Jaringan Saraf Konvolusional (CNN) Itu Apa? Penjelasan Mudah
Jaringan saraf konvolusional (convolutional neural network, CNN) adalah jenis jaringan saraf yang dirancang untuk mengolah data berpola grid seperti gambar, dengan memakai filter kecil yang meluncur di atas data untuk mengenali pola secara bertahap. CNN belajar menemukan tepi, tekstur, lalu bentuk yang lebih kompleks, tanpa seseorang harus menentukan fitur secara manual. Model ini banyak dipakai dalam visi komputer, mulai dari klasifikasi gambar hingga deteksi objek.
Bila Anda sudah membaca jaringan saraf tiruan, bayangkan CNN sebagai versi yang lebih hemat untuk gambar. Alih-alih menghubungkan setiap piksel ke setiap neuron, CNN hanya menghubungkan neuron ke sebagian kecil area di depannya.
Mengapa CNN Dibutuhkan
Gambar berukuran 100 × 100 piksel memiliki 10.000 titik, dan lebih banyak lagi untuk gambar berwarna. Bila lapisan biasa (fully connected) menghubungkan semua titik itu ke ribuan neuron, jumlah bobot menjadi sangat besar, boros, dan mudah menyebabkan overfitting.
CNN mengatasi masalah ini dengan dua prinsip:
- Konektivitas lokal: setiap neuron hanya melihat area kecil dari input, bukan seluruh gambar.
- Bobot bersama (shared weights): filter yang sama dipakai di semua posisi, sehingga satu pola, misalnya tepi, dapat dideteksi di mana pun letaknya.
Wikipedia bahasa Indonesia mencatat bahwa struktur ini membantu mengurangi masalah gradien menghilang dan gradien meledak karena memakai bobot teregularisasi pada koneksi yang lebih sedikit.
Komponen Utama CNN
Sebuah CNN umumnya tersusun dari beberapa jenis lapisan yang berulang.
Lapisan Konvolusi
Ini adalah inti dari CNN. Sekumpulan filter (kernel) berukuran kecil, misalnya 3 × 3 atau 5 × 5, meluncur melintasi lebar dan tinggi input. Di setiap posisi, filter menghitung hasil kali antara nilainya dengan nilai piksel yang tertutup, menghasilkan satu angka. Kumpulan angka dari seluruh posisi membentuk peta fitur (feature map).
Setiap filter cenderung mengenali satu pola. Filter awal sering mengenali tepi atau garis, sedangkan lapisan lebih dalam menggabungkannya menjadi tekstur dan bagian objek.
Beberapa istilah penting pada lapisan ini:
- Langkah (stride): seberapa jauh filter bergeser tiap kali. Stride 2 berarti filter melompat dua piksel, sehingga output mengecil.
- Bantalan (padding): menambahkan piksel kosong di tepi input agar ukuran output dapat dijaga.
- Bidang penerimaan (receptive field): area input yang "dilihat" oleh satu neuron.
Fungsi Aktivasi
Setelah konvolusi, biasanya diterapkan fungsi aktivasi seperti ReLU yang mengubah nilai negatif menjadi nol. Ini menambah sifat non-linear sehingga jaringan dapat mempelajari pola yang rumit, bukan sekadar hubungan garis lurus.
Lapisan Penyatuan (Pooling)
Pooling mengecilkan ukuran peta fitur dengan merangkum area kecil. Dua jenis yang umum:
- Max pooling: mengambil nilai terbesar dalam tiap area.
- Average pooling: mengambil nilai rata-rata.
Pooling mengurangi jumlah komputasi dan membuat representasi lebih tahan terhadap pergeseran kecil posisi objek.
Lapisan Terhubung Penuh
Di bagian akhir, peta fitur diratakan menjadi vektor dan masuk ke lapisan fully connected yang mengambil keputusan, misalnya menebak kelas "kucing" atau "sepeda", sering kali dengan fungsi softmax yang menghasilkan probabilitas.
Cara Data Mengalir dalam CNN
Urutan khas sebuah jaringan untuk klasifikasi gambar adalah sebagai berikut.
- Gambar masuk sebagai susunan angka piksel.
- Lapisan konvolusi pertama menghasilkan peta fitur tepi dan garis.
- ReLU dan pooling merangkum hasilnya.
- Blok konvolusi berikutnya mengenali tekstur dan bentuk yang lebih kompleks.
- Setelah beberapa blok, lapisan fully connected menebak kelas.
- Selama pelatihan, propagasi balik memperbarui bobot filter berdasarkan kesalahan.
Ringkasan Perbedaan Lapisan
| Jenis lapisan | Tugas utama | Hasil |
|---|---|---|
| Konvolusi | Mendeteksi pola dengan filter | Peta fitur |
| Aktivasi (ReLU) | Menambah non-linearitas | Peta fitur yang aktif |
| Pooling | Mengecilkan dan merangkum | Representasi lebih ringkas |
| Fully connected | Mengambil keputusan akhir | Probabilitas kelas |
Mengapa CNN Hemat Bobot
Sebagai gambaran, untuk gambar 100 × 100, lapisan fully connected bisa membutuhkan 10.000 bobot per neuron. Dengan kernel 5 × 5, satu filter hanya membutuhkan 25 bobot, dan bobot yang sama dipakai di seluruh posisi. Karena jumlah parameter jauh lebih kecil, kebutuhan data dan risiko overfitting ikut turun, meskipun CNN tetap membutuhkan banyak data untuk hasil yang stabil.
Kelebihan dan Hal yang Perlu Diperhatikan
BINUS School of Information Systems merangkum beberapa sisi praktis CNN.
- Kelebihan: belajar mengekstraksi filter secara otomatis, akurasi tinggi pada pengenalan gambar, dan jumlah parameter lebih kecil dibanding jaringan fully connected.
- Hal yang perlu diperhatikan: butuh data pelatihan yang cukup, waktu pelatihan bisa lama, dan overfitting tetap mungkin terjadi bila data terlalu sedikit atau tidak bervariasi.
Pertanyaan yang Sering Diajukan
Apa bedanya CNN dengan jaringan saraf biasa?
Jaringan biasa menghubungkan setiap neuron ke semua input, sehingga jumlah bobotnya besar untuk gambar. CNN memakai koneksi lokal dan bobot bersama, sehingga lebih hemat dan memanfaatkan hubungan posisi antar piksel.
Apa itu filter atau kernel?
Filter adalah matriks kecil yang meluncur di atas gambar untuk menghitung kecocokan pola. Hasil geserannya membentuk peta fitur yang menunjukkan di mana pola tertentu muncul.
Apakah CNN hanya untuk gambar?
Tidak. CNN juga dipakai untuk data bergrid atau berurutan lain seperti sinyal, audio, dan teks, tetapi penggunaan paling umum memang pada gambar dan visi komputer.
Apa fungsi pooling?
Pooling merangkum area kecil menjadi satu nilai, mengecilkan ukuran peta fitur, menghemat komputasi, dan membuat model lebih tahan terhadap pergeseran kecil objek.
Ringkasan
Jaringan saraf konvolusional memakai filter yang meluncur, koneksi lokal, dan bobot bersama untuk mengenali pola gambar secara bertahap dengan parameter yang lebih hemat. Lapisan konvolusi, aktivasi, pooling, dan lapisan terhubung penuh bekerja bersama menuju keputusan akhir. Untuk memahami konteks lebih luas, baca juga penjelasan tentang visi komputer dan jaringan saraf berulang.
Sources
Learn by doing
Read a guide, then practice with bite-sized AI lessons you can take offline.
Start learning free