# Tugas Praktikum

Gunakan JST untuk klasifikasi angka tulisan tangan (MNIST).

**Langkah:**

* Load dataset MNIST dari Keras.
* Bangun model dengan 2 hidden layer.
* Latih model dan evaluasi akurasi.

```python
import tensorflow as tf
from tensorflow.keras.datasets import mnist
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Flatten
from tensorflow.keras.utils import to_categorical

# 1. Load dataset MNIST
(X_train, y_train), (X_test, y_test) = mnist.load_data()

# Normalisasi data (0-255 → 0-1)
X_train = X_train / 255.0
X_test = X_test / 255.0

# One-hot encoding label
y_train = to_categorical(y_train, 10)
y_test = to_categorical(y_test, 10)

# 2. Bangun model JST
model = Sequential([
    # Ubah gambar 28x28 menjadi vektor
    # Hidden layer 1
    # Hidden layer 2
    # Output layer (10 kelas)
])

# 3. Kompilasi model

# 4. Latih model

# 5. Evaluasi model
loss, acc = model.evaluate(X_test, y_test)
print(f"Akurasi pada data uji: {acc:.4f}")
```

Coba dengan beberapa parameter lain:

* Ubah jumlah neuron di hidden layer (misal: 256 dan 128).
* Tambahkan satu hidden layer lagi.
* Bandingkan akurasi dan waktu pelatihan.
* Eksperimen dengan fungsi aktivasi **Sigmoid** vs **ReLU**.