Lihat sumber Backpropagation dalam Neural Network

Backpropagation adalah algoritma utama yang digunakan untuk melatih [[jaringan syaraf tiruan]], khususnya yang memiliki banyak lapisan tersembunyi. Metode ini memungkinkan jaringan untuk belajar dari kesalahan dengan menyesuaikan bobot secara bertahap berdasarkan perbedaan antara output prediksi dan nilai sebenarnya.

== Prinsip Kerja Backpropagation ==
Backpropagation bekerja dengan menghitung [[gradien]] dari fungsi loss terhadap bobot-bobot jaringan menggunakan aturan rantai dari [[kalkulus]]. Proses ini dilakukan secara mundur dari lapisan output ke lapisan input, sehingga disebut 'backpropagation'.

== Fungsi Loss dan Optimisasi ==
Selama pelatihan, backpropagation meminimalkan [[fungsi loss]] seperti mean squared error atau cross-entropy. Optimisasi biasanya menggunakan metode [[gradient descent]] atau varian lainnya, yang memungkinkan jaringan menemukan bobot optimal.

== Signifikansi Backpropagation ==
Penemuan algoritma backpropagation pada tahun 1980-an memicu kemajuan pesat di bidang [[deep learning]]. Dengan algoritma ini, jaringan syaraf dapat dilatih secara efisien untuk mengenali pola dan fitur dari data yang sangat kompleks.