Apa itu Neural Network?
Neural network atau disebut juga dengan Artificial Neural Network (ANN) adalah sekumpulan algoritma machine learning yang dirancang untuk mengenali pola data.
Neural network terinspirasi dari otak manusia dan meniru cara kerja sel saraf (neuron) dalam mengirim pesan satu sama lain. Pada manusia, neuron menerima sinyal atau rangsangan dari luar kemudian mengirimkannya ke otak untuk diproses. Setelahnya tubuh akan bertindak sesuai perintah yang dikirimkan otak melalui neuron.
Neuron manusia terdiri dari beberapa bagian, begitu juga dengan neural network yang terdiri dari beberapa lapisan node (neuron buatan) yaitu lapisan input, satu atau lebih lapisan tersembunyi, dan lapisan output. Hal ini membuat neural network dapat melakukan perhitungan yang jauh lebih kompleks.
Setiap node saling terhubung untuk menerima dan mengirimkan informasi. Sama seperti cara kerja neuron dalam mengirimkan informasi ke otak dan tubuh merespons sesuai dengan perintah dari otak.
Neural network dan deep learning kerap dibahas berbarengan. Alasannya, deep learning yang merupakan salah satu metode penerapan machine learning memang menggunakan neural network dalam memproses data.
Mengapa Neural Network Penting?
Neural network belajar untuk melakukan beberapa tugas dengan menganalisis data pelatihan. Biasanya data pelatihan sudah dilabeli terlebih dahulu sesuai jenisnya seperti gambar, suara, atau teks.
Misalnya dalam mengenali gambar, sistem pengenalan objek di neural network diberi ribuan gambar seperti mobil, rumah, cangkir, dan lainnya. Lalu neural network akan menemukan pola yang sama antara gambar-gambar tersebut dan melabelinya berdasarkan kesamaan pola.
Neural network membantu menyelesaikan tugas-tugas kompleks dan non-linier, seperti menyarankan keputusan pembelian saham yang butuh melihat berbagai faktor termasuk data-data historical.
Selain itu, neural network membantu komputer membuat keputusan cerdas dengan mengandalkan data pelatihan yang telah diberikan sebelumnya. Dengan menggunakan data pelatihan, neural network dapat berlatih sendiri untuk meningkatkan akurasi prediksi mereka.
Karena itu, neural network dapat memproses dan mengolah data dengan seminimal mungkin campur tangan manusia.
Kegunaan Neural Network
Neural network membantu mengklasifikasikan dan mengelompokkan data yang disimpan dan dikelola oleh pengguna. Neural network dapat memahami data yang tidak terstruktur dan tidak berlabel, lalu mengelompokkannya berdasarkan kesamaan data input dengan data pelatihan.
Neural network digunakan di berbagai bidang untuk:
- Mendiagnosis suatu penyakit dan tingkat keparahannya dengan akurat
- Membantu mempelajari cara kerja otak
- Memprediksi kenaikan atau penurunan saham
- Membantu memprediksi cuaca dan bencana alam seperti gempa atau tsunami
- Membantu mengembangkan strategi pertahanan yang efektif bagi suatu negara
- Menyarankan produk atau layanan yang disesuaikan dengan kebutuhan pengguna (iklan yang dipersonalisasi) berdasarkan pada pola perilaku pengguna di dunia maya
- Membantu perkembangan auto pilot, diagnosis kesalahan, dan mengamankan sistem kontrol pesawat jika terjadi kesalahan
Contoh Penerapan Neural Network
Dapat dikatakan neural network adalah salah satu sebab pesatnya perkembangan Artificial Intelligence karena level pemodelan algoritmanya sudah dalam level advanced.
- Salah satu contoh penerapan neural network yang sering digunakan dalam kehidupan sehari-hari adalah search engine Google.
Google dapat memberikan hasil yang diinginkan user setelah user memasukkan kata kunci berupa teks, gambar, atau suara.
Misalnya, user mencari sebuah lagu tapi hanya tahu penggalan liriknya. User bisa mengetikkan perintah disertai penggalan lirik tersebut di search bar atau bisa juga menggunakan fitur voice search sehingga perintahnya tak perlu diketik. Dalam waktu cepat, Google akan menampilkan hasil yang sesuai dengan kueri tersebut.
- Fitur face lock atau sensor fingerprint yang ada pada smartphone juga termasuk salah satu penerapan neural network. Smartphone menyimpan data fitur fisik dari pemilik smartphone dan menjalankan perintah tertentu, seperti membuka kunci jika data yang diterima sesuai atau mengalihkan ke sistem kunci lanjutan jika pengguna memasukkan data yang bersalah berkali-kali.
- Dalam bisnis, neural network berguna untuk data mining yang efektif. Neural network mencari pola dalam database yang memungkinkan pebisnis dapat mempelajari lebih lanjut tentang pelanggan mereka, menentukan strategi pemasaran dengan biaya yang lebih terjangkau, dan meningkatkan penjualan.
FAQ (Frequently Asked Question)
Jenis neural network ada apa saja?
Neural network terbagi menjadi beberapa jenis yang digunakan untuk tujuan berbeda, yaitu:
- Perceptron
Perceptron merupakan jenis neural network tertua dan dikenal sebagai salah satu jenis algoritma machine learning. Meski begitu, pada awalnya perceptron hanyalah mesin pengenalan gambar. Cara kerja perceptron terinspirasi dari fungsi persepsi manusia dalam melihat dan mengenali gambar.
Perceptron adalah neural network yang hanya terdiri dari satu lapisan node, dan hanya memahami hubungan linear antara data input dan output yang disediakan.
Namun kini neural network bisa memiliki banyak lapisan node sehingga mampu memahami pola data yang lebih kompleks. Kemampuan itu bisa ditemukan di multi-layer perceptrons (MLP).
- Multi-Layer Perceptrons (MLP) atau Feedforward Neural Networks
Merupakan jenis neural network yang paling umum dan versi lebih canggih dari perceptron. MLP terdiri dari tiga jenis lapisan node yaitu input, output, dan lapisan tersembunyi. Tapi MLP juga bisa tidak memiliki lapisan node tersembunyi.
MLP dilatih dengan algoritma pembelajaran backpropagation yang dapat menangkap pemetaan dan menghitung data turunan dengan cepat. Pada akhirnya, algoritma ini membantu meningkatkan akurasi prediksi dan efisiensi dengan mengurangi kesalahan yang ditemukan dalam jaringan.
MLP sangat berguna dalam data mining dan machine learning. Contohnya mengenali ucapan, gambar, dan menerjemahkan teks dari suatu bahasa ke bahasa lainnya secara otomatis (machine learning).
- Convolutional Neural Networks (CNN)
CNN mirip dengan jaringan MLP, tetapi biasanya digunakan untuk data temporal dan ordinal seperti penerjemah bahasa, natural language processing (NLP), serta pengenalan gambar dan suara. Jaringan ini memanfaatkan prinsip-prinsip dari aljabar linier, khususnya perkalian matriks, untuk mengidentifikasi pola dalam suatu gambar.
Contoh dari CNN adalah fitur asisten pribadi Siri oleh Apple, Google Translate, dan Google Voice.
- Recurrent Neural Networks (RNN)
RNN dibangun untuk memahami data temporal atau berurutan. Algoritma pembelajaran ini terutama dimanfaatkan saat menggunakan data deret waktu untuk membuat prediksi tentang hasil di masa mendatang, seperti prediksi pasar saham atau perkiraan penjualan.
