<html><body>Reading Time: 4 minutes
Deep learning bukanlah sesuatu yang asing bagi mereka yang berkecimpung dalam data science atau bekerja dalam bidang pengembangan aplikasi. Deep learning sendiri sering disebut sebagai bentuk artificial intelligence yang bisa menunjang aktivitas manusia dan berperan dalam perkembangan teknologi di masa modern ini. Yuk, cari tahu lebih dalam tentang apa itu deep learning, termasuk manfaat hingga sejarahnya!<html><body><style> #joli-toc-wrapper nav#joli-toc.joli-expanded, #joli-toc-wrapper.joli-folded nav#joli-toc.joli-expanded, #joli-toc-wrapper.joli-unfolded nav#joli-toc{padding: 24px !important;}#joli-toc-wrapper nav#joli-toc.joli-expanded li a, #joli-toc-wrapper nav#joli-toc.joli-collapsed li a,#joli-toc-wrapper.joli-folded nav#joli-toc.joli-expanded li a, #joli-toc-wrapper.joli-unfolded nav#joli-toc li a{text-overflow: unset !important;overflow: hidden !important;white-space: normal !important;}#joli-toc-wrapper nav#joli-toc{width: auto !important;}#joli-toc-wrapper nav#joli-toc.joli-collapsed{width: initial !important;}#joli-toc-wrapper nav#joli-toc .title #title-label{text-align: left !important;}#joli-toc-wrapper nav#joli-toc.joli-collapsed .title, #joli-toc-wrapper nav#joli-toc .title{font-size: 2em !important;font-weight: 900 !important;}#joli-toc-wrapper nav#joli-toc.joli-collapsed, #joli-toc-wrapper nav#joli-toc {background-color: #f1f1f1 !important;} #joli-toc-wrapper.joli-unfolded-ufloating nav#joli-toc ul.joli-nav ul,#joli-toc-wrapper.joli-incontent nav#joli-toc ul.joli-nav ul,#joli-toc-wrapper nav#joli-toc.joli-expanded ul.joli-nav ul {margin: 0 0 0 20px !important;}#joli-toc-wrapper {top: initial !important;bottom: initial !important;margin-left: initial !important;}body.admin-bar #joli-toc-wrapper {top: initial !important;bottom: initial !important;}#joli-toc-wrapper {margin-top: 24px;border-radius: 16px;overflow: hidden;}</style><div id="joli-toc-filler"></div>
<div id="joli-toc-wrapper" class="joli-unfolded-incontent joli-unfolded joli-incontent joli-smoothscroll">
 <nav id="joli-toc">
 <header id="joli-toc-header">
 <div class="title">
 Daftar Isi
 </div>
 </header>
 <ul class="joli-nav"><li class="item"><a href="#apa-itu-deep-learning" title="Apa itu Deep Learning?" class="joli-h2">Apa itu Deep Learning?</a></li><li class="item"><a href="#perbedaan-deep-learning-vs-machine-learning" title="Perbedaan Deep Learning vs Machine Learning" class="joli-h2">Perbedaan Deep Learning vs Machine Learning</a></li><li class="item"><a href="#sejarah-deep-learning" title="Sejarah Deep Learning" class="joli-h2">Sejarah Deep Learning</a></li><li class="item"><a href="#fungsi-deep-learning" title="Fungsi Deep Learning" class="joli-h2">Fungsi Deep Learning</a></li><li class="item"><a href="#3-tahapan-deep-learning" title="3 Tahapan Deep Learning" class="joli-h2">3 Tahapan Deep Learning</a></li><li class="item"><a href="#komponen-komponen-deep-learning" title="Komponen-Komponen Deep Learning" class="joli-h2">Komponen-Komponen Deep Learning</a><ul><li class="subitem"><a href="#convolutional-neural-networks-cnn" title="Convolutional Neural Networks (CNN)" class="joli-h3">Convolutional Neural Networks (CNN)</a></li><li class="subitem"><a href="#recurrent-neural-network-rnn" title="Recurrent Neural Network (RNN)" class="joli-h3">Recurrent Neural Network (RNN)</a></li><li class="subitem"><a href="#long-short-term-memory-network-lstm" title="Long Short Term Memory Network (LSTM)" class="joli-h3">Long Short Term Memory Network (LSTM)</a></li><li class="subitem"><a href="#self-organizing-maps-som" title="Self-Organizing Maps (SOM)" class="joli-h3">Self-Organizing Maps (SOM)</a></li></ul></li><li class="item"><a href="#cara-kerja-deep-learning" title="Cara Kerja Deep Learning" class="joli-h2">Cara Kerja Deep Learning</a></li><li class="item"><a href="#contoh-deep-learning" title="Contoh Deep Learning" class="joli-h2">Contoh Deep Learning</a></li></ul> </nav>
</div>
</body></html>



<h2 class="wp-block-heading joli-heading" id="apa-itu-deep-learning">Apa itu Deep Learning?</h2>



<figure class="wp-block-image size-large"><img decoding="async" loading="lazy" width="1024" height="683" src="https://blog.pintu.co.id/wp-content/uploads/2023/02/apa-itu-deep-learning-1024x683.jpg" alt="apa itu deep learning" class="wp-image-24187" srcset="https://blog.pintu.co.id/wp-content/uploads/2023/02/apa-itu-deep-learning-1024x683.jpg 1024w, https://blog.pintu.co.id/wp-content/uploads/2023/02/apa-itu-deep-learning-300x200.jpg 300w, https://blog.pintu.co.id/wp-content/uploads/2023/02/apa-itu-deep-learning-768x512.jpg 768w, https://blog.pintu.co.id/wp-content/uploads/2023/02/apa-itu-deep-learning.jpg 1200w" sizes="(max-width: 1024px) 100vw, 1024px"></figure>Deep learning adalah sub-bidang dari machine learning yang berfokus pada algoritma kecerdasan buatan (<a href="https://pintu.co.id/blog/apa-itu-ai-artificial-intelligence" target="_blank" rel="noreferrer noopener">AI</a>) yang terinspirasi struktur dan fungsi otak yang disebut jaringan saraf tiruan (artificial neural networks).



Karena bekerja mirip dengan otak manusia, maka deep learning menjadi sebuah teknologi yang memiliki efektivitas tinggi dalam mengolah data mentah serta menciptakan sebuah pola dalam pengambilan keputusan. Deep learning mampu mengenali informasi dan pola tanpa pengawasan dari data yang tidak terstruktur. Inilah yang membuat deep learning kemudian diterapkan dalam berbagai sektor, mulai dari aplikasi raksasa hingga teknologi dalam mobil tanpa pengemudi.



Baca juga: <a href="https://pintu.co.id/blog/reinforcement-learning-ai" target="_blank" rel="noreferrer noopener">Viral, Apa itu Reinforcement Learning dalam AI?</a>



<h2 class="wp-block-heading joli-heading" id="perbedaan-deep-learning-vs-machine-learning">Perbedaan Deep Learning vs Machine Learning</h2>



Jika deep learning merupakan bagian dari machine learning, lalu apa yang menjadi perbedaan antara keduanya?



Perbedaan deep learning dan machine learning adalah dari segi proses datanya. Algoritma machine learning memanfaatkan data yang terstruktur dan berlabel untuk membuat prediksi. Namun, bukan berarti sistem ini tidak menggunakan data yang tidak terstruktur. Hanya saja jika machine learning bertemu dengan data yang tidak terstruktur, maka akan terjadi pra-pemrosesan untuk untuk mengolah data tersebut menjadi lebih terstruktur. Sementara itu, pra-pemrosesan tersebut tidak terjadi pada deep learning. Algoritma deep learning dapat memproses data yang tidak terstruktur, seperti teks dan gambar, lalu mengotomatisasi ekstraksi struktur untuk menghilangkan ketergantungan terhadap manusia.&nbsp;



<h2 class="wp-block-heading joli-heading" id="sejarah-deep-learning">Sejarah Deep Learning</h2>



Meski teknologi seperti artificial intelligence baru dikenal luas beberapa tahun terakhir, sejarah deep learning ternyata sudah dimulai lebih dari 10 tahun yang lalu. Tepatnya di tahun 2006 ketika <a href="https://en.wikipedia.org/wiki/Geoffrey_Hinton">Geoffrey Hinton</a> menemukan saraf tiruan yang diberi nama deep belief nets. Temuan ini kemudian dipublikasikan dalam bentuk paper, yang menjadi awal munculnya istilah deep learning. Lebih jauh lagi, paper tersebut banyak digunakan oleh ilmuwan untuk mengembangkan deep learning sampai saat ini.



<h2 class="wp-block-heading joli-heading" id="fungsi-deep-learning">Fungsi Deep Learning</h2>



Deep learning jelas memiliki peran yang besar dalam kecanggihan teknologi saat ini. Bahkan deep learning tidak hanya berfungsi untuk memudahkan aktivitas penggunanya, namun juga memiliki manfaat yang besar untuk teknologi lainnya. Berikut ini adalah 5 fungsi deep learning yang cukup penting.&nbsp;



<ul><li>Memaksimalkan kinerja data yang tidak terstruktur dalam sebuah aplikasi atau website.</li><li>Menghilangkan kebutuhan akan feature engineering.</li><li>Memiliki kemampuan untuk memberikan hasil berkualitas tinggi.</li><li>Memangkas biaya-biaya yang tidak perlu.</li><li>Menghapus kebutuhan akan data labeling.</li></ul><h2 class="wp-block-heading joli-heading" id="3-tahapan-deep-learning">3 Tahapan Deep Learning</h2>



Algoritma deep learning dibuat oleh lapisan yang saling terhubung satu sama lain. Setiap lapisan terdiri dari neuron yang saling terkait. Untuk membuat model pembelajaran deep learning diperlukan beberapa tahapan seperti:



<ul><li>Pemahaman terhadap masalah</li><li>Identifikasi data</li><li>Memilih algoritma</li><li>Pelatihan model</li><li>Uji coba model</li></ul>Baca juga: <a href="https://pintu.co.id/academy/post/apa-itu-metaverse" target="_blank" rel="noreferrer noopener">Apa itu Metaverse yang Banyak Dibicarakan Orang-Orang?</a>



<h2 class="wp-block-heading joli-heading" id="komponen-komponen-deep-learning">Komponen-Komponen Deep Learning</h2>



Komponen deep learning merupakan sejumlah algoritma yang mempengaruhi proses berjalannya sistem tersebut. Berikut ini merupakan 4 jenis algoritma dalam deep learning.



<h3 class="wp-block-heading joli-heading" id="convolutional-neural-networks-cnn">Convolutional Neural Networks (CNN)</h3>



CNN juga sering disebut dengan ConvNets. Convolutional Neural Networks adalah algoritma yang memiliki beberapa lapisan dengan fungsi utama untuk memproses gambar dan mendeteksi objek.



<h3 class="wp-block-heading joli-heading" id="recurrent-neural-network-rnn">Recurrent Neural Network (RNN)</h3>



Recurrent Neural Network adalah algoritma yang menghasilkan koneksi untuk membentuk siklus teratur. Siklus ini dapat memproses output yang berasal dari LSTM, kemudian dijadikan input untuk fase terkini. Hal ini mungkin terjadi karena memori internal yang dimiliki oleh RNN. Fungsi RNN sendiri biasanya untuk menganalisa deret waktu, memberi caption untuk gambar, hingga mengenali tulisan tangan.



<h3 class="wp-block-heading joli-heading" id="long-short-term-memory-network-lstm">Long Short Term Memory Network (LSTM)</h3>



LSTM termasuk salah satu jenis RNN yang bisa mempelajari dan mengingat ketergantungan jangka panjang, sehingga algoritma satu ini bisa mengingat lagi informasi dari waktu yang sudah lama berlalu. Ini karena LSTM lebih menitikberatkan informasi dibandingkan waktu. Ini membuat LSTM sangat pas untuk memperkirakan deret waktu karena bisa mengingat informasi terdahulu.



<h3 class="wp-block-heading joli-heading" id="self-organizing-maps-som">Self-Organizing Maps (SOM)</h3>



Algoritma SOM dibuat untuk membantu pengguna memahami informasi berdimensi tinggi. SOM bekerja untuk membuat visualisasi data untuk mengurangi dimensi melalui jaringan neutral buatan yang dapat beroperasi secara mandiri.



<h2 class="wp-block-heading joli-heading" id="cara-kerja-deep-learning">Cara Kerja Deep Learning</h2>



<figure class="wp-block-image size-large"><img decoding="async" loading="lazy" width="1024" height="683" src="https://blog.pintu.co.id/wp-content/uploads/2023/02/cara-kerja-deep-learning-1024x683.jpg" alt="cara kerja deep learning" class="wp-image-24188" srcset="https://blog.pintu.co.id/wp-content/uploads/2023/02/cara-kerja-deep-learning-1024x683.jpg 1024w, https://blog.pintu.co.id/wp-content/uploads/2023/02/cara-kerja-deep-learning-300x200.jpg 300w, https://blog.pintu.co.id/wp-content/uploads/2023/02/cara-kerja-deep-learning-768x512.jpg 768w, https://blog.pintu.co.id/wp-content/uploads/2023/02/cara-kerja-deep-learning.jpg 1200w" sizes="(max-width: 1024px) 100vw, 1024px"></figure>Deep learning bekerja dengan berupaya meniru otak manusia melalui kombinasi input data, bobot, dan bias. Ketiga elemen tersebut bekerja sama untuk mengenali, mengklasifikasi, dan menggambarkan objek di dalam data yang ada secara akurat.



Sama halnya seperti jaringan saraf dalam di otak manusia yang terdiri dari beberapa lapis node yang saling terhubung, deep learning juga demikian. Prosesnya disebut dengan forward propagation. Ada juga proses lain bernama backpropagation yang menggunakan algoritma, untuk menghitung kesalahan yang terjadi dalam prediksi, lalu menyesuaikan bobot dan bias dari fungsi dengan bergerak mundur ke seluruh lapisan. Kombinasi kedua sistem ini meningkatkan akurasi algoritma secara bertahap.



<h2 class="wp-block-heading joli-heading" id="contoh-deep-learning">Contoh Deep Learning</h2>



Contoh deep learning adalah penggunaan algoritma khusus oleh Netflix dan YouTube untuk memberikan rekomendasi video atau konten kepada para penggunanya. Kebiasaan dan minat pengguna dipelajari oleh teknologi canggih tersebut untuk menemukan video-video lain yang mungkin mereka sukai.&nbsp;



Sementara itu, beberapa contoh penerapan deep learning dalam kehidupan sehari-hari adalah: 



<ul><li>Tesla dalam bentuk mobil tanpa pengemudi</li><li>Alea dan Siri dalam bentuk asisten personal digital yang dapat menjalankan perintah dalam bentuk suara</li><li>Amazon, melalui Amazon Web Service</li><li>Facebook, melalui DeepText (deep learning berbasis text engine) yang dapat memahami ribuan postingan dalam hitungan detik.&nbsp;</li><li>Google, framework deep learning yang dimiliki google adalah TensorFlow </li></ul>Itu dia penjelasan lengkap mengenai apa itu deep learning dan contohnya. Semoga informasi ini bermanfaat! Kamu bisa menemukan informasi lainnya seputar teknologi AI, finansial hingga ekonomi di Pintu Blog.&nbsp;



Belakangan ini, teknologi AI memang tengah diminati masyarakat luas, termasuk di dunia crypto. Crypto AI sendiri menjadi salah satu topik yang tengah banyak dibahas, dengan beberapa token AI seperti the <a href="https://pintu.co.id/market/grt">Graph (GRT)</a> dan <a href="https://pintu.co.id/market/ocean">Ocean Protocol (OCEAN)</a> mengalami peningkatan nilai hingga ratusan persen di awal tahun 2023 ini.&nbsp;



Buat kamu yang tertarik untuk berinvestasi dan <a href="https://pintu.co.id/academy">belajar crypto</a>, kamu bisa melakukannya di Pintu! Pintu adalah <a href="https://pintu.co.id/">aplikasi crypto Indonesia</a> yang telah terdaftar resmi di Bappebti, di mana kamu bisa berinvestasi mulai dari Rp11.000 saja.&nbsp;



Referensi:&nbsp;



<ul><li>AWS Amazon. <a href="https://aws.amazon.com/id/what-is/deep-learning/">Apa itu Deep Learning?</a> Diakses pada 13 Februari 2023.</li><li>Becoming Human. <a href="https://becominghuman.ai/deep-learning-and-its-5-advantages-eaeee1f31c86">Deep Learning and Its 5 Advantages</a>. Diakses pada 13 Februari 2023.</li><li>IBM. <a href="https://www.ibm.com/id-en/topics/deep-learning">Deep Learning</a>. Diakses pada 13 Februari 2023.</li><li>Jason Brownlee. <a href="https://machinelearningmastery.com/what-is-deep-learning/">What is Deep Learning?</a> Diakses pada 13 Februari 2023.</li><li>Math Works. <a href="https://www.mathworks.com/discovery/deep-learning.html">What Is Deep Learning?</a> Diakses pada 13 Februari 2023.</li><li>Tech Target. <a href="https://www.techtarget.com/searchenterpriseai/definition/deep-learning-deep-neural-network">Deep Learning</a>. Diakses pada 13 Februari 2023.</li></ul></body></html>

Apa itu Deep Learning dan Contohnya? Keren Banget Ternyata!

Artikel Terkait

7 Contoh Aplikasi Kecerdasan Buatan yang Harus Kamu Tahu

7 Contoh Aplikasi Kecerdasan Buatan yang Harus Kamu Tahu

Pengertian dan Dasar Pembentukan Portofolio Optimal dan Efisien, Ini Bedanya!

Pengertian dan Dasar Pembentukan Portofolio Optimal dan Efisien, Ini Bedanya!

Commercial Invoice: Fungsi, Contoh dan Cara Membuatnya

Commercial Invoice: Fungsi, Contoh dan Cara Membuatnya

PINTU NFT WEEK: RRQ Royal Card Membership NFT

PINTU NFT WEEK: RRQ Royal Card Membership NFT

Artikel Blog Terbaru

Pintu Web3 x zkSwap Finance: Selesaikan Semua Quest-nya & Raih Total Hadiah 1000 USD!

Pintu Web3 x zkSwap Finance: Selesaikan Semua Quest-nya & Raih Total Hadiah 1000 USD!

Cara Bridge Token Secara Mudah

Cara Bridge Token Secara Mudah

Pengumuman Pemenang Trading Competition Maret 2024

Pengumuman Pemenang Trading Competition Maret 2024

Pintu Listing Token Baru: Foxy (FOXY)

Pintu Listing Token Baru: Foxy (FOXY)

Dukungan Network Baru dari Blockchain ERC20, BSC, SOL, dan BASE Kini Tersedia di Pintu!

Dukungan Network Baru dari Blockchain ERC20, BSC, SOL, dan BASE Kini Tersedia di Pintu!