Yuk Pahami Jenis-jenis Algoritma Deep Learning
Siapa yang tidak kenal dengan algoritma deep learning? Algoritma yang satu ini mungkin belum terlalu familiar di kalangan data lovers semuanya. Serupa halnya dengan algoritma lainnya, ternyata algoritma deep learning masih termasuk bagian dari machine learning. Algoritma deep learning kini menjadi acuan penelitian paling populer saat ini. Deep learning menggunakan Artificial Neural Network (ANN) yang merupakan mesin proses informasi yang dimodelkan pada struktur dan tindakan jaringan saraf biologis pada otak. ANN bersifat fleksibel dan dapat beradaptasi sendiri untuk memecahkan masalah kompleks yang tidak jelas yang digambarkan oleh model matematika, seperti pengenalan pola dan klasifikasi, pendekatan fungsi dan kontrol. Prinsip deep learning adalah Artificial Neural Network (ANN) yang memiliki banyak lapisan tersembunyi. Serupa pula dengan algoritma machine learning pada umumnya, algoritma deep learning memiliki jenis pembelajaran yang sama yaitu supervised, semi-supervised, dan unsupervised.
Deep learning adalah metode pembelajaran yang dilakukan oleh mesin dengan cara meniru bagaimana sistem dasar otak manusia bekerja. Sistem dasar otak manusia bekerja ini disebut neural networks. Itulah kenapa deep learning disebut menggunakan artificial neural networks dengan kata lain menggunakan neural networks buatan. Deep learning merupakan teknologi yang dipakai pada image recognition dan computer vision. Pada machine learning tradisional jika kita menyodorkan gambar seekor kucing lalu kita bertanya pada mesin tersebut apakah ini kucing atau bukan, proses "berpikir" mesin tersebut didasari oleh algoritma yang kita buat. Contohnya, apakah objek memiliki dua mata? Apakah objek memiliki empat kaki? Apakah objek memiliki kumis panjang? Apakah objek memiliki bulu tebal? Jika sebagian besar atau semua jawabannya adalah "iya" maka si mesin akan memutuskan bahwa itu adalah gambar kucing. Lalu, kira-kira apa saja ya jenis-jenis algoritma deep learning. Pada artikel DQLab kali ini, kita akan membahas mengenai jenis-jenis algoritma deep learning sehingga bisa menjadi tambahan insight. Artikel ini khusus dibuat teruntuk kalian para data lovers di bidang data agar dapat memahami beberapa jenis algoritma khususnya algoritma deep learning. Jadi, pastikan simak baik-baik, stay tune and keep scrolling on this article guys!
1.Deep Neural Networks (DNN)
Algoritma DNN (Deep Neural Networks) adalah salah satu algoritma berbasis jaringan saraf yang dapat digunakan untuk pengambilan keputusan. Contoh yang dibahas kali ini adalah mengenai penentuan penerimaan pengajuan kredit sepeda motor baru berdasarkan kelompok data yang sudah ada. Inti perhitungan pada algoritma berbasis jaringan adalah untuk mencari bobot terbaik dari contoh / sampel data yang sudah ada. Karena hasil pada contoh data sudah diketahui, maka nilai bobot akan dihitung berdasarkan nilai hasil yang sudah tersedia, sampai ditemukan nilai bobot terbaik yang paling banyak cocok apabila dihitungkan kembali pada data awal. Kemudian nilai bobot tersebut dapat digunakan untuk menghitung data lain yang tidak diketahui hasilnya. Pada kasus ini, metode yang digunakan untuk mencari bobot terbaik adalah menggunakan metode PSO (Particle Swarm Optimization)
Baca juga : 3 Jenis Algoritma Machine Learning yang Dapat Digunakan di Dunia Perbankan
2.Artificial Neural Networks (ANN)
Artificial Neural Networks yang biasa disingkat dengan ANN adalah bagian yang paling 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. Seperti contoh kita mempunyai gambar berupa tulisan tangan angka 9 berukuran 28×28 pixel. Setiap piksel dari gambar ini kemudian dipecah menjadi nodes dalam layer input. Sehingga kita memiliki 784 nodes. Lalu untuk mengetahui angka apa itu, kita harus menset nodes output sebanyak 10 (0-9). Dalam hidden layers informasi tersebut difilter hingga akhirnya diteruskan dan informasi masuk di nodes output 9. Yang perlu kita lakukan memasukkan angka yang ditulis tangan sebanyak mungkin dan menentukan outputnya sehingga terbentuk suatu pola dalam hidden layers. Jika pola dalam hidden layers sudah terbentuk, kita tinggal mengetes sejauh mana si mesin dapat mengenali gambar
Baca juga : Belajar Data Science: Pahami Penggunaan Machine Learning pada Python
3.Convolutional Neural Networks (CNN)
Terakhir adalah 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. 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.
4. Yuk Mulai Belajar Menjadi Data Scientist Bersama DQLab!
Gunakan Kode Voucher "DQTRIAL", dan simak informasi di bawah ini mendapatkan 30 Hari FREE TRIAL:
Buat Akun Gratis dengan Signup di DQLab.id/signup
Buka academy.dqlab.id dan pilih menu redeem voucher
Redeem voucher "DQTRIAL" dan check menu my profile untuk melihat masa subscription yang sudah terakumulasi.
Selamat, akun kamu sudah terupgrade, dan kamu bisa mulai Belajar Data Science GRATIS 1 bulan.
Penulis : Reyvan Maulid
Editor : Annissa Widya Davita