• logo nu online jatim
Home Metropolis Malang Raya Madura Tapal Kuda Kediri Raya Matraman Pantura Khutbah Keislaman Tokoh Rehat Jujugan Nusiana Opini Pendidikan Pemerintahan Parlemen Pustaka Video Risalah Redaksi NU Online Network
Jumat, 29 Maret 2024

Pendidikan

Unusa Kenalkan Sistem Deep Learning, Otak Manusia Terdiri 100 Miliar Neuron

Unusa Kenalkan Sistem Deep Learning, Otak Manusia Terdiri 100 Miliar Neuron
Foto : Istimewa
Foto : Istimewa

Surabaya, NU Online Jatim

Dosen Program Studi (Prodi) S-1 Sistem Informasi, Fakultas Teknik Universitas Nahdlatul Ulama Surabaya (Unusa) Tri Deviasari Wulan mengenalkan sistem deep learning. Otak manusia terdiri dari 100 milliar neuron. Setiap neuron terhubung ke sekitar 100 ribu neuron lain. Neuron pada otak memiliki tubuh, dendrit, dan akson. Sinyal dari satu neuron berjalan ke akson dan ditransfer ke dendrit neuron berikutnya.

 

“Hubungan dimana signal lewat disebut sinapsis. Jika neuron berdiri sendiri tidak berguna. Tetapi jika terdapat neuron dalam jumlah yang banyak, mereka dapat bekerja sama untuk menciptakan keajaiban dan merupakan ide  algoritma deep learning,” ucap Tri Deviasari, Rabu (07/10/ 2020).

 

Neuron (node) mendapat signal masukan, dan diproses melewati neuron, sehingga neuron itu mengirimkan signal keluaran. Misalkan lapisan masukan sebagai indra, hal-hal yang dapat dilihat, dicium, dan dirasakan. Hal Ini adalah variabel independen untuk satu observasi tunggal. “Informasi ini dipecah menjadi angka dan bit data biner yang dapat digunakan komputer,” jelas Devi.

 

 

Node masukan menerima informasi dalam bentuk numerik. Informasi tersebut disajikan sebagai nilai aktivasi dimana setiap node diberi nomor. Semakin tinggi angkanya, semakin besar aktivasi. “Berdasarkan kekuatan koneksi (bobot) dan fungsi transfer, nilai aktivasi diteruskan ke node berikutnya,” ucap Devi.

 

Devi menambahkan jika setiap node menjumlahkan nilai aktivasi yang diterimanya (menghitung jumlah tertimbang) dan mengubah jumlah tersebut berdasarkan fungsi transfernya. Selanjutnya, ini menerapkan fungsi aktivasi. Fungsi aktivasi adalah fungsi yang diterapkan pada neuron khusus ini. “Sehingga, neuron akan memahami apakah perlu meneruskan signal atau tidak,” ungkapnya.

 

Sistem deep learning membutuhkan data dalam jumlah besar untuk memberikan hasil yang akurat. Hal ini menyebabkan informasi dimasukkan ke dalam sebuah sistem sebagai kumpulan data yang sangat besar.

 

Saat memproses data, sistem ini dapat mengklasifikasikan data dengan jawaban yang diterima dari serangkaian pertanyaan benar atau salah dalam data biner yang melibatkan perhitungan matematika yang sangat kompleks. Misalnya, program pengenalan wajah bekerja dengan belajar mendeteksi dan mengenali tepi dan garis wajah.

 

Kemudian diteruskan ke bagian wajah yang lebih penting, dan terakhir, representasi wajah secara keseluruhan. Seiring waktu, program akan melatih dirinya sendiri, dan kemungkinan jawaban yang benar atau keakuratan dalam pengenalan wajah akan meningkat. Dalam hal ini, program pengenalan wajah akan mengidentifikasi wajah secara akurat dengan jangka waktu tertentu.

 

Contoh lain adalah sistem yang bertujuan mengenali foto yang berisi seekor anjing. Semua anjing tidak terlihat sama persis, seperti rottweiler dan Poodle. Selain itu, foto menunjukkan anjing pada sudut yang berbeda dan dengan jumlah cahaya dan bayangan yang berbeda.

 

Jadi, serangkaian gambar pelatihan harus dikompilasi, termasuk banyak contoh wajah anjing yang akan dilabeli sebagai anjing dan gambar objek yang bukan anjing, diberi label bukan anjing. Gambar tersebut akan dimasukkan ke dalam sistem deep learning dengan diubah menjadi data biner.

 

Data ini bergerak melalui jaringan, dan berbagai node menetapkan bobot ke elemen yang berbeda. Lapisan keluaran akhir mengumpulkan informasi, seperti gambar dengan bentuk  berbulu, memiliki moncong, memiliki empat kaki, dan lain-lain sampai akhirnya sistem akan dapat mengenali polanya dan memberikan keluaran sebagai objek anjing.

 


Pendidikan Terbaru