PROMO SPESIAL AKHIR TAHUN, DISKON 98%
Belajar Data Science Bersertifikat, 6 Bulan hanya 100K!
0 Hari 13 Jam 7 Menit 44 Detik

Deep Learning : Algoritma yang Mengaplikasikan Artificial Neural Network (ANN)

Belajar Data Science di Rumah 11-Mei-2021
https://dqlab.id/files/dqlab/cache/f2b24ba528ca70b204622008ce9a0fc6_x_Thumbnail800.jpg
Follow Instagram dan LinkedIn kami untuk info karir dan topik menarik

Ketika para praktisi data memiliki permasalahan dalam big data, hal itu dapat diselesaikan dengan menggunakan algoritma-algoritma data science yang sesuai dengan permasalahan tersebut. Algoritma merupakan suatu prosedur atau langkah untuk melakukan penghitungan, pemrosesan data sampai dengan penalaran otomatis. Saat ini terdapat banyak jenis algoritma yang dapat digunakan. Salah satunya adalah algoritma deep learning yang dapat menjadi salah satu acuan penelitian.

 

Deep learning merupakan algoritma dalam machine learning. Machine learning merupakan salah satu cabang ilmu dari artificial intelligence atau kecerdasan buatan yang pada masa kini berperan penting dalam kehidupan kita. Algoritma deep learning menggunakan jaringan syaraf tiruan atau Artificial Neural Network (ANN) yang mana algoritma tersebut memodelkan  proses informasi berdasarkan jaringan saraf biologis pada otak. Untuk mendapatkan model yang stabil, diperlukan data yang sesuai pula. Umumnya data yang digunakan terdiri dari data training dan data testing.


Untuk mengenali algoritma ini lebih jauh, yuk simak artikel berikut ini!


1. Algoritma Deep Learning

Algoritma deep learning merupakan salah satu algoritma yang dapat digunakan untuk menyelesaikan permasalahan data. Deep learning adalah suatu proses pembelajaran yang dilakukan oleh mesin dengan cara meniru cara kerja jaringan otak manusia atau yang biasa disebut dengan neural networks  Algoritma ini dapat digunakan untuk menyelesaikan permasalahan baik itu analisis pola atau clustering maupun klasifikasi.


Algoritma ini disebut deep learning karena jumlah struktur dan jaringan dalam pembelajarannya sangat banyak dan lebih rinci bahkan bisa mencapai ratusan. Algoritma ini dapat melakukan pembelajaran secara mandiri sehingga dapat dijadikan pedoman dalam pemecahan masalah. Terdapat beberapa jenis pembelajaran dalam deep learning, yaitu supervised learning, unsupervised learning dan semi-supervised learning.


deep learning


Baca juga : Data Science Adalah: Yuk Kenali Lebih Jauh Tentang Data Science!


2. Jenis Deep Learning

Setelah mengetahui pengertian secara singkat mengenai deep learning, selanjutnya kita akan mengenali beberapa jenis deep learning yang dapat digunakan  sesuai dengan jenis data dan tujuan penelitian. Deep learning terbagi menjadi empat jenis, yaitu:

  1. Convolutional Neural Networks (CNN), yang dikembangkan pertama kali pada tahun 1988. Algoritma deep learning ini terdiri dari beberapa lapisan dan sering digunakan untuk pemrosesan gambar dan deteksi objek. Selain itu algoritma ini dapat pula digunakan untuk mengidentifikasi citra satelit, memproses citra medis, dan mendeteksi anomali.

  2. Long Short Term Memory Network (LSTM), algoritma yang dapat mempelajari dan menghafal ketergantungan pola jangka panjang. Algoritma ini memiliki struktur dengan empat lapisan yang saling berinteraksi dengan keunikannya.

  3. Recurrent Neural Network (RNN), algoritma yang memiliki koneksi yang bisa membentuk siklus terarah yang memungkinkan output dari LSTM untuk diumpankan sebagai fase input ke fase terbaru.

  4. Self Organizing Maps (SOM), yang berguna untuk mengurangi dimensi data melalui jaringan syaraf tiruan yang dapat bekerja secara otomatis.

deep learning


3. Cara Kerja Deep Learning

Seperti yang telah disebutkan sebelumnya bahwa deep learning bekerja dengan cara mengikuti saraf jaringan otak manusia bekerja. Algoritma ini akan mengambil kesimpulan sebagaimana manusia menganalisis data berdasarkan struktur logika. Perbedaannya adalah pada deep learning menggunakan struktur algoritma neural networks. Kinerja deep learning pun perlu dilakukan proses evaluasi agar didapatkan hasil yang maksimal. Beberapa langkah untuk evaluasi kinerja model deep learning yang kita buat, antara lain

  1. Data integration, merupakan teknik yang menggabungkan dua atau lebih sumber data yang berbeda menjadi satu data warehouse.

  2. Data cleansing, merupakan teknik pembersihan data yang kurang sesuai, tidak lengkap, dan dapat mengubah, mengkoreksi atau menghapus data yang salah dengan tujuan agar hasil dari model cukup baik.

  3. Data reduction, merupakan proses penyederhanaan, penggolongan dan membuang yang tidak perlu dari data agar hasil analisis optimal

  4. Feature selection, merupakan proses memilih atau menghilangkan fitur yang tidak relevan dan dapat meningkatkan tingkat akurasi.

deep learning


4. Contoh Penerapan Deep Learning

Algoritma deep learning ini merupakan salah satu bagian dari Artificial Intelligence Network (ANN) yang sudah populer digunakan dan sering dijumpai dalam keseharian kita, yaitu seperti Netflix dan YouTube .Pada kedua aplikasi tersebut algoritma ini dapat memberikan rekomendasi video kepada pengguna. Selain kedua aplikasi tersebut masih banyak lagi platform yang menggunakan algoritma deep learning baik dalam sektor penerjemah, kecanggihan mobil, dan marketplace. Beberapa diantaranya yaitu Cortana, Alexa, Siri, Tesla, Sephora, Fandango, Google Translate, SayHi, Facebook, iOS, Amazon dan Myntra.


deep learning


Baca juga : 3 Contoh Penerapan Data Science yang Sangat Berguna di Dunia Perindustrian


5. Kenali dan Pelajari Dasar Data Science di DQLab!

Perkembangan teknologi saat ini sudah kita rasakan dampaknya dan bahkan digunakan dalam keseharian kita. Namun tahukah kamu bahwa dibalik semua itu ada salah satu hal yang oaling berperan, yaitu artificial intliigence yanh memiliki beberapa cabang, salah satunya adalah deep learning.


Deep learning dan machine learning adalah cabang dari kecerdasan buatan (artificial intelligence). Nah, dasar-dasar dari ini dapat kita pelajari di DQLab. Kita akan mengenali dasar dasar beberapa jenis data dan penanganannya, serta akan mengenali dan menerapkan algoritma deep learning dan  learning secara live code. Cara bergabungnya sangat mudah. Langsung saja sign up di DQLab.id/signup dan nikmati belajar data science DQLab


Penulis : Latifah Uswatun Khasanah

Editor : Annissa Widya Davita

Mulai Karier
sebagai Praktisi
Data Bersama
DQLab

Daftar sekarang dan ambil langkah
pertamamu untuk mengenal
Data Science.

Buat Akun


Atau

Sudah punya akun? Login