN JARINGAN SYARAF TIRUAN 65

1. Bahasa dan Pustaka Pemrograman (Python, TensorFlow, Keras) 66
2. Membuat JST Sederhana: Studi Kasus Langkah Demi Langkah 70
3. Visualisasi dan Interpretasi Output JST 74
4. Optimisasi dan Tuning Model 77

1. Evaluasi Kinerja Model (Akurasi, Loss, Confusion Matrix) 80

BAB 5 PENGANTAR DATA MINING 85

1. Definisi dan Sejarah Data Mining 86
2. Jenis Data dan Atribut 89
3. Teknik Pengumpulan Data 94
4. Tantangan Data Mining dalam Era Big Data 98
5. Peran JST dalam Data Mining 101

BAB 6 PERSIAPAN DATA UNTUK JST DAN DATA MINING 105

1. Pembersihan Data 106
2. Transformasi dan Normalisasi 109
3. Visualisasi dan Eksplorasi Data 112
4. Korelasi dan Reduksi Dimensi 115
5. Tools untuk Preprocessing Data 119

BAB 7 TEKNIK DAN METODE PENGOLAHAN DATA 123

1. Klasifikasi: Teori dan Praktik 124
2. Klasterisasi: K-Means, Hierarki 127
3. Asosiasi: Apriori, FP-Growth 131
4. Text Mining: Tokenisasi, TF-IDF, Word Embedding 134

1. Deteksi Anomali dalam Dataset 137

BAB 8 DEEP LEARNING DAN JARINGAN LANJUTAN 141

1. Perbedaan JST dan Deep Learning 142
2. Konsep CNN, RNN, LSTM, dan GRU 145
3. Perkenalan Arsitektur Transformer 148
4. Penerapan JST dalam Big Data dan IoT 151
5. Tantangan dan Masa Depan Deep Learning 154

Referensi 159

Tentang Penulis 162