Perhitungan manual algoritma CNN

 Convolutional Neural Network (CNN) adalah salah satu metode deep learning yang digunakan untuk pengenalan objek, ekstraksi objek, dan klasifikasi. CNN digunakan untuk memproses data citra dan video dengan cara melakukan operasi konvolusi pada data input. Berikut adalah perhitungan manual algoritma CNN:

1. Konvolusi

- Hitung ukuran output dari konvolusi dengan rumus: 

    - Ukuran output = ((ukuran input - ukuran filter + 2 * padding) / stride) + 1

- Contoh: Jika ukuran input citra adalah 32 x 32 x 3, ukuran filter adalah 5 x 5 x 3, padding adalah 2, dan stride adalah 1, maka ukuran output adalah ((32 - 5 + 2 * 2) / 1) + 1 = 32.

2. ReLU (Rectified Linear Unit)

- ReLU adalah fungsi aktivasi yang digunakan untuk mempercepat proses pelatihan dan meningkatkan akurasi model.

- Rumus ReLU: f(x) = max(0, x)

- Contoh: Jika output dari konvolusi adalah -2, maka output setelah ReLU adalah 0.

3. Max Pooling

- Max pooling digunakan untuk mengurangi ukuran output dari konvolusi dan mengurangi overfitting.

- Hitung ukuran output dari max pooling dengan rumus:

    - Ukuran output = ((ukuran input - ukuran filter) / stride) + 1

- Contoh: Jika ukuran input adalah 32 x 32 x 3, ukuran filter adalah 2 x 2, dan stride adalah 2, maka ukuran output adalah ((32 - 2) / 2) + 1 = 16.

4. Fully Connected Layer

- Fully connected layer digunakan untuk menghubungkan semua neuron dari layer sebelumnya ke layer berikutnya.

- Hitung jumlah parameter pada fully connected layer dengan rumus:

    - Jumlah parameter = (jumlah neuron pada layer sebelumnya + 1) x jumlah neuron pada layer saat ini

- Contoh: Jika jumlah neuron pada layer sebelumnya adalah 100 dan jumlah neuron pada layer saat ini adalah 10, maka jumlah parameter adalah (100 + 1) x 10 = 1010.

Dalam pengaplikasiannya, perhitungan manual algoritma CNN membutuhkan waktu dan usaha yang cukup besar. Oleh karena itu, penggunaan library atau framework deep learning seperti TensorFlow atau PyTorch sangat disarankan untuk mempercepat proses pengembangan model.

Citations:

[1] http://etheses.uin-malang.ac.id/29427/1/16650063.pdf

[2] https://elibrary.unikom.ac.id/1529/14/UNIKOM_Alwan%20H_Jurnal%20Dalam%20Bahasa%20Indonesia.pdf

[3] https://www.researchgate.net/publication/346153198_Sistem_Hitung_dan_Klasifikasi_Objek_dengan_Metode_Convolutional_Neural_Network

[4] https://core.ac.uk/download/pdf/291472596.pdf

[5] https://youtube.com/watch?v=vWZCMmfa980