Cara Kerja CNN dan Pemanfaatannya dalam Bisnis
Salah satu algoritma yang populer pada deep learning adalah Convolutional Neural Network (CNN). CNN merupakan sekumpulan jaringan saraf tiruan. Sama halnya dengan saraf manusia, dengan adanya saraf, kita mudah untuk melakukan pengenalan objek, begitu juga CNN digunakan untuk mengenali objek, seperti data piksel dan citra visual. CNN terdiri dari neuron yang memiliki weight, bias, dan activation function.
Bagaimana cara kerja CNN?
CNN menggunakan proses konvolusi. Yaitu dengan cara mengaktifkan kernel konvolusi (filter) dengan ukuran tertentu ke sebuah gambar yang membuat komputer mendapatkan informasi representatif baru dari hasil perkalian bagian gambar tersebut dengan filter yang digunakan. CNN terdiri dari tiga lapisan yang memiliki fungsi masimg-masing. Lapisan pertama yaitu convolutional layer digunakan untuk mengidentifikasi gambar dan suara. Lapisan kedua atau pooling layer (downsampling) digunakan untuk mengidentifikasi objek terhadap objek visual atau audio yang telah dikenali pada lapisan pertama. Lapisan ketiga atau fully-connected (FC) layer digunakan mengenali objek secara bentuk dan keseluruhannya sehingga dapat mengetahi objek yang sebenarnya.
Hasil dari proses konvolusi gambar, dapat dijabarkan sebagai berikut:
- Memecah gambar menjadi gambar yang lebih kecil dengan ukuran yang sama dengan gambar konvolusi
Gambar di atas menunjukkan dari gambar asli dibagi menjadi 77 gambar yang lebih kecil dengan ukuran yang sama.
2. Memasukkan setiap gambar yang lebih kecil ke small neural network
Setiap gambar kecil dari hasil konvolusi digunakan sebagai input untuk menghasilkan representasi fitur. Hal ini yang menjadikan CNN dapat mengenali objek, dimanapun posisi objek tersebut terdeteksi pada sebuah gambar.
Proses ini dilakukan pada semua bagian gambar pada masing-masing gambar kecilnya menggunakan filter yang sama juga. Sehingga setiap gambar memiliki faktor pengali yang sama (weight sharing), jika ada objek yang menarik pada gambar maka ditandai sebagai object of interest.
3. Menyimpan output dari masing-masing gambar kecil ke dalam array baru
Sehingga akan terlihat seperti gambar di bawah ini:
4. Downsampling
Pada proses ketiga, output array yang dihasilkan masih terlalu besar sehingga diperlukan downsampling untuk mengecilkan array. Prosesnya dinamakan dengan pooling, umumnya menggunakan max pooling dengan mengambil nilai pixel terbesar di setiap pooling kernel. Oleh karena itu, walaupun mengurangi jumlah parameternya, informasi terpenting bagian tersebut tetap diambil.
5. Membuat Prediksi
Array yang sudah berukuran kecil dapat diinputkan ke dalam jaringan saraf lain dan jaringan saraf terakhir akan memberikan keputusan apakah gambar yang dideteksi sesuai atau tidak. Proses ini dinamakan dengan “fully connected” network.
Secara garis besar dari penjelasan di atas, proses kerja CNN dapat diilustrasikan seperti gambar berikut:
Pemanfaatan CNN dalam Bisnis
CNN merupakan salah satu metode kecerdasan buatan yang memiliki banyak manfaat dan dapat memudahkan pekerjaan, berikut ini beberapa pemanfaatan CNN dalam bisnis:
- Face recognition untuk absensi pada perusahaan
Metode CNN dapat digunakan untuk sistem pengenalan wajah, seperti pengawasan, identifikasi, kontrol akses, dan video konferensi. Prosesnya yaitu dengan face detection dan face recognition, dengan adanya metode ini dapat mengurangi tindak kecurangan.
2. Membuat klasifikasi dengan memberi label pada data
Penerapan yang sudah terimplementasi yaitu klasifikasi semantik jenis tanaman pada citra resolusi tinggi yang diperoleh dari teknologi UAV, CNN bekerja dengan mengklasifikasikan lima jenis tanaman secara otomatis dengan memberi label pada data. Hal ini dapat memudahkan perusahaan untuk mengelompokkan sesuatu dalam beberapa jenis yang dapat menghemat waktu dan biaya.
3. Mendeteksi Covid-19 dan pneumonia melalui x-ray
Pemanfaatan CNN pada rumah sakit yaitu digunakan untuk melihat paru-paru menggunakan citra X-ray sebagai alternatif pendeteksian Covid-19 dan pneumonia. Dengan adanya alat ini, perusahaan terutama rumah sakit diuntungkan dengan adanya kemudahan dan alternatif untuk mendeteksi penyakit.
4. Membuat self driving car
Pemanfaatan CNN dapat digunakan untuk membuat mobil yang dapat mengenali objek sehingga bisa bergerak, berhenti, dan mengatur kecepatan sendiri sesuai dengan objek yang dikenali. Oleh karena itu, perusahaan mendapat keuntungan yang besar karena idenya menggunakan teknologi terkini.
referensi:
https://machinelearning.mipa.ugm.ac.id/2018/06/25/fully-connected-layer-cnn-dan-implementasinya/
https://medium.com/@16611110/apa-itu-convolutional-neural-network-836f70b193a4