Mengenal Neural Network Mulai dari Cara Kerja, Tipe, dan Bedanya dengan Deep Learning

Published on: 29 September 2022

•

Min read: 5 min read

Algonz D.B. Raharja

A passionate ecological researcher and writer who loved to learn about SEO and content writing for marketing purposes

Istilah neural network umumnya berkaitan dengan kecerdasan buatan atau artificial intelligence. Nah, untuk mengetahui lebih lanjut mengenai apa itu neural network, kamu bisa menyimak ulasan singkat berikut.

**Apa itu neural network?**

Struktur neural network dalam sistem soft computer untuk menghasilkan output terukur (Sumber: ibm.com)

Dilansir dari situs School of Computer Science Binus, dijelaskan bahwa neural network merupakan bagian dari ilmu Soft Computing di mana ia mengadopsi kemampuan otak manusia sebagai stimulan maupun pemrosesan.

Selanjutnya, menurut Investopedia, neural network didefinisikan sebagai serangkaian algoritma yang berusaha untuk mengenali hubungan yang mendasari suatu set data melalui proses meniru operasi otak manusia. Neural network secara umum dapat beradaptasi dengan perubahan input, sehingga nantinya menghasilkan output terbaik tanpa adanya desain ulang kriteria output.

Menurut IBM, neural network juga dikenal sebagai artificial neural networks (ANNs) atau simulated neural networks (SNNs). Neural networks merupakan bagian dari machine learning yang menjadi inti dari algoritma pembelajaran mendalam. Struktur neural network disesuaikan dengan otak manusia yaitu meniru cara neuron yang secara biologis memberi sinyal satu sama lain untuk input ke dalam otak.

Secara teknis, neural network terdiri dari lapisan node yang berisi lapisan input, satu atau lebih lapisan tersembunyi (multiple hidden layers), dan lapisan output seperti gambar struktur di atas. Setiap node atau neuron buatan berhubungan dengan lainnya dengan bobot dan ambang terkait. Jika suatu output dari setiap node individu berada di atas nilai ambang batas tertentu, maka node tersebut akan aktif dan mengirimkan data ke lapisan jaringan berikutnya.

Cara kerja neural network

Gambar cara kerja neural network (Sumber: socs.binus.ac.id)

Secara teknis, neural network bekerja seperti peran neuron dalam otak manusia yang memperoleh stimulan dan lantas memrosesnya untuk menghasilkan suatu output. Hal pokok dari proses ini adalah proses adaptasi dari lapisan-lapisan tersembunyi (hidden layers) terhadap stimulan dan pendistribusian data.

Neural network sendiri pada mulanya diperkenalkan sebagai kombinasi processing unit untuk memberikan peningkatan komputasi. Sebenarnya, ilmu mengenai neural network telah dikembangkan sejak tahun 1943 lewat Walter Pitts dan Warren McCulloch. Namun, baru pada 1958, Frank Rosenblatt menemukan jaringan lapisan ganda (two-layer network) yang dinamakan perceptron.

Diambil dari kata yang sama dengan perception, lantas perceptron dikembangkan sebagai alat klasifikasi pembelajaran berbasis mesin atau komputer dengan penambahan bobot di tiap koneksi antar jaringan.

Peran input, output, dan activation function sama dengan peran dendrites, axon, dan synapses dalam jaringan otak manusia. Ketiganya bertanggung jawab atas proses pengiriman impuls, mendistribusikan impuls, dan unit fungsional dalam menanggapi data atau stimulan.

Sebuah neural networks, dapat melibatkan sejumlah besar prosesor untuk dioperasikan secara paralel dan diatur dalam tingkatan tertentu. Tingkat pertama dari hal ini bertugas menerima informasi (input) mentah sesuai padanan analog saraf optik manusia dalam menangkap stimulus visual. Tingkat kedua dan selanjutnya adalah penerimaan dan pemrosesan input, sedangkan tingkat terakhir adalah hasil (output) dari sebuah sistem.

Tipe neural network

Diagram perceptron milik Frank Rosenblatt sebagai neural network tertua (Sumber: ibm.com)

Masih merujuk IBM, neural network dalam dunia komputer lantas berkembang menjadi beberapa tipe setelah Rosenblatt membuat perceptron pada tahun 1958. Perceptron merupakan tipe tertua dari neural network yang terdiri dari satu neuron. Diagram perceptron secara sederhana menempatkan neuron tunggal berwarna biru dan berbentuk lingkaran.

Tipe neural network yang lain adalah multi-layer perceptrons (MLPs) atau sering disebut lapisan-lapisan tersembunyi. Neuron yang dipakai dalam struktur MLPs adalah neuron sigmoid yang berbeda dengan perceptron karena sebagian besarnya bersifat non-linier. Data yang masuk dalam model ini akan diproses secara alami dengan keterkaitan dengan neural network lainnya.

Tipe selanjutnya adalah convolutional neural networks (CNNs) yang umumnya memiliki kesamaan dengan MLPs feedforward. CNNs umumnya digunakan untuk pengenalan gambar, pengenalan pola, dan/atau visi komputer. Jaringan dengan tipe CNNs memanfaatkan prinsip-prinsip aljabar linier dan perkalian matriks untuk mengidentifikasi pola dalam suatu gambar.

Selain itu, tipe neural network lainnya adalah recurrent neural networks (RNNs) yang merupakan model loop atau umpan balik yang diidentifikasi melalui algoritma dengan data deret waktu. Neural network tipe ini umum digunakan untuk memprediksi tentang suatu tujuan atau hasil di masa mendatang seperti prediksi pasar saham maupun penjualan.

Perbedaan neural networks dengan deep learning

Neural networks merupakan bagian dari deep learning yang ditentukan oleh banyaknya jumlah hidden layers di dalamnya (Sumber: Pexels)

Secara umum, deep learning dan neural networks digunakan secara bergantian meski keduanya berbeda. Neural networks secara teknis terdiri dari dua atau tiga lapisan, sedangkan jika memiliki lebih dari tiga lapisan (layers) maka dianggap sebagai algoritma deep learning. Untuk lebih memahami perbedaan keduanya, kamu bisa membacanya lewat tabel berikut ini,

Neural Networks	*Deep Learning*
Pemodelan neuron yang terinspirasi oleh otak manusia, di mana neuron-neuron tersebut saling terhubung satu sama lain.	Neural networks merupakan bagian dari deep learning jika memiliki lebih dari tiga lapisan tersembunyi. Deep learning sendiri masuk di dalam machine learning.
Arsitekturnya terbentuk dari Feedforward Neural Networks, Recurrent neural networks, dan Symmetrically Connected neural networks.	Arsitekturnya terdiri dari Recursive neural networks, Unsupervised pre-trained networks, dan Convolutional neural networks.
Dibentuk oleh struktur yang terdiri dari neuron, koneksi dan pembobotan, fungsi propagasi, dan tingkat kecepatan belajar.	Dibentuk oleh struktur yang meliputi motherboard, power supply unit (PSU), random access memory (RAM), dan prosesor.
Membutuhkan waktu lebih sedikit untuk melatih mesin komputasi, tapi dengan akurasi yang lebih rendah.	Membutuhkan lebih sedikit waktu untuk mempelajari dan memiliki akurasi lebih tinggi.

Itulah tadi yang perlu kamu pahami mengenai neural networks. Khususnya bagi kamu yang tengah memperdalam kemampuan di bidang teknologi informasi dan artificial intelligent, perihal neural network ini bisa membantumu dalam berkembang.

Sedangkan, bagi kamu yang kini tengah kebingungan untuk mengimplementasikan keahlian dalam sebuah profesi, EKRUT hadir buat menjawab kebingunganmu. Kamu bisa mendaftar lewat EKRUT untuk mendapatkan berbagai informasi terkait pengembangan karier dan juga mendapat potensi rekrutmen dari berbagai perusahaan bonafide di Indonesia. Kamu bisa menyiapkan CV dan portofolio terbaik yang kamu punya lalu klik tautan di bawah ini untuk langsung mendaftar lewat EKRUT.