DepokNews–Universitas Gunadarma bersama dengan Asosiasi Pendidikan Tinggi Informatika dan Komputer (Aptikom) telah sukses menyelenggarakan workshop bertajuk “Fundamentals of Deep Learning for Computer Vision & NLP Applications” yang bertempat di Kampus K Universitas Gunadarma, Karawaci, Tangerang, Banten, pada 12 Januari 2019 lalu. Workshop ini sekaligus memperkenalkan Laboratorium Deep Learning Universitas Gunadarma sebagai wadah untuk pelatihan serta pengembangan riset terkait deep learning, baik secara khusus di lingkungan Universitas Gunadarma, kalangan akademisi, seperti Aptikom, hingga praktisi di industri pada umumnya. Terselenggaranya workshop ini menjadikan Universitas Gunadarma dan Aptikom sebagai salah satu pionir dalam menyebarkan perkembangan ilmu pengetahuan dan teknologi teranyar di Indonesia. Untuk mendukung implementasi dari algoritma deep learning yang membutuhkan performa komputasi tinggi, setiap komputer di Laboratorium Deep Learning memiliki RAM 16GB serta processor Intel-Core i7-8700k yang dilengkapi dengan Graphical Processing Unit (GPU) Gigabyte GeForce GTX 1070 8GB.
Implementasi algoritma deep learning dalam ranah computer vision dan Natural Language Processing (NLP) merupakan topik yang sedang hangat dibicarakan dalam dunia penelitian saat ini sehingga tidak heran hanya dalam beberapa hari saja jumlah peserta workshop sudah memenuhi kuota. Peserta yang hadir berasal dari beragam institusi, diantaranya STMIK Bina Insani, STMIK Tasikmalaya, STMIK IKMI Cirebon, Institut Perbanas, Universitas Bina Nusantara, Universitas Mercu Buana, dan lain sebagainya. Bahkan beberapa peserta berasal dari luar pulau jawa, seperti Universitas Ichsan, Gorontalo, dan Universitas Syiah Kuala, Aceh.
Workshop ini terbagi menjadi empat sesi yang diisi oleh beberapa orang narasumber kompeten, seperti Dr. Tri Handhika, S.Si., M.Si. yang membawakan materi tentang pengenalan artificial intelligence (kecerdasan buatan) serta teori mengenai Artificial Neural Network (ANN) atau jaringan syaraf tiruan sebagai dasar dari algoritma deep learning; Dr. Ahmad Sabri, S.Si., M.Si. dan Anneke Annassia Putri Siswadi, S.T., M.MSI., M.Sc. yang menjelaskan lebih lanjut mengenai salah satu algoritma deep learning, yaitu Convolutional Neural Network (CNN) dan penggunaannya dalam pengenalan citra (image recognition); Dennis Aprilla Christie, S.T., M.MSI., M.Sc. yang mempraktikkan step-by-step bagaimana image recognition dengan CNN menggunakan bahasa pemrograman Python; dan di akhir sesi Dr. Andreas Hadiyono, S.T., M.MSI. menjelaskan penggunaan algoritma deep learning untuk menyelesaikan permasalahan pada NLP dalam mengolah data berupa teks, khususnya Bahasa Indonesia.
Pada sesi pertama, dibahas secara filosofis terkait kecerdasan seperti apa yang diharapkan dapat ditiru oleh suatu mesin/robot, serta pengetahuan apa saja yang perlu dimiliki untuk dapat men-transfer kecerdasan tersebut. Selain itu, dibahas pula beberapa terminologi yang seringkali tertukar dalam penggunaannya, seperti model, metode, dan pendekatan. Hal ini berujung pada kesalahan dalam menginterpretasikan hasil riset yang telah dilakukan. Adapun metode ANN yang modelnya diadopsi dari proses yang terjadi pada jaringan syaraf dijelaskan secara detail hingga teknis perhitungannya. Masalah optimisasi yang menjadi permasalahan utama dalam ANN ini berhasil dijelaskan dengan sangat komprehensif sehingga peserta dapat mendeteksi beberapa bagian yang masih berpeluang untuk dilakukannya riset lebih lanjut, antara lain analisis karakteristik jumlah node, jumlah layer, adder, fungsi aktivasi, maupun fungsi loss yang digunakan dalam optimisasi, pemilihan metode optimisasi yang digunakan, atau metode regularisasi yang tepat untuk mencegah terjadinya overfitting.
Pada sesi kedua, peserta diperkenalkan tentang pengertian CNN, perbedaannya dengan regular Neural Network, cara kerja CNN, lapisan-lapisan (layers) yang ada pada CNN, dan contoh aplikasi CNN untuk pendeteksian objek. Peserta juga mempraktekkan cara mengkonstruksi CNN dengan menggunakan library Keras dalam platform Jupyter Notebook. Selain itu, peserta juga diperkenalkan dengan pre-trained model, seperti LeNet dan Inception, serta open-source dataset citra dengan jumlah yang masif seperti MS Coco, ImageNet dan CIFAR 10.
Adapun untuk dua sesi terakhir peserta sudah mulai dibimbing secara intens mengenai teknis implementasi algoritma deep learning yang telah diperoleh pada dua sesi sebelumnya. Masing-masing sesi membahas dua area studi yang umum menggunakan algoritma deep learning, yakni computer vision dan NLP. Pada sesi ketiga, peserta secara langsung mengimplementasikan algoritma deep learning di tempat untuk melakukan klasifikasi tulisan tangan dengan dataset yang telah disediakan. Kemudian, pada sesi keempat, peserta mengimplementasikan klasifikasi kata dan pengenal bahasa indonesia. Kedua studi kasus menggunakan bahasa pemrograman Python dengan library yang tepat guna.
Besarnya antusias peserta workshop kali ini membuat Laboratorium Deep Learning Universitas Gunadarma berencana untuk mengadakan workshop sejenis secara regular. Tentu saja dengan topik-topik lain yang tidak kalah menarik.