Convolutional Neural Networks: Pengertian, Jenis, dan Cara Kerja

Bicara tentang machine learning, tentu tak dapat dipisahkan dari yang namanya neural networks. Ini adalah sekumpulan jaringan saraf yang menjadi nyawa dari algoritma deep learning. Saraf-saraf dalam neural networks ini memiliki lapisan node yang mengandung beberapa input sekaligus output. Lantas, apakah neural networks merupakan sistem tunggal atau masih adakah jenis-jenis lainnya?

Ternyata, neural networks tak hanya terdiri dari satu jenis. Ada yang disebut sebagai recurrent neural networks yang fokus untuk mengenali suara dan memproses bahasa secara alami. Di sisi lain, ada juga yang dinamakan convolutional neural networks, disingkat menjadi CNN, yang dianggap sangat berguna dalam dunia teknologi. Apakah itu? Apa saja jenisnya dan bagaimana cara kerjanya?

Apa Itu Convolutional Neural Networks?

Berbeda dari recurrent neural networks yang lebih banyak diandalkan untuk proses pengenalan suara dan pemrosesan bahasa secara otomatis, convolutional neural networks lebih diandalkan untuk berbagai proses terkait visual. Sistem ini dipakai untuk mengidentifikasi pola-pola yang terdapat dalam sebuah gambar dengan mengandalkan prinsip-prinsip aljabar linier seperti perkalian matriks.

Selain itu, convolutional neural networks juga dipakai untuk mengenali objek dengan pendekatan yang sudah lebih terukur belakangan ini. Semua tugas ini intinya adalah untuk mengklasifikasi sesuatu yang awalnya dilakukan secara manual sehingga membutuhkan lebih banyak waktu dan tenaga. Pada akhirnya, segala kemajuan teknologi, misalnya machine learning beserta convolutional neural networks ini akan digunakan untuk memudahkan pekerjaan manusia.

Bagaimana Cara Kerja Convolutional Neural Networks?

Sebelum memahami cara kerja convolutional neural networks, pahami dahulu bahwa sistem yang satu ini terdiri dari tiga lapisan. Lapisan pertama, atau yang disebut sebagai convolutional layer, menjadi bagian terluar yang bertugas untuk mengidentifikasi hal-hal sederhana seputar gambar maupun suara.

Sementara itu, lapisan kedua dari convolutional neural networks disebut sebagai pooling layer. Berbeda dari tugas pada lapisan sebelumnya yang lebih sederhana, pooling layer atau yang dikenal sebagai downsampling ini bertugas untuk menindaklanjuti identifikasi objek terhadap sebuah objek visual dan audio tersebut.

Terakhir, ada lapisan yang disebut fully-connected (FC) layer yang menjadi bagian paling inti dari sebuah convolutional neural networks. Itu artinya, lapisan ini menjadi yang paling kompleks dibandingkan dengan layer-layer sebelumnya. Bila lapisan pertama bertugas untuk mengidentifikasi warna, lapisan ini tugasnya adalah untuk mengenali objek dan bentuk sehingga dapat menemukan objek sebenarnya yang dimaksud.

Jenis Convolutional Neural Networks

Sebagai salah satu jenis neural networks, convolutional neural networks ternyata masih memiliki beberapa jenis yang telah diteliti dan dikembangkan sejak 1980 oleh dua tokoh ternama, yakni Yann LeCun dan Kunihiko Fukushima. Sebagai sosok yang lebih terkenal, Yann LeCun hadir dengan karyanya, LeNet-5, yang digunakan untuk mengidentifikasi kode pos yang ditulis tangan. Penelitian ini terus berlanjut hingga tahun 1990-an.

Setelah kehadiran LeNet-5 yang dikenal sebagai salah satu arsitektur CNN klasik, muncullah beberapa karya lain dari CNN, seperti MNIST dan CIFAR-10, AlexNet, VGGNet, ResNet, dan GoogLeNet. Penemuan-penemuan ini tentu telah diiringi dengan perkembangan terbaru dan paling canggih dari arsitektur mulanya, yakni LeNet-5 buatan Yann LeCun sekitar abad ke-20.

Apa yang Membuat CNN Sangat Berguna?

Lantas, mengapa convolutional neural networks (CNN) ini sangat berguna dan dibutuhkan oleh banyak pihak? Di era digital yang semakin maju ini, tidak ada orang maupun perusahaan yang sabar untuk melakukan semua proses secara manual. Untuk itulah, CNN hadir sebagai solusi utama, yakni menyediakan proses otomatis yang lebih cepat.

Di samping itu, CNN juga menjadi alat yang dapat memprediksi secara akurat meski dilakukan dalam waktu yang relatif lebih cepat dibandingkan cara manual. Ini karena convolutional neural networks telah diprogram untuk dapat mengidentifikasi dan mengenali objek berdasarkan pengalaman sebelumnya, seperti inti dari machine learning yang dapat belajar mandiri.

Terakhir, Anda dapat mengembangkan sistem convolutional neural networks yang sudah ada untuk melakukan serangkaian tugas pengenalan baru. Caranya tak lain adalah dengan membuat jaringan terbaru yang diprogram secara terpisah dari pendahulunya. Dengan begini, tentu tugas-tugas dapat diselesaikan dengan lebih efisien.

Kesimpulan

Berdasarkan penjelasan di atas, bisa disimpulkan bahwa convolutional neural networks (CNN) adalah salah satu bagian dari neural networks yang berperan penting untuk algoritma deep learning. CNN bertugas untuk mengidentifikasi hal-hal yang sifatnya visual, misalnya saja mengenali objek pada gambar. Sistem ini terdiri dari tiga bagian, yakni convolutional layer, pooling layer, dan fully-connected (FC) layer dengan tugas masing-masing, mulai dari mengidentifikasi hal yang ringan sampai dengan kompleks.

Itulah convolutional neural networks yang dapat mengidentifikasi dokumen secara otomatis dan telah dikembangkan sejak 1980 oleh—salah satunya—Yann LeCun dengan LeNet-5 miliknya. Untuk mempelajari seputar neural networks maupun hal lain yang berhubungan dengan teknologi dan data, Anda bisa mengikuti kelas dari Algoritma Data Science School yang menyediakan berbagai macam kelas tentang data science.

Referensi:

• IBM - Convolutional Neural Networks (Diakses pada 21 Juli 2022)
• MathWorks - What is a Convolutional Neural Network? (Diakses pada 21 Juli 2022)