sourch: medium.com
Baca juga: Manfaat machine learning Untuk perkembangan dunia usaha atau bisni
Salah satu topik yang banyak dibicarakan di era revolusi industri 4.0 ini adalah kecerdasan buatan. Kecerdasan buatan ini mampu bekerja seperti jaringan saraf otak manusia. Oleh karena keunggulannya tersebut, kecerdasan buatan banyak diterapkan di berbagai sektor industri seperti bisnis, keuangan, kesehatan, pelayanan masyarakat, dan sebagainya yang dapat membantu memecahkan berbagai masalah. Deep learning merupakan salah satu pembelajaran terkait kecerdasan buatan.
1. Apa Itu Algoritma Deep Learning?
Deep Learning atau dikenal juga dengan Deep Structured Learning atau Hierarchical Learning merupakan bagian dari pembelajaran Machine Learning yang menggunakan artificial neural networks (ANN). Singkatnya, deep learning adalah metode pembelajaran oleh mesin dengan meniru cara kerja sistem saraf otak manusia. Seperti yang diketahui bahwa sistem saraf otak manusia sangat kompleks dan ini yang membuat kita bisa mengenali berbagai macam benda, warna, dan sebagainya. Inilah yang diadaptasi oleh deep learning. Disebut deep karena jumlah struktur dan jaringan dalam pembelajarannya sangatlah banyak bisa mencapai ratusan. Jaringan saraf deep learning mempelajari metadata sebagai input dan mengolahnya menggunakan lapisan tersembunyi transformasi non linear dari data input untuk menghasilkan output. Algoritma deep learning dapat melakukan pembelajaran secara mandiri sehingga dapat digunakan sebagai pedoman dalam pemecahan suatu masalah dari yang mudah hingga yang kompleks. Semakin banyak data yang digunakan untuk melatih algoritmanya, maka semakin bertambah banyak dan kompleks lapisan jaringannya.
Baca juga : Bagaimana Memulai Machine Learning
2. Tipe Deep Learning
Terdapat beberapa tipe deep learning yaitu deep learning untuk unsupervised learning dan hybrid deep networks. Deep learning untuk unsupervised learning digunakan saat variabel tidak memiliki label sehingga harus menghitung nilai yang lebih tinggi dari unit yang diamati untuk menganalisis polanya. Hybrid deep networks adalah metode yang ditujukan untuk mencapai hasil yang baik dengan menggunakan pembelajaran yang diawasi atau bisa juga tidak diawasi dalam melakukan analisis polanya. Sedangkan untuk jenis algoritma deep learning ada beberapa yaitu Deep Neural Networks (DNN), Artificial Neural Networks (ANN), dan Convolutional Neural Networks (CNN).
3. Penerapan Teknologi Deep Learning
Di tahun 2019 ini, penerapan teknologi deep learning sendiri sudah cukup banyak kita jumpai seperti Google Photos, face unlock di smartphone, sistem tilang otomatis, dan sebagainya. Deep learning sendiri juga merupakan komponen utama yang menjadikan artificial intelligence menjadi semakin mirip dengan manusia. Bisa saja adegan-adegan di film fiksi ilmiah mungkin saja akan segera menjadi kenyataan.
A. Contoh Penerapan Deep Learning
Tanpa disadari sebenarnya kita sering jumpai dan gunakan teknologi yang menerapkan deep learning. Contoh penerapan deep learning yaitu fitur face unlock di smartphone. Kita bisa membuka kunci smartphone hanya dengan mendeteksi wajah pemilik smartphone. Deep learning juga saat ini diterapkan dalam lalu lintas seperti sistem tilang otomatis. Dengan pembelajaran deep learning, pelanggaran lalu lintas akan otomatis terdeteksi. Pelanggar akan mendapatkan surat tilang yang langsung dikirim ke rumah. Diharapkan penerapan sistem ini akan meminimalisir pelanggaran lalu lintas. Di bidang kesehatan deep learning juga dapat digunakan misalnya pada rontgen untuk mengidentifikasi dan mengklasifikasikan suatu penyakit.
1. Artificial Neural Networks (ANN)
Artificial Neural Networks yang biasa disingkat dengan ANN adalah bagian yang paling ajaib ajaib dari deep learning. ANN ini mensimulasikan kerja otak kita yang tersusun jaringan saraf yang disebut neuron. Sama seperti sistem otak manusia, dalam jaringan artificial neural network ini si mesin menerima informasi pada titik-titik yang disebut nodes yang terkumpul pada satu layer untuk kemudian diteruskan dan diproses ke layer selanjutnya yang disebut hidden layers.
 |
| sumber: inixindojogja.co.id |
2. Convolutional Neural Networks (CNN)
Dalam kasus image recognition untuk gambar objek kucing di atas, metode yang digunakan sudah lebih canggih lagi dari ANN yang disebut Convolutional Neural Networks (CNN). Secara komputasi, metode CNN ini lebih irit daya, bayangkan jika gambar kucing tersebut berukuran 1920×1080 pixel. Ini berarti ada 2.073.600 nodes yang harus dibuat pada layer input. Belum lagi jika gambar tersebut berwarna di mana setiap pixel terdiri dari 3 warna RGB. Berarti jumlah nodes yang sudah banyak tadi harus dikalikan 3. Bisa dibayangkan berapa jumlah nodes pada layer pertama. Kami sendiri pun malas menghitungnya.
Berbeda dari ANN tradisional yang setiap node-nya terpisah, node dari convolutional neural networks sendiri terhubung satu sama lain. Lihat animasi di bawah agar terhindar dari kebingungan akut!
CNN memindai bagian per bagian area kecil di dalam gambar tersebut untuk dijadikan node. Setiap angka dalam nodes merupakan hasil penghitungan matriks dari filter/kernel. Dalam CNN, terdapat bagian yang sama antara node satu dengan node yang ada di sebelahnya. Itulah mengapa tadi dikatakan bahwa node dalam CNN selalu terhubung. Hal ini tentu saja dilakukan untuk menghemat daya komputasi terutama deteksi objek secara live.
Referensi:
https://inixindojogja.co.id/mengenal-deep-learning/
https://www.dqlab.id/apa-itu-algoritma-deep-learning-kenali-lebih-dalam-algoritma-satu-ini
Posting Komentar untuk "Mengenal Deep Learning dan Contoh Algoritma Deep Learning"