
<html><body><span class="rt-reading-time" style="display: block;"><span class="rt-label rt-prefix">Reading Time: </span> <span class="rt-time">4</span> <span class="rt-label rt-postfix">minutes</span></span>
<p>Dalam metode <a href="https://pintu.co.id/blog/algortima-deep-learning-adalah">deep learning</a>, neural network memiliki peran yang sangat krusial. Saat ini sendiri, terdapat dua algoritma neural network yang digunakan, yaitu Convolutional Neural Network (CNN) dan Artificial Neural Network (ANN). Keduanya punya keunggulan masing-masing yang akan diulas secara lebih dalam di artikel berikut!</p><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">
                <span id="title-label">Daftar Isi</span>
            </div>
                    </header>
                <ul class="joli-nav"><li class="item"><a href="#apa-itu-convolutional-neural-network-cnn" title="Apa itu Convolutional Neural Network (CNN)?" class="joli-h2">Apa itu Convolutional Neural Network (CNN)?</a><ul><li class="subitem"><a href="#pengertian-cnn" title="Pengertian CNN" class="joli-h3">Pengertian CNN</a></li><li class="subitem"><a href="#cara-kerja-cnn" title="Cara Kerja CNN" class="joli-h3">Cara Kerja CNN</a></li><li class="subitem"><a href="#kelebihan-dan-kekurangan-cnn" title="Kelebihan dan Kekurangan CNN" class="joli-h3">Kelebihan dan Kekurangan CNN</a></li><li class="subitem"><a href="#bagaimana-arsitektur-cnn" title="Bagaimana Arsitektur CNN?" class="joli-h3">Bagaimana Arsitektur CNN?</a></li></ul></li><li class="item"><a href="#apa-itu-artificial-neural-network-ann" title="Apa itu Artificial Neural Network (ANN)?" class="joli-h2">Apa itu Artificial Neural Network (ANN)?</a><ul><li class="subitem"><a href="#pengertian-ann" title="Pengertian ANN" class="joli-h3">Pengertian ANN</a></li><li class="subitem"><a href="#cara-kerja-ann" title="Cara Kerja ANN" class="joli-h3">Cara Kerja ANN</a></li><li class="subitem"><a href="#kelebihan-dan-kekurangan-ann" title="Kelebihan dan Kekurangan ANN" class="joli-h3">Kelebihan dan Kekurangan ANN</a></li><li class="subitem"><a href="#bagaimana-arsitektur-ann" title="Bagaimana Arsitektur ANN?" class="joli-h3">Bagaimana Arsitektur ANN?</a></li></ul></li><li class="item"><a href="#perbedaan-ann-dan-cnn" title="Perbedaan ANN dan CNN" class="joli-h2">Perbedaan ANN dan CNN</a></li></ul>                    </nav>
</div>
</body></html>



<h2 class="wp-block-heading joli-heading" id="apa-itu-convolutional-neural-network-cnn">Apa itu Convolutional Neural Network (CNN)?</h2>



<div class="wp-block-image"><figure class="aligncenter size-full"><img decoding="async" loading="lazy" width="1024" height="611" src="https://blog.pintu.co.id/wp-content/uploads/2023/04/arsitektur-convolutional-neural-networks.webp" alt="arsitektur convolutional neural networks" class="wp-image-27525"><figcaption><em>(learnopencv.com)</em></figcaption></figure></div>



<h3 class="wp-block-heading joli-heading" id="pengertian-cnn">Pengertian CNN</h3>



<p><strong>Convolutional Neural Network adalah</strong> jenis neural network yang populer dalam pemrosesan citra visual. Jaringan ini adalah bagian dari deep neural network dan berupa jaringan saraf tiruan yang digunakan untuk mengenali dan memproses gambar.</p>



<p>CNN dirancang untuk memproses data piksel dan citra visual. Kemampuan kerjanya dinilai lebih efektif dibandingkan neural network sejenis karena memiliki neuron yang menyerupai visual <em>cortex</em> pada lobus frontal otak manusia.</p>



<p><strong>Baca juga: </strong><a href="https://pintu.co.id/blog/image-segmentation-ai"><strong>Apa itu Image Segmentation dan Contohnya?</strong></a></p>



<h3 class="wp-block-heading joli-heading" id="cara-kerja-cnn">Cara Kerja CNN</h3>



<p><strong>Cara kerja Convolutional Neural Network adalah </strong>dengan memodifikasi perhitungan matematika untuk memproyeksikan gambar. Jika neural network biasa mengubah <em>input</em> melalui <em>hidden layer</em>, maka CNN bisa menggunakan komponen <em>convolutional.</em></p>



<p>Hanya sebagian kecil node dalam satu layer yang terhubung dengan node di layer berikutnya. Algoritma menjalankan operasi <em>convolution</em> dan <em>pooling</em> untuk mengumpulkan fitur-fitur yang terdeteksi, kemudian memetakan fitur-fitur tersebut. Meski visual yang dianalisis berbentuk 2D, CNN tetap bekerja secara 3D dan menyimpan semua hasil pemetaan dalam peta fitur yang berbeda-beda. Setiap peta fitur kemudian diambil dan digabungkan untuk menjadi hasil akhir.</p>



<h3 class="wp-block-heading joli-heading" id="kelebihan-dan-kekurangan-cnn">Kelebihan dan Kekurangan CNN</h3>



<p>Berikut ini adalah beberapa kelebihan CNN:</p>



<ul><li>Memberikan hasil yang lebih representatif dalam bentuk 3D.</li><li>Mampu menerima dan memproses banyak input sekaligus dalam satu waktu.</li><li>Penggunaannya lebih luas dan bisa diaplikasikan dalam berbagai bidang.</li><li>Lebih hemat daya.</li></ul><p>Sementara beberapa kekurangan yang dimiliki CNN antara lain:</p>



<ul><li>Biaya operasional yang mahal.</li><li>Bila ada ketidakstabilan <em>input</em>, maka kinerja CNN bisa menurun.</li></ul><h3 class="wp-block-heading joli-heading" id="bagaimana-arsitektur-cnn">Bagaimana Arsitektur CNN?</h3>



<p>Arsitektur CNN meniru otak manusia dan hewan, terutama dalam cara kerja korteks dan sistem sarafnya. Terdapat tiga layer di dalamnya yaitu <em>weight</em>,<em> height</em>, dan <em>deep</em> secara berurutan. <em>Deep</em> merupakan layer ketiga yang membuat tampilan visual 2D menjadi 3D.</p>



<h2 class="wp-block-heading joli-heading" id="apa-itu-artificial-neural-network-ann">Apa itu Artificial Neural Network (ANN)?</h2>



<div class="wp-block-image"><figure class="aligncenter size-full"><img decoding="async" loading="lazy" width="694" height="434" src="https://blog.pintu.co.id/wp-content/uploads/2023/04/arsitektur-artificial-neural-network.webp" alt="arsitektur artificial neural network" class="wp-image-27526"><figcaption><em>(analyticsvidhya.com)</em></figcaption></figure></div>



<h3 class="wp-block-heading joli-heading" id="pengertian-ann">Pengertian ANN</h3>



<p><strong>Artificial Neural Network adalah</strong> model komputasi yang meniru cara kerja sel saraf di otak&nbsp; manusia. Jaringan saraf tiruan ini menggunakan algoritma pembelajaran yang secara mandiri bisa melakukan penyesuaian atau pembelajaran ketika mereka menerima <em>input</em> baru. ANN terdiri dari beberapa lapisan yang terdiri dari lapisan output (<em>output layer)</em>, lapisan tersembunyi (<em>hidden layer</em>), dan lapisan output (<em>output layer</em>).&nbsp;</p>



<h3 class="wp-block-heading joli-heading" id="cara-kerja-ann">Cara Kerja ANN</h3>



<p>ANN terdiri dari sejumlah saraf yang terhubung satu sama lain dan bereaksi terhadap ukuran beban tertentu. Apabila <em>output</em> dari salah satu ujung saraf lebih berat dari ukuran yang diprogramkan ke ANN, maka saraf akan aktif. Saraf kemudian akan mengirimkan data ke layer atau jaringan. Namun jika <em>output</em> saraf tidak mencapai beban tertentu, maka tidak akan ada data apapun yang dikirimkan.</p>



<p>ANN cukup tergantung pada data yang diinput ke dalamnya untuk mengembangkan akurasi mereka dari waktu ke waktu.</p>



<h3 class="wp-block-heading joli-heading" id="kelebihan-dan-kekurangan-ann">Kelebihan dan Kekurangan ANN</h3>



<p>Kelebihan yang dimiliki <em>Artificial Neural Network</em> adalah kemampuannya untuk melakukan banyak tugas secara bersamaan. Selain itu, ANN juga mampu menyimpan data di seluruh jaringan sehingga proses kerjanya tidak akan terganggu karena adanya data yang hilang. Keunggulan lainnya adalah ANN mampu menghasilkan <em>output </em>yang memadai meski<em> input </em>yang diterima minimal.</p>



<p>Sementara itu, ANN juga memiliki sejumlah kekurangan antara lain adalah memakan daya yang lebih besar dibandingkan CNN dan sangat bergantung pada kekuatan <em>hardware</em>. Tidak hanya itu, durasi jaringan, struktur, dan perilaku ANN seringkali sulit untuk dikenali.</p>



<p><strong>Baca juga: </strong><a href="https://pintu.co.id/blog/image-recognition-adalah"><strong>Mengenal Image Recognition dalam AI</strong></a></p>



<h3 class="wp-block-heading joli-heading" id="bagaimana-arsitektur-ann">Bagaimana Arsitektur ANN?</h3>



<p>Sama seperti CNN, arsitektur ANN meniru saraf manusia. ANN memiliki komponen seperti dendrit, sel nukleus, sinapsis, dan akson namun dengan nama yang berbeda. Dalam ANN, dendrit adalah <em>input</em>, sel nukleus adalah node, sinapsis adalah bobot, dan akson adalah output.</p>



<h2 class="wp-block-heading joli-heading" id="perbedaan-ann-dan-cnn">Perbedaan ANN dan CNN</h2>



<p>Perbedaan yang paling mencolok dari ANN dan CNN terletak pada posisi node-nya. Dalam ANN, node pada sebuah layer terpisah dengan node di layer berikutnya. Berbeda halnya dengan CNN yang memiliki sebagian kecil node yang saling tersambung antar layer. Inilah yang membuat CNN lebih hemat daya.</p>



<p>Selengkapnya mengenai perbedaan ANN dan CNN bisa kamu simak di tabel berikut ini!</p>



<figure class="wp-block-table"><table><tbody><tr><td><strong>Aspek</strong></td><td><strong>CNN</strong></td><td><strong>ANN</strong></td></tr><tr><td>Arsitektur</td><td>CNN memiliki arsitektur yang terdiri dari lapisan konvolusi (convolution layer) dan lapisan pooling (pooling layer), serta lapisan-lapisan lain seperti lapisan aktivasi (activation layer) dan lapisan penuh terhubung (fully connected layer).</td><td>ANN memiliki arsitektur yang terdiri dari satu atau beberapa lapisan tersembunyi (hidden layer) yang terhubung dengan lapisan input dan output.</td></tr><tr><td>Fokus aplikasi</td><td>CNN lebih sering digunakan untuk tugas-tugas computer vision, seperti pengenalan gambar, segmentasi objek, dan klasifikasi citra.</td><td>ANN digunakan untuk berbagai tugas machine learning, seperti klasifikasi data, regresi, dan pemrosesan bahasa alami.</td></tr><tr><td>Input</td><td>CNN dapat mengambil input berupa citra atau data spasial yang terstruktur, seperti data sensori dari kendaraan otonom atau data medis.</td><td>ANN dapat mengambil input dalam berbagai bentuk, seperti angka, teks, atau vektor.</td></tr><tr><td>Proses Feature Extraction</td><td>CNN secara otomatis melakukan feature extraction dari data input, yaitu mengidentifikasi fitur-fitur penting dalam data tanpa perlu disediakan secara manual.</td><td>ANN membutuhkan fitur-fitur yang telah di-ekstraksi sebelumnya untuk dijadikan sebagai input.</td></tr><tr><td>Komputasi</td><td>CNN memanfaatkan operasi konvolusi dan pooling, yang memungkinkan komputasi yang lebih efisien pada data spasial dengan ukuran besar.</td><td>ANN menggunakan operasi perkalian matriks pada setiap lapisannya, sehingga cocok untuk data dengan ukuran relatif kecil.</td></tr><tr><td>Keakuratan</td><td>CNN cenderung memiliki akurasi yang lebih baik dalam tugas-tugas computer vision, karena kemampuannya dalam melakukan feature extraction pada data spasial.</td><td>ANN cenderung kurang akurat dalam tugas-tugas computer vision, tetapi cocok untuk tugas-tugas machine learning yang tidak melibatkan data spasial.</td></tr><tr><td>Ketersediaan Data</td><td>CNN membutuhkan lebih banyak data untuk melakukan pelatihan yang efektif, terutama untuk model yang kompleks.</td><td>ANN dapat dilatih dengan data yang relatif kecil, tetapi kinerjanya akan meningkat dengan penambahan data yang lebih banyak</td></tr></tbody></table></figure><p>Itu dia penjelasan lengkap tentang apa itu Convolutional Neural Networks serta perbedaannya dengan Artificial Neural Network. Keduanya sendiri memiliki fungsi yang sangat besar dalam dunia AI.&nbsp;</p>



<p>Kamu bisa menemukan informasi lain berkaitan AI dan teknologi terbaru seperti <em>crypto </em>di <a href="https://pintu.co.id/blog">Pintu Blog</a>. <em>Crypto</em> adalah aset yang memanfaatkan teknologi <a href="https://pintu.co.id/academy/post/bagaimana-cara-kerja-blockchain">blockchain</a> dan baru menjadi populer beberapa tahun belakangan ini. Tertarik berinvestasi <em>crypto</em> secara aman dan mudah serta bisa dilakukan di mana saja? Download <a href="https://apps.pintu.co.id/fjuG/blogpintu">aplikasi <em>crypto</em></a><em> </em>Pintu sekarang!</p>



<figure class="wp-block-embed is-type-video is-provider-youtube wp-block-embed-youtube wp-embed-aspect-16-9 wp-has-aspect-ratio"><div class="wp-block-embed__wrapper">
<iframe loading="lazy" title="Fiverse: Platform Web3 Indonesia dengan Teknologi AI!" width="1778" height="1000" src="https://www.youtube.com/embed/CBBukRiLbI4?feature=oembed" frameborder="0" allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share" allowfullscreen></iframe>
</div></figure><p><strong>Referensi:&nbsp;</strong></p>



<ul><li>IBM. <a href="https://www.ibm.com/topics/convolutional-neural-networks">Convolutional Neural Networks</a>. Diakses tanggal April 2023</li><li>MathWorks. <a href="https://www.mathworks.com/discovery/convolutional-neural-network-matlab.html">What Is a Convolutional Neural Network?</a> Diakses tanggal April 2023</li><li>Sumit Saha. <a href="https://towardsdatascience.com/a-comprehensive-guide-to-convolutional-neural-networks-the-eli5-way-3bd2b1164a53">A Comprehensive Guide to Convolutional Neural Networks</a>. Diakses tanggal April 2023</li></ul></body></html>

Bagian Penting AI, Apa itu Convolutional Neural Networks dan ANN?

Artikel Terkait

Debit Note: Pengertian, Fungsi, dan Penggunaannya

Debit Note: Pengertian, Fungsi, dan Penggunaannya

Apa Itu Computer Vision dalam AI dan 3 Fungsinya?

Apa Itu Computer Vision dalam AI dan 3 Fungsinya?

9 Unsur-Unsur Kredit yang Mendasari Pemberian Kredit

9 Unsur-Unsur Kredit yang Mendasari Pemberian Kredit

7 Contoh Aplikasi Kecerdasan Buatan yang Harus Kamu Tahu

7 Contoh Aplikasi Kecerdasan Buatan yang Harus Kamu Tahu

Artikel Blog Terbaru

Raih Hadiah Total USD 2000 dalam Token $SAND bersama Pintu Web3 dan Sandbox

Raih Hadiah Total USD 2000 dalam Token $SAND bersama Pintu Web3 dan Sandbox

Tutorial Bergabung Kompetisi Pintu Web3 x Sandbox & Menangkan Total Hadiah 2.000 USD!

Tutorial Bergabung Kompetisi Pintu Web3 x Sandbox & Menangkan Total Hadiah 2.000 USD!

Dapatkan Hadiah Mulai dari Rp50 Juta, Yuk Gabung Pintu Trading Competition Juni 2024!

Dapatkan Hadiah Mulai dari Rp50 Juta, Yuk Gabung Pintu Trading Competition Juni 2024!

Beli Crypto Pertamamu, Dapatkan Rewards USDT Senilai Rp80.000

Beli Crypto Pertamamu, Dapatkan Rewards USDT Senilai Rp80.000

Pintu Listing Token Baru 14 Mei 2024: Mask Network (MASK)

Pintu Listing Token Baru 14 Mei 2024: Mask Network (MASK)