Membayar hutang jawaban untuk pertanyaan mahasiswa/i

21688149_10155648510094477_4119600732082270836_o

Rabu sore hari yang lalu saya mengajar Pattern Recognition di SGU. Salah satu ritual di kuliah Pattern Recognition adalah menjelaskan algoritma backpropagation. Kalau sebelumnya, waktu mengajar Artificial Intelligence, tahapan perhitungan backprop saya ajarkan tanpa membahas, darimana asal muasalnya perhitungan tersebut, di kuliah Pattern Recognition baru saya bahas bagaimana algoritma itu diturunkan. Dimulai dari membahas Gradient Descent Optimization, dan menghitung diferensial bilangan euler ( turunan dari y = e pangkat f(x)   ).  Algoritma ini yang jadi inti tulisan Rumelhart di buku “Parallel Distributed Processing” -nya [1],  setelah penantian 16 tahun di musim dinginnya dunia penelitian neural network, sejak terbitnya buku “Perceptron” yang ditulis Minsky dan Papert yang mengkritisi kelemahan model awal neural network perceptron [2].

Setelah itu, saya bahas contoh aplikasi backprop khususnya pada character recognition dan pengalaman riset saya di Jepang dalam tema tersebut [3]. Kemudian setelah pulang ke Indonesia, membantu sbg tim TI KPU dan melakukan evaluasi terhadap pemanfaatan ICR [4]. Tentu saja belum tentu semua ICR yang dipakai oleh industri waktu itu mengimplementasikan backprop, tapi saya coba jelaskan benang merah, antara teori yg dipelajari di bangku kuliah, dengan industri yg memanfaatkannya, dan bagaimana ketika suatu teknologi dipakai di lapangan oleh pemerintah pada populasi ratusan juta, dalam Pemilu 2009. Teknologi hanya satu aspek saja dari keberhasilan program. Selain teknologi, faktor process & people memegang peranan penting.

Dengan demikian, saya membayar hutang pada mahasiswa-mahasiswa saya yang selalu kritis bertanya : “Pak, teori susah-susah yang kami pelajari ini kelak gunanya buat apa sih ?”  Semoga cerita di atas menjawab, apa hubungan belajar kalkulus, optimisasi, aljabar linear, pattern recognition dsb. dengan pemakaiannya di dunia nyata.

Referensi

  1. Parallel Distributed Processing, Volume 1 : Explorations in the Microstructure of Cognition: Foundations, David E. Rumelhart, James L. McClelland, MIT Press, 1986
  2. Perceptrons: an introduction to computational geometry, Marvin Minsky and Seymour Papert, MIT Press, 1969.
  3. Fog Forecasting Using Self Growing Neural Network CombNET-II: — A Solution for Imbalanced Training Sets Problem–, A.S. Nugroho, S. Kuroyanagi, A. Iwata,  Proc. of the IEEE-INNS-ENNS International Joint Conference on Neural Networks (IJCNN’00), vol.4, pp.429-434, July 2000, Como-Italy(pdf)
  4. Catatan Teknologi Informasi untuk Pemilu 2009 : https://tipemilu2009.wordpress.com

 

Tentang Anto Satriyo Nugroho

My name is Anto Satriyo Nugroho. I am working as research scientist at Center for Information & Communication Technology, Agency for the Assessment & Application of Technology (PTIK-BPPT : Pusat Teknologi Informasi & Komunikasi, Badan Pengkajian dan Penerapan Teknologi). I obtained my doctoral degree (Dr.Eng) from Nagoya Institute of Technology, Japan in 2003. My office is located in Serpong, Tangerang Selatan City. My research is on pattern recognition and image processing with applied field of interests on biometrics identification & development of computer aided diagnosis for Malaria. Should you want to know further information on my academic works, please visit my professional site at http://asnugroho.net
Pos ini dipublikasikan di kuliah, research. Tandai permalink.

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout /  Ubah )

Foto Google

You are commenting using your Google account. Logout /  Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout /  Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout /  Ubah )

Connecting to %s