Sinopsis
Buku ini membahas Recurrent Neural Network (RNN) sebagai salah satu arsitektur deep learning yang dirancang untuk mengolah data berurutan dan memanfaatkan informasi historis. Pembahasan mencakup arsitektur jaringan recurrent, mekanisme hidden state, proses pembelajaran menggunakan Backpropagation Through Time, serta permasalahan vanishing gradient dan exploding gradient pada ketergantungan jangka panjang. Selanjutnya diperkenalkan Long Short Term Memory (LSTM) sebagai pengembangan RNN yang mampu mempertahankan informasi penting dalam urutan data yang panjang. Untuk memperkuat pemahaman, disajikan implementasi peramalan penjualan obat menggunakan LSTM, mulai dari persiapan data, pembentukan sequence, pelatihan model, evaluasi, hingga prediksi. Buku ini ditujukan bagi mahasiswa, akademisi, peneliti, dan praktisi yang ingin memahami serta menerapkan RNN dan LSTM.