Menuju konten utama

Arti Kurikulum Deep Learning dalam Pembelajaran & Contohnya

Deep learning mencakup Mindful Learning, Meaningful Learning, & Joyfull Learning. Apa perbedaan deep learning dan machine learning? Simak penjelasannya.

Arti Kurikulum Deep Learning dalam Pembelajaran & Contohnya
ilustrasi kurikulum merdeka. FOTO/kurikulum.kemdikbud.go.id/

tirto.id - Wacana pergantian Kurikulum Merdeka dengan Kurikulum Deep Learing semakin santer dibicarakan publik. Lantas, apa arti Kurikulum Deep Learning dan perbedaan dengan Machine Learning?

Gagasan perubahan kurikulum di Indonesia diisyaratkan Menteri Pendidikan Dasar dan Menengah, Abdul Mu’ti. Ia memberi sinyal bakal mengkaji ulang Kurikulum Merdeka dan mengarahkan kurikulum model deep learning.

Kurikulum deep learning termasuk kurikulum yang dirancang untuk meningkatkan pemahaman siswa melalui pendekatan yang lebih mendalam dan fokus pada keterlibatan aktif para peserta didik.

Arti Kurikulum Deep Learning dalam Pembelajaran

Apa itu metode belajar atau Kurikulum Deep Learning yang diwacanakan menjadi pengganti Kurikulum Merdeka?

Laman AWS menjabarkan, deep learning adalah metode yang diadaptasi dalam kecerdasan buatan (AI). Metode mengajarkan komputer untuk memproses data dengan cara seperti cara otak manusia bekerja.

Model deep learning dapat mengenali pola kompleks dalam gambar, teks, suara, dan data lain untuk menghasilkan wawasan dan prediksi yang akurat.

Dengan menggunakan metode deep learning, maka kecerdasan buatan (AI) secara otomatis bisa melaksanakan berbagai hal yang biasanya membutuhkan kecerdasan manusia, seperti mendeskripsikan citra atau menyalin file suara ke dalam teks.

Ilustrasi Machine Learning

Ilustrasi Machine Learning. FOTO/iStockphoto

Sebagaimaan dirujuk laman Binus, deep learning sendiri merupakan percabangan bidang machine learning yang menggunakan saraf tiruan atau disebut dengan artificial neural networks. Hal ini memiliki beberapa layers dalam memproses atau mempelajari suatu data.

Metode memungkinkan suatu komputer belajar secara otomatis melalui pengalaman yang diberikan agar sistem dapat mengidentifikasi pola kompleks dalam data.

Bila diaplikasikan dalam metode pembelajaran, maka arti deep learning adalah sebuah kurikulum yang menggabungkan tiga elemen utama, yaitu Mindful Learning, Meaningful Learning, dan Joyfull Learning.

Masing-masing elemen dirancang untuk menciptakan suasana belajar yang tidak hanya mengedepankan pengetahuan, tetapi juga pengalaman bermakna bagi para peserta didik.

Contoh Kurikulum Deep Learning dan Penerapannya

Secara umum, metode deep learning banyak diterapkan di beberapa sektor. Di antaranya seperti pendidikan, kesehatan, ekonomi, dan beberapa bidang lain.

Contoh penerapan deep learning pada sektor kesehatan adalah penggunaan sejumlah alat medis. Semisal CT scan, MRI, atau alat medis lain.

Dengan menggunakan metode deep learning, alat-alat kesehatan bisa memperoleh gambar-gambar yang dibutuhkan dalam diagnosa kesehatan. Setelah mencermati berbagai gambar tersebut, para tenaga kesehatan lalu mendeteksi penyakit pada organ dalam, seperti kanker, lesi, retinopati diabetik, dan lain lain.

Dalam bidang ekonomi, metode deep learning diterapkan di berbagai perusahaan untuk menganalisis data yang kompleks dan membantu perusahaan mengambil keputusan. Contohnya perilaku pelanggan, menganalisa permintaan pelanggan, dan lain lain.

Jika diaplikasikan dalam kurikulum pembelajaran, maka contoh Kurikulum Deep Learning dapat dipantau sesuai penggabungan tiga elemen yang mencakup Mindful Learning, Meaningful Learning, dan Joyfull Learning.

Pada elemen Mindful Learning, para guru akan memperhatikan keunikan para siswa, termasuk potensi dan kebutuhan masing-masing yang berbeda.

Misalnya ketika masuk dalam materi tentang panas. Maka para siswa nantinya diajak untuk bereksperimen, baik di laboratorium dengan melihat bagaimana panas atau kalor terbentuk dan fungsi panas dalam kehidupan sehari-hari.

Kemudian elemen Meaningful Learning. Para siswa diajak memahami alasan di balik setiap materi pelajaran yang dipelajari dan pentingnya pelajaran itu bagi kehidupan di dunia nyata kelak.

Terakhir adalah elemen Joyfull Learning. Metode ini menjadi pendekatan pembelajaran yang tidak sekadar mengedepankan hal-hal yang menyenangkan dalam pembelajaran. Namun juga mengutamakan pemikiran yang mendalam dari para siswa terhadap setiap materi pembelajaran yang diajarkan.

Perbedaan Deep Learning dan Machine Learning

Sebagai percabangan bidang machine learning, apa saja perbedaan antara deep learning dan machine learning dalam ilmu pelatihan program atau sistem komputer?

Machine learning pertama kali dikenalkan Arthur Samuel pada tahun 1959. Cabang ilmu komputer ini secara khusus mempelajari bagaimana sebuah mesin mampu menyelesaikan masalah tanpa harus diprogram secara eksplisit.

Kemampuan machine learning berbeda dengan deep learning. Dengan deep learning, komputer memiliki kemampuan mempelajari sesuatu dan menyelesaikan tugas secara lebih dinamis.

Ilustrasi Machine Learning

Ilustrasi Machine Learning. FOTO/iStockphoto

Berikut ini adalah beberapa perbedaan machine learning dan deep learning:

Algoritma

Machine learning menggunakan algoritma untuk mengurai data, mempelajari data, dan membuat keputusan berdasarkan data yang telah dipelajari.

Sementara itu, deep learning menggunakan susunan algoritma yang berlapis-lapis untuk menciptakan “jaringan nalar buatan”. Hal ini membuat deep learning memiliki kemampuan mempelajari data dan membuat keputusan sendiri.

Data

Machine learning hanya mampu menganalisis data yang terstruktur. Namun, algoritma pada machine learning bisa menganalisis data dalam jumlah kecil.

Deep learning mampu menganalisis data yang tidak terstruktur seperti gambar, video, maupun audio.

Algoritma deep learning tidak memiliki kemampuan secara maksimal mengolah data dalam jumlah kecil. Hal ini terjadi karena algoritma deep learning sengaja dirancang untuk mengolah data dalam jumlah banyak.

Attribute Engineering (Rekayasa Fitur)

Machine learning membutuhkan rekayasa fitur. Di lain sisi, deep learning sama sekali tidak membutuh rekayasa fitur. Dengan kata lain, beberapa fitur kemungkinan bisa saling berkaitan saat proses analisis pada program machine learning.

Attribute engineering (rekayasa fitur) sendiri mengacu pada proses pemilihan dan transformasi variabel menggunakan machine learning atau deep learning saat menciptakan model analisis prediktif.

Hardware (Perangkat Keras)

Butuh perangkat keras kelas atas untuk menjalankan program pembelajaran deep learning. Selain itu, mesin yang digunakan juga harus memiliki kemampuan mumpuni untuk mengolah data dalam jumlah besar. .

Sementara itu, program pembelajaran machine learning cukup membutuhkan mesin kelas menengah atau bahkan kelas bawah untuk mengolah data secara optimal.

Penerapan

Penerapan model machine learning adalah sistem rekomendasi pada e-commerce. Algoritma machine learning akan menganalisis data produk yang sebelumnya dicari untuk memberi rekomendasi serupa.

Contoh lain penerapan machine learning adalah asisten virtual seperti Google Assistant, Alexa, Cortana, dan Siri.

Sementara penerapan deep learning bisa ditemukan pada fitur face unlock di smartphone. Fitur ini berfungsi membuka kunci pada HP dengan mendeteksi wajah pengguna.

Baca juga artikel terkait TRENDING TOPIC atau tulisan lainnya dari Lucia Dianawuri

tirto.id - Edusains
Kontributor: Lucia Dianawuri
Penulis: Lucia Dianawuri
Editor: Beni Jo & Yulaika Ramadhani