DEEP LEARNING WITH R AND TENSORFLOW

Assalamualikum teman-teman… Kali ini saya mau sharing tentang Deep Learning. Apa sih Deep Learning itu? Deep Learning adalah salah satu cabang Machine Learning(ML) yang menggunakan Deep Neural Network untuk menyelesaikan permasalahan pada domain ML

Artificial Intelligence atau Kecerdasan Buatan adalah istilah yang sangat luas yang bertujuan untuk membawa perilaku cerdas ke dalam mesin. Machine Learning dapat dianggap sebagai salah satu filosofi yang mana tujuan utamanya adalah, “bukan mesin pemrograman secara eksplisit, hanya memberi mereka data dan biarkan mereka belajar”.

Convolutional Neural Network (CNN) adalah pengembangan dari Multilayer Perceptron (MLP) yang didesain untuk mengolah data dua dimensi. CNN termasuk dalam jenis Deep Neural Network karena kedalaman jaringan yang tinggi dan banyak diaplikasikan pada data citra. Pada kasus klasifikasi citra, MLP kurang sesuai untuk digunakan karena tidak menyimpan informasi spasial dari data citra dan menganggap setiap piksel adalah fitur yang independen sehingga menghasilkan hasil yang kurang baik.

Machine learning (ML) adalah sub bidang dari artificial intelligence (AI). Machine learning bertujuan untuk membawa kecerdasan buatan melalui belajar dari data. Data digunakan machine learning sebagai kode untuk komputasi tradisional. Cara lain untuk memperoleh kecerdasan dalam mesin bisa melalui pemrograman logis, penalaran induktif berdasarkan aturan dasar dan sebagainya. Dengan demikian machine learning dapat dianggap sebagai salah satu pendekatan menuju kecerdasan buatan. Berdasarkan sifat dari berbagai masalah yang ada dan kelimpahan data untuk masalah itu, wajar saja bahwa machine learning merupakan pendekatan untuk mencapai AI. Fakta bahwa korpus data sangat besar dan terus meningkat, sumber daya komputasi (mesin dan manusia) terbatas dan tidak mungkin untuk bekerja melalui pemrograman berbasis aturan telah mendorong pendekatan AI keseluruhan terhadap ML.

Deep learning di sisi lain adalah metode machine learning yang berkembang pesat. Dalam pengaturan machine learning yang normal, salah satu masalah yang paling sulit adalah rekayasa fitur. Rekayasa fitur berkaitan dengan ekstraksi fitur yang sesuai yang dapat dimasukkan ke dalam model. Jika fitur tidak lengkap atau kurang, model ini cacat (bias tinggi) dan jika fitur terlalu banyak dan tidak semuanya berkontribusi pada keluaran model, model ini kembali cacat (varian tinggi). Jika kita memiliki terlalu banyak fitur, kita memerlukan dataset yang sangat sangat besar untuk dipelajari dari model yang salah. Dalam machine learning ada sub-bidang yang disebut ‘pembelajaran representasional’ juga dikenal sebagai ‘pembelajaran fitur’ yang bertujuan mengekstrak fitur dari data seperti gambar di mana fitur pengambilan tangan oleh insinyur manusia sama sekali tidak layak.

Deep learning didasarkan pada pembelajaran representasional. Implementasi itu terdiri dari banyak lapisan jaringan saraf (lebih tinggi jumlah lapisan, lebih dalam model) di mana setiap lapisan mendapat masukan dari lapisan sebelumnya dan dibagikan ke lapisan berikutnya. Lapisan permulaan berhubungan dengan fitur yang lebih umum dan kasar dan ketika jaringan semakin dalam, ia dapat mempelajari perincian yang lebih baik dari dataset yang akhirnya memberikan output dengan faktor keyakinan tertentu. Fungsionalitas mereka terinspirasi oleh cara kerja neuron mamalia. Neuron bekerja dengan mengambil sinyal kimia input dan berdasarkan ambang tertentu sinyal akan dilewatkan atau diblokir. Perilaku seperti itu di emulasikan menggunakan berbagai fungsi matematika (fungsi sigmoid menjadi yang paling umum) ketika mengimplementasikan jaringan saraf. Meskipun begitu mereka membutuhkan begitu banyak data pelatihan untuk berkinerja baik.

Selanjutnya langkah-langkah yang dilakukan untuk memulai Deep Learning dengan aplikasi R adalah sebagai berikut.

1. Langkah pertama adalah download data berupa gambar dengan format jpg lalu disimpan dalam file baru yang dinamakan gambar.

· Data gambar

Data gambar yang digunakan ada sebanyak 12 gambar dan 2 jenis yaitu gambar 6 kucing dan 6 kue yang masing-masing berformat jpg.

2. Kemudian pada R studio install 4 package yang diperlukan lalu panggil packages tersebut dengan menggunakan perintah berikut

3. Untuk melihat apakah packages sudah terinstal gunakan perintah berikut

4. Kemudian membuat set directory disesuaikan dengan tempat penyimpanan gambar dan hasil resize gambar dengan melakukan perintah berikut.

5. Kemudian memanggil data gambar dengan mengubah ukuran dari data menjadi 100 x 100 pixels menggunakan perintah berikut.

Dan akan muncul hasil outpust sebagai berikut:

Pada gambar diatas dapat diketahui bahwa tampilan “done 1” sampai “done 12” memiliki arti bahwa semua gambar berhasil dipanggil dan berhasil di ubah ukuran (resize) pixelsnya .

6. Kemudian membuat set directory lagi dengan folder baru dari hasil resize gambar yang dinamakan folder hasil lalu memangil gambar tersebut dengan perintah berikut.

Maka akan muncul tampilan output seperti berikut.

7. Selanjutnya untuk melihat struktur dari gambar hasil resize dapat menggunakan perintah berikut.

Maka akan muncul tampilan output seperti berikut.

8. Selanjutnya melihat salah satu gambar dari haril gambar yang telah di resize dengan menggukan perintah berikut.

Maka akan diperoleh hasil tampilan output gambar ke 7 seperti berikut.

Ini merupakan gambar yang telah berhasil dilakukan perubahan pixels nya, jika di zoom maka akan terlihat kotak-kotak pixels yang memisahkan antara warna maupun bentuk satu dengan yang lainnya

9. Kemudian untuk melihat dimensi gambar dapat dilakukan dengan menggunakan perintah berikut.

Maka akan muncul tampilan output berikut.

Berdasarkan hasil output diatas dapat diketahui bahwa dimensi dari gambar ke-7 adalah 100 X 100 X 3

10. Selanjutnya membuat data training dan data testingnya dengan menggunakan perrintah berikut.

Berdasarkan gambar diatas dapat diketahu bahwa data training yang digunakan adalah dari gambar 1 sampai dengan 4 dan 7 sampai dengan 10 dan data testing dari gambar 5 sampai dengan 6 dan 11 sampai dengan 12.

11. Kemudian memanggil data training dengan menggunakan perintah berikut

Maka akan muncul tampilan output seperti berikut.

Berdasarkan hasil output dapat dilihat bahwa pada data 5 atau gambar ke 5 dapat dilihat bahwa mode dari data sendiri yaitu memiliki warna dengan dimensi 100x100x3 dan matrix tersebut merupakan data pixel yang diperlihatkan dari hasil

12. Selanjutnya melihat hasil gambar pada Micrososft Excel yang telah disimpan ke dalam folder datatrain.csv menggunakan perintah berikut.

Maka akan muncul tampilan output di Excel seperti berikut.

Berdasarkan hasil pada excel dapat diketahu bahwa terdapat 100 baris dan X300. Maka terdapat sekitar 300000 gambar ketika dibuka di excel

13. Selanjutnya menampilkan gambar dari data training yang dapat dilakukan dengan menggunakan perintah berikut.

Maka akan muncul tampilan output seperti berikut.

14. Kemudian membuat ukuran ulang gambar menggunakan size 32x32 dengan menggunakan perintah berikut.

15. Lalu gambar hasil resize ulang ditampilkan menggunakan gambar data training menggunakan perintah berikut.

Maka diperoleh hasil seperti berikut.

16. Selanjutnya melihat dimensi dari data training dan diperoleh hasil dimensi data yaitu 32, 32, 3 dan 8.

17. Kemudian membuat kombinasi dari data training dan data testing dengan menggunakan perintah berikut.

18. Selanjutnya yaitu melihat dimensi dari gambar pada data training maupun data testing seperti berikut.

19. Kemudian menyusun ulang data training dengan menggunakan perintah berikut.

Berdasarkan hasil output diatas dapat diketahui bahwa dimensi data training yang disusun ulang yaitu 8, 32, 32 dan 3 sementara dimensi untuk data testingnya adalah 4, 32, 32 dan 3

20. Lalu mengklasifikasikan training dan testing dalam bentuk kategori dengan menggunakan perintah berikut

Maka akan muncul tampilan output seperti berikut.

21. Selanjutnya membuat label dari data target dengan menggunakan perintah trainLabels dan testLabels seperti berikut.

Maka didapatkan hasil dalam bentuk kategori 0 dan 1.

Demikian penjelasan singkat dari saya mengenai Deep Learning with R semoga bermanfaat buat kita semuaa.. see youu… Wassalamualikum Wr Wb.

Add a comment

What is your view?

Send

Related posts:

Time Well Spent

I am the divorced mother of a millennial. Today I speculated that the last 30 years of my life have been misspent on delusion. Wasted on the belief that raising my son to be a good, decent, kind… Read more

Reflections on the ISO

I was an active member for a decade, “cadre” perhaps, though never in leadership, and a paper member for a few more years. These are some reflections on that time — both personal & political… Read more

Organ transplant and heart transplant

Organ transplantation has revolutionized modern medicine by providing a new lease of life to millions of people across the globe. The transplantation of organs such as the heart, liver, kidneys… Read more