Teknik Pengolahan Data : Kenali Langkah Menggunakan Convolutional Neural Network (CNN)

Teknik pengolahan data menjadi hal yang sangat penting untuk dipahami karena hal inilah yang nantinya akan mempengaruhi hasil analisismu. Jika output analisis yang kamu lakukan tidak sesuai dengan yang diharapkan, bisa jadi metode yang digunakan tidak sesuai dengan data yang kamu miliki. Hingga saat ini belum ada metode yang paling sempurna yang bisa digunakan untuk mengolah semua jenis ada, sehingga dibutuhkan ketelitian dan kejelian dari dari praktisi data.

Salah satu metode pengolahan data dalam bentuk gambar adalah Convolutional Neural Network atau yang biasa disingkat Selain pada gambar, metode ini juga digunakan untuk video, suara, serta teks. CNN termasuk salah satu algoritma yang cukup populer di dalam teknik Deep Learning. Algoritma ini terinspirasi dari cara manusia (serta mamalia lainnya) untuk menghasilkan persepsi visual. Untuk menggunakan CNN, ada beberapa langkah-langkah yang harus dilakukan. Apa saja sih? Yuk, simak artikelnya!

1. Memecah Gambar Menjadi Beberapa Bagian Terkecil

Proses pemecahan gambar dikenal juga dengan sebutan proses konvolusi, dimana gambar akan dipecah menjadi bagian-bagian gambar yang tumpang tindih. Setiap bagian gambar ini nantinya akan dijadikan input agar bisa mendapatkan representasi fitur. Hal inilah yang kemudian membuat algoritma CNN dapat mengenali objek tanpa memperhatikan dimana posisi gambar tersebut muncul atau biasa disebut translation invariance. 

Baca juga : Teknik Pengolahan Data Kualitatif: Ketahui Macam-Macam Metode Pengumpulan Data

2. Memasukkan Gambar yang Telah Diperkecil ke Neural Network

Langkah selanjutnya adalah memasukkan setian gambar yang telah diperkecil ke dalam Neural Network. Setiap gambar akan memiliki faktor pengali (di dalam Neural Network dikenal dengan weight shares) yang sama karena semua bagian gambar telah di konvolusi dengan menggunakan filter yang sama. Hasil yang didapatkan dari proses ini adalah activation map. Untuk mendapat representasi gambar yang lebih baik, proses konvolusi diulang dengan filter yang berbeda untuk menghasilkan activation map lain. Setelah didapatkan hasil yang pas, selanjutnya kita akan menyimpan hasil gambar ke array baru.

3. Downsampling

Pada tahapan kedua, gambar-gambar yang terlihat menarik akan dijadikan object of interest. Sayangnya pada keseluruhan gambar, tidak semuanya merupakan object of interest, ada juga yang hanya berupa background, sehingga parameter yang dihasilkan juga masih sangat besar. Array yang dihasilkan di tahap sebelumnya bisa dikecilkan dengan menggunakan downsampling dimana penggunaanya dikenal dengan nama max pooling. Dalam tahapan ini kita akan mengambil nilai piksel terbesar dari setiap pooling kernel.

4. Mencari Prediksi

Setelah melakukan tahapan-tahapan yang ada di point-point sebelumnya, kita mendapatkan array baru yang berisi gambar yang telah di konvolusi. Array ini merupakan sekumpulan kelompok angka. Dengan menggunakan array kecil, kita bisa inputkan ke dalam jaringan saraf lainnya. Jaringan saraf yang paling terakhir lah yang akan memutuskan apakah gambarnya cocok atau tidak. Untuk memberikan perbedaan dari langkah konvolusi, maka bisa kita sebut dengan œfully connected network.

Baca juga : Kenali 3 Jenis Metode Pengolahan Data Kuantitatif

5. Pelajari Metode Pengolahan Data Lain di DQLab, Yuk!

Beberapa modul yang disediakan oleh DQLab, bisa membantumu untuk mempelajari berbagai jenis metode pengolahan data lain selain CNN. Modul-modul yang ada disini disusun dengan menggunakan bahasa Indonesia serta dengan bahasa yang sangat mudah untuk dipahami bahkan oleh pemula sekalipun. Untuk mengakses modul tersebut caranya sangatlah mudah, kamu hanya perlu bergabung menjadi member di DQLab. Kamu bahkan bisa menikmati free modul dari DQLab. Yuk, tunggu apa lagi, buruan daftar dan jadi member di DQLab!

Penulis : Gifa Delyani Nursyafitri