Proses Pengolahan Data Gambar dengan Convolutional Neural Network, Kenali Lebih Jauh, Yuk!

Big data yang terus berkembang membuat pemahaman kita tentang data menjadi lebih luas. Eksistensi jenis data lainnya seperti data teks, gambar, data suara, video, dll juga semakin berkembang. Tentu saja hal ini sejalan dengan ciri-ciri yang dimiliki oleh big data, yaitu memiliki beragam jenis data. Semakin banyak jenis data yang ada, maka proses pengambilan keputusan yang berdasarkan data juga akan semakin mudah, karena pada dasarnya penciptaan big data memang bertujuan untuk memudahkan manusia selama memahami cara kerjanya.

Contoh penggunaan data gambar telah sering kita jumpai dalam kehidupan sehari-hari. Salah satunya ketika kita menggunakan Facebook. Mungkin kita akan bertanya-tanya, mengapa setiap kali kita meng-upload foto, Facebook dapat mengenali wajah siapa saja yang ada di dalam foto tersebut bahkan melakukan tag secara otomatis, meskipun tidak saling berteman di Facebook. Nah, ini adalah contoh penggunaan Convolutional Neural Network. Namun tentu saja ini berlaku jika orang tersebut memiliki facebook juga.

Lalu apa sih Convolutional Neural Network tersebut? Dalam artikel ini akan dibahas mengenai proses pengolahan data dengan menggunakan Convolutional Neural Network secara lebih lengkap. Pensaran kan? Yuk, simak artikelnya!

1. Convolutional Neural Network

Convolutional Neural Network atau yang lebih dikenal dengan CNN merupakan salah satu algoritma yang ada dalam Deep Learning, dan termasuk ke dalam kategori Supervised Learning di dalam Machine Learning. Algoritma ini sebenarnya merupakan pengembangan dari metode Multi Layer Perceptron (MLP) yang dirancang untuk mengolah data dalam bentuk grid. Salah satu contoh datanya adalah citra dua dimensi, seperti gambar atau suara. Karena merupakan algoritma Supervised Learning, maka tujuan dari penggunaan algoritma ini adalah untuk mengelompokkan data baru ke dalam label yang sesuai. Umumnya algoritma ini digunakan untuk mengenali benda, pemandangan, ataupun objek yang berupa orang.

Baca juga : Ini yang Akan Kamu Pelajari di Kelas Data Science DQLab!

2. Proses Input Gambar

Proses input gambar merupakan proses pertama yang harus dilakukan secara hati-hati dan harus diperhatikan karena jika pada proses input gambar saja telah mengalami kesalahan, maka sudah bisa dipastikan selanjutnya akan gagal. Komputer tidak akan bisa mengenali suatu gambar jika tidak dilakukan proses pembelajaran terlebih dahulu karena komputer hanya bisa membaca data yang direpresentasikan pada gambar. Proses penginputan gambar ini akan membaca gambar yang dimasukkan sebagai pixel dan dipisahkan dalam angka RGB (Red, Green, Blue).

3. Proses Featuring Learning

Proses selanjutnya setelah data gambar berhasil diinput dan diubah ke dalam pixel adalah proses Featuring Learning. Proses ini dapat terbagi menjadi tiga bagian utama, yaitu Convolutional, ReLu (fungsi aktivasi layer), dan Pooling Layer. Namun di beberapa penelitian, biasanya hanya menggunakan Convolutional dan ReLu. Proses ini akan diulang secara terus menerus hingga mencapai tahapan tertentu yang bisa dilanjutkan ke tahapan klasifikasi. Pada tahapan klasifikasi, data akan dikelompokkan berdasarkan hasil pembelajaran ke dalam label yang paling mendekati.

Baca juga : Mengenal Profesi Data Scientist

4. Yuk Mulai Belajar Menjadi Data Scientist Bersama DQLab!