Mengenal Lebih Jauh tentang Neural Network

Neural network adalah salah metode dalam artificial intelligence yang membantu komputer belajar memproses data dengan cara yang terinspirasi dari otak manusia–hence the name, neural.

Apa itu neural network?

Secara praktisnya, pengertian dari istilah ini bisa kamu lihat dari asal bahasanya. “Neural” sendiri merupakan istilah yang berkaitan dengan urat syaraf, sementara “network” adalah jaringan.

Investopedia menyimpulkan, neural network adalah rangkaian algoritma yang bertujuan untuk mengenali hubungan suatu kumpulan data dengan lainnya.

Lebih lanjut, pengenalan tersebut meniru sistem neuron yang terjadi pada otak manusia.

Itulah mengapa jaringan neural ini mampu beradaptasi dengan baik terhadap input yang bisa berubah sewaktu-waktu.

Definisi dari AWS, neural network adalah tipe proses machine learning, yang disebut deep learning, yang menggunakan node atau neuron yang saling terhubung dalam struktur berlapis yang menyerupai otak manusia. Jaringan neural menciptakan sistem adaptif yang digunakan oleh komputer untuk belajar dari kesalahannya dan memperbaikinya secara terus-menerus

Dari sisi teknis, sesuai dengan definisi dari AWS, usunan jaringan neural tersusun dari lapisan node yang isinya berupa lapisan input, multiple hidden layers, dan output. Setiap neuron buatan atau biasa disebut node, saling berkaitan satu sama lain dengan ambang dan bobot tertentu.

Jika node tertentu menghasilkan output yang melebihi ambang batas, maka sistem akan berubah aktif secara otomatis. Untuk selanjutnya, node akan menyalurkan data ke lapisan jaringan berikutnya.

Bagaimana cara kerja neural network?

Sesuai ulasan di atas, cara kerja dari jaringan neural ini mirip seperti neuron yang terdapat di otak manusia. Begitu ada stimulan yang masuk ke otak, neuron akan memprosesnya dan menghasilkan sebuah output.

Kunci utama dari network ini adalah keberadaaan jaringan tersembunyi atau multiple hidden layers. Sebab, lapisan inilah yang secara otomatis akan melakukan adaptasi ketika stimulan masuk, kemudian mendistribusikannya.

Meski demikian, bukan berarti kedua lapisan yang lainnya tidak penting, karena masing-masing mempunyai peran berbeda. Seperti lapisan tingkat terakhir yang berfungsi untuk mengeluarkan output dari hasil pemrosesan stimulan.

Jika lapisan ini error, mungkin saja output-nya juga akan menjadi berantakan. Hal ini juga terjadi ketika kamu mengalami ketidak sinkronan antara otak dengan anggota tubuh yang lain.

Misalnya saat kamu ingin makan cokelat. Namun, ternyata cokelatnya malah kamu buang ke tempat sampah dan bungkusnya kamu siap untuk dimakan. Kondisi ini mungkin saja terjadi karena lapisan terakhir tidak berfungsi sebagaimana mestinya.

Mengapa neural network penting?

Neural network dapat membantu komputer membuat keputusan cerdas dengan minim bantuan manusia karena dengan neural network, komputer dapat mempelajari dan memodelkan hubungan antara input dan output yang nonlinier dan kompleks.

Dengan neural network juga, komputer dapat memahami data yang tidak terstruktur dan melakukan pengamatan umum tanpa pelatihan secara eksplisit.

Fungsi neural network

Berdasarkan data Statista, pendapatan pasar dunia untuk kategori AI akan terus tumbuh hingga 2030.

Dalam hal ini, neural network merupakan salah pendukungnya yang berfungsi:

• Membuat klasifikasi dari pola yang masuk
• Melakukan pemetaaninput menuju output
• Menyimpan hasil pemetaan pola
• Memetakan pola lain yang masih sejenis
• Melaksanakan optimasi terhadap masalah yang ada
• Menghasilkan prediksi yang berguna untuk menyelesaikan masalah

Seperti yang sudah disinggung di atas, bahwa jaringan neural tidak bekerja begitu saja. Ada beberapa aplikasi penting pada jaringan neural yang memberikannya dukungan, yaitu meliputi:

Computer vision

Kemampuan ini memungkinkan jaringan neural untuk mengenali dan membedakan suatu citra yang mirip manusia. Caranya adalah dengan melakukan ekstraksi, baik dari segi wawasan maupun informasi citra tersebut.

Voice recognition

Kamu pernah menggunakan asisten virtual untuk berbagai keperluan, misalnya mencari informasi melalui Google. Fungsi ini melibatkan jaringan neural dengan cara mengaplikasikan fitur pengenalan suara.

Meskipun pola bicaramu berbeda dengan pengguna lain, tetapi Google tetap mampu mengidentifikasinya secara optimal. Bukan hanya pola, jaringan neural juga bisa membedakan nada, intonasi, bahasa, hingga akses masing-masing manusia.

NLP (Natural Language Processing)

Jaringan neural memiliki fungsi NLP untuk memproses bahasa atau teks dari input yang masuk. Melalui NLP ini, jaringan neural akan membantu komputer untuk mencari makna dari suatu pesan.

Pacmann juga beberapa kali merilisi hasil analisis data menggunakan NLP:

• Analisis Percakapan Twitter tentang Idulfitri di Indonesia
• Analisis Sejuta Tweets Mengenai WFH
• Pemain dan Tim Piala Dunia 2022 Terpopuler di Twitter
• Kota dengan Keluhan Macet Terbanyak di Twitter

Recommender system

Kelebihan jaringan neural yang terakhir adalah mampu melacak aktivitas pengguna dan mengembangkannya menjadi rekomendasi sesuai personalisasi. Contohnya adalah iklan yang muncul di media sosialmu yang berbeda dengan pengguna lain.

Pengaturan rekomendasi ini memanfaatkan jaringan neural, sehingga iklan sesuai apa yang biasa kamu lihat atau inginkan.

Contoh aplikasi neural network dalam kehidupan sehari-hari

Jika melihat beragam fungsi dan beberapa pengaplikasian di atas, rasanya jaringan neural terasa familier. Sudah banyak aplikasi dari teknologi ini. Berikut di antaranya:

Handwriting recognition

Handwriting recognition atau disebut juga dengan handwriting text recognition adalah kemampuan komputer untuk menginterpretasikan dan memahami input tulisan tangan dari berbagai sumber seperti dokumen, foto, touchscreen/display (pada penggunaan stylus), dsb.

Handwriting recognition menggunakan teknologi OCR (Optical Character Recognition) yang dibangun di atas algoritma neural network untuk mengenali teks dari gambar. Beberapa contoh algoritma untuk membangun handwriting recognition adalah:

• Convolutional Neural Networks (CNNs),
• Support Vector Machines (SVMs),
• Hidden Markov Models (HMMs), dsb.

Aplikasinya paling sederhana dari handwriting recognition adalah pada penggunaan:

• Apple Pencil
• Image to text converter

Manfaat lain dari handwriting recognition adalah dengan mengubah gambar yang berisi tulisan tangan dan berbagai informasi penting lainnya menjadi file atau dokumen elektronik akan memberikan berbagai keuntungan, seperti:

• Membutuhkan memori penyimpanan yang lebih sedikit dibandingkan dengan menyimpan file gambar,
• Memudahkan filtering dan manajemen informasi, dsb.

Facial recognition

Facial recognition adalah salah satu penerapan dari computer vision untuk mendeteksi dan mengidentifikasi wajah dari suatu gambar.

Computer vision secara otomatis mengekstraksi, menganalisis, mengklasifikasi, dan memahami informasi pada gambar.

Beberapa contoh data yang digunakan untuk facial recognition adalah:

• Gambar tunggal
• Video
• Tampilan dari beberapa angle kamera
• Data tiga dimensi

Contoh sederhana dari aplikasi facial recognition adalah pada Google Photos yang secara otomatis mengkategorikan foto sesuai wajah yang terdapat dari foto.

Tertarik mempelajari neural network? Join program AI and ML Engineering Pacmann dan belajar tentang neural network serta berbagai applicable skills lainnya.

Kamu juga bisa menonton demo session tentang Mekanisme Dasar Neural Network di YouTube Pacmann.

Further reading:

What are neural networks? | IBM

What is a neural network? | AWS