DEEP LEARNING DAN PENERAPANNYA

DALAM PEMBELAJARAN
DEEP LEARNING AND ITS APPLICATION IN LEARNING

Yosep Farhan Dafik Sahal1a, Ahmad Sayuti2b, Qiqi Yulianti Zaqiyah3c, Supiana4d,
1
Institut Agama Islam Darussalam, Indonesia
2
UIN Sunan Gunung Djati Bandung, Indonesia
3
UIN Sunan Gunung Djati Bandung, Indonesia
4
UIN Sunan Gunung Djati Bandung, Indonesia
a
E-mail: yosepfarhan@iaid.ac.id
b
E-mail: sayutiahmad51@gmail.com
c
E-mail: qqzaqiah67@gmail.com
d
E-mail: supiana@uinsgd.ac.id

ABSTRAK
Untuk terus menghasilkan lulusan yang unggul, berdaya saing, dan memberikan
dampak positif yang signifikan bagi masyarakat, para pendidik, khususnya yang
berkecimpung dalam pendidikan Islam, harus menggunakan kemajuan teknologi
sebagai motivator. Tujuan Deep Learning adalah untuk mereplikasi proses
pembelajaran manusia di komputer. Deep Learning telah berkembang seiring
dengan pemikiran manusia, membantu manusia dalam mengatasi masalah yang
menantang secara lebih efektif. Jalur adaptif (kapasitas seseorang untuk dapat
menyesuaikan diri dengan norma atau standar yang berlaku di lingkungannya) akan
digunakan dalam pembelajaran untuk memberikan umpan balik secara terus
menerus bagi siswa dan guru guna mencapai tujuan pembelajaran berbasis Deep
Learning. Dengan Deep Learning siswa dapat diprediksi dan diidentifikasi untuk
melihat kekuatan dan kelemahan mereka dan menawarkan saran tentang cara
meningkatkan ujian atau latihan (teknologi entri data di mana satu kunci dapat
mewakili banyak huruf). Sementara teknologi dapat menjadi alat yang membantu
dalam pembelajaran, guru masih memiliki peran penting dalam menilai
kemanjurannya dan memastikan bahwa teknologi digunakan dalam konteks
pembelajaran dengan cara yang tepat dan efektif. Akibatnya, meskipun teknologi
dapat menjadi alat yang berguna dalam mendukung dan meningkatkan
pembelajaran, guru harus dapat mengkalibrasi kompetensinya agar tetap menjadi
aktor utama dalam proses pembelajaran. Tentu saja, tidak diharapkan siswa akan
percaya bahwa teknologi dapat menggantikan guru sehingga eksistensinya menurun
atau bahkan hilang sama sekali.

Kata kunci: Deeplearning; Kecerdasanbuatan; Teknologi; Pembelajaran

ABSTRACT
In order to continue to produce graduates who are superior, competitive and have a significant
positive impact on society, educators, especially those involved in Islamic education, must use
technological advances as a motivator. The goal of Deep Learning is to replicate the human
learning process on a computer. Deep Learning has evolved alongside human thinking,
helping humans to tackle challenging problems more effectively. The adaptive path (a person's
capacity to be able to adjust to the norms or standards that apply in their environment) will be
used in learning to provide continuous feedback for students and teachers to achieve DL-based
learning objectives. With Deep Learning students can be predicted and identified to see their
strengths and weaknesses and offer suggestions on how to improve on exams or exercises (data
entry technology where one key can represent many letters). While technology can be a helpful
aid in learning, teachers still have an important role to play in assessing its efficacy and
ensuring that technology is used in learning contexts in appropriate and effective ways. As a
result, although technology can be a useful tool in supporting and enhancing learning,
teachers must be able to calibrate their competencies so that they remain the main actors in the
learning process. Of course, it is not expected that students will believe that technology can
replace teachers so that their existence decreases or even disappears altogether.

Keywords: Deep Learning; Artificial Intelligence; Education

 Tatar Pasundan
Jurnal Diklat Keagamaan
PISSN 2085-4005; EISSN 2721-2866

Volume 15 Nomor 2 Tahun 2021

PENDAHULUAN menentukan pilihan juga memiliki
Dewasa ini penggunaan
kehendak yang berbeda-beda.
teknologi menjadi sebuah kebutuhan
Perkembangan Artificial
kehidupan manusia, penggunaan
Intelligent atau AI berkembang sangat
teknologi sendiri menjadi ciri utama
cepat belakangan ini, permasalahan
kemajuan suatu negara. Negara akan
yang sulit di pecahkan sebelumnya kini
dikatakan maju jika di negara tersebut
sangat mudah diselesaikan dengan
tingkat penggunaan teknologi tinggi
mudah, karena kelebihan nya
atau high technology sangat luas.
kecerdasan buatan (Artificial
(Assegaf, 2004), kemajuan teknologi
Intelligent) ini sangat penting untuk
sendiri merupakan sesuatu yang tidak
dipelajari dan diterapkan, karena salah
bisa dicegah dalam sejarah
satu kelebihannya AI dia bekerja
perkembangan manusia. Teknologi
menyerupai jaringan saraf otak
terus berkembang seiring dengan
manusia.
kemajuan ilmu pengetahuan dan
Artificial Intelligence atau
perdaban manusia.
disingkat AI merupakan bidang ilmu
Menurut (Arifudin, 2022) bahwa setiap
komputer yang bertujuan untuk
manusia mempunyai potensi, dan yang
membuat mesin atau program
lebih mengoptimalkan potensinya
komputer yang dapat meniru
merupakan manusia yang mengenal
kemampuan intelektual manusia.
dirinya. Dengan kata lain, dapat
Konsep AI sudah ada sejak lama,
dikatakan bahwa kehidupan manusia
namun baru pada dekade terakhir ini
di bumi ini menjadi statis atau dinamis,
kemampuan dan pemanfaatan AI
maju atau mundur, primitif atau
semakin berkembang dengan pesat.
berperadaban maju, sangat
Pengembangan AI diawali
dipengaruhi sekali oleh aktifitas
dengan konsep logika dan
kecerdasan akal manusia yang selalu
pemrograman komputer pada tahun
berkembang, berpikir, membuat
1950-an. Kemudian, perkembangan
keputusan, adalah sangat dipengaruhi
teknologi komputer semakin
oleh aktifitas kecerdasan akal manusia
memungkinkan dalam pengembangan
yang terus berpikir, berinovasi,
nya dengan menggunakan teknik-
teknik seperti Machine Learning, untuk merubah pendidikan kearah
Neural Network, dan Natural lebih baik, namun bukan hanya dari
Language Processing (NLP). metode pengajarannya akan tetapi
Dalam penerapannya, AI kurikulum sampai hal yang terkecil
memiliki potensi untuk memberikan untuk di ubah keseluruhannya,
manfaat besar dalam berbagai bidang, sehingga teknologi AI sangat
seperti bisnis, kesehatan, pendidikan, dibutuhkan untuk membantu sektor
dan lain sebagainya. AI dapat pendidikan. menurut Ulfa pendidikan
membantu manusia dalam mengambil pada masa disrufsi sangat memerlukan
keputusan yang lebih tepat dan efisien, peran teknologi untuk memudahkan
meningkatkan produktivitas, dan pengaplikasiaan pendidikan. (Ulfah,
mengatasi permasalahan yang sulit 2020).
untuk dipecahkan oleh manusia. Cara belajar dan model yang
Namun demikian, penggunaan AI juga digunakan dengan memakai alat
memunculkan beberapa isu etis dan teknologi AI akan senantiasa terus
sosial, seperti keamanan data, berkembang berupa fiksi ataupun
pengangguran, dan privasi. hayalan, nantinya bisa berkembang
Dalam berbagai sektor menjadi hal yang nyata. Begitupun
kehidupan manusia peran kecerdasan pada masa ini, ternyatanya sudah
buatan pada kehidupan saat ini terbukti banyaknya pelayanan
semakin tidak bisa dibendung lagi, pendidikan didampingi dengan
salah satunya di sektor pendidikan. kemajuan dan perkembangan teknologi
adanya AI di ranah pendidikan sangat AI sangat akrab dipergunakan sehari-
membantu dan memudahkan hari khusunya dalam dunia
tranformasi kurikulum pendidikan pendidikan.
khusunya, dan begitupun sektor ilmu Hal ini sependapat dengan apa
sains, teknologi, dan matematika. AI yang telah disampaikan oleh Mayasari
juga kemungkinan besar bisa merubah bahwasanya guru pada masa moderen
wajah sekktor pendidikan menuju ke ini harus siap untuk mengikuti
arah lebih maju dalam keseluruhan. perkembangan teknologi tertama pada
Pertumbuhan teknologi AI pengembangan bidang kurikulum
disebabkan diminta oleh para pendidik pembelajaran dan pengajaran. Oleh
 Tatar Pasundan
Jurnal Diklat Keagamaan
PISSN 2085-4005; EISSN 2721-2866

Volume 15 Nomor 2 Tahun 2021

sebab itu, turunannya yaitu Deep Dalam hal ini Pendidikan Islam
Learning merupakan bagian dari memiliki landasan yang sangat kuat
kecerdasan buatan termasuk pula untuk dijadikan panduan hidup yaitu
pengembangan dari neural network al-Qur’an dan Al Hadits, secara prinsip
multiple layer untuk memberikan telah medorong agar tidak keluar dari
ketepatan tugas seperti deteksi objek, prinsip Islam dan secara lantang dari
pengenalan suara, terjemahan bahasa Al-Qur’an dan Al Hadis telah
dan lainnya (Putra, 2020) memberikan dorongan motivasi
Deep learning merupakan sub- kepada umatnya agar senantiasa
kumpulan dari machine learning yang berkembang dan manu ke arah yang
mengajarkan komputer untuk lebih baik dan berguna untuk
memproses data dengan cara memanfaatkan seluruh sumber daya
memanfaatkan artificial neural network alam dan lainnya dengan baik.
berlapis (multi layer). Terinspirasi dari sehingga turunlah kepadanya dalam
otak manusia ANN ini dibuat satu negeri kemakmuran dan
menyerupainya dimana setiap neuron ketentraman khusunya di dalam
yang berada pada otak manusia pendidikan karena umat Islam
terkoneksi antara satu dengan yang diperintah oleh Nabi Saw. untuk
lainnya sehingga memungkinkan senantiasa mencari ilmu dari mulai
membentuk sebuah jaringan neuron biayan sampai ajal menjemput sebab
yang begitu rumit. dari zaman ke zaman akan senantiasa
Deep Learning atau deep berubah dan tantangan kedepan akan
structured learning atau hirarchial semakin sulit jikalau tidak dibarengi
learning atau deep neural merupakan dengan ilmu dan pengetahuan yang
metode learning yang memanfaatkan seimbang antara dunia (teknologi) dan
multiple non-linier transformation, akhirat.
deep learning dapat dipandang sebagai Menurut Supriani adanya
gabungan machine learning dengan AI kemajuan teknologi harus menjadi
(artificial neural network) (R. pecut bagi pendidik khususnya
Primartha, 2018). pendidikan Islam, agar terus berupaya
mencetak lulusan yang unggul,
memiliki daya saing tinggi serta Ahmad, Asep Kurnia Jayadinata, 2016).
memberikan manfaat yang luas Setelah terkumpul keseluruhan yang
ataupun besar terhadap masyarakat diperlukan dalam penelitian ini, maka
luas. Dengan pesatnya perkembangan peneliti mengambil simpulan dari
AI, penting bagi kita untuk memahami permasalahan diatas yang sangat
prinsip-prinsip dasar AI dan komplek bagaikan benang kusut.
dampaknya bagi masyarakat. Dalam
konteks yang tepat, AI dapat menjadi HASIL DAN PEMBAHASAN
alat yang sangat berguna untuk Dalam penenlitian kali ini peneliti
meningkatkan kualitas hidup manusia. ingin membahas tentang Deep Learning
dalam pembelajaran dan akan
METODE membahas Machine Learning (ML)
Penelitian yang dilakukan sebagai cikal bakal lahirnya Deep
menggunakan pendekatan kualitatif. Learning (DL) adapun pembahasannya
Jenis dari penelitian ini yaitu penelitian sebagai berikut:
kepustakaan (library research) yakni
memakai berbagai data-data serta 1. Machine Learning
bahan-bahan yang bersangkut paut Machine Learning atau
dengan tempat pembahasan atau Pembelajaran mesin adalah cabang dari
tempat penelitian. Penelitian ini lebih AI (kecerdasan buatan), disiplin ilmu
menekankan kepada subjeck yang yang mencakup perancangan dan
didapat dari mana asalanya atau pengembangan algoritma yang
didapatkannya. Sedangkan sumber memungkinkan komputer untuk
data yang akan ditafsirkan yaitu mengembangkan perilaku yang
sumber data primer, yakni sumber didasarkan pada data empiris, seperti
yang dimanfaatkan secara langsung dari sensor data basis data (Ahmad,
dari tangan pertama ataupun dari 2017).
sumber aslinya. Sumber datanya dalam Dalam teknik Deep Learning
penelitian ini berupa jurnal, buku, ada sejumlah aturan yang diberikan
koran, makalah, tesis maupun disertasi oleh program yang harus dijalankan
dan lainnya yang berkaitan terhadap dalam bentuk algoritma. Oleh sebab
materi yang akan dibahas (Fujiyanto, itu, teknik pembelajaran mesin dapat
 Tatar Pasundan
Jurnal Diklat Keagamaan
PISSN 2085-4005; EISSN 2721-2866

Volume 15 Nomor 2 Tahun 2021

diklasifikasikan sebagai instruksi yang dapat mempelajari pola-pola dan
dijalankan computer dan dipelajari informasi dari pengalaman masa lalu
secara otomatis oleh computer untuk untuk membuat prediksi atau
menghasilkan output yang optimal keputusan yang lebih baik di masa
tanpa campur tangan manusia. depan.
Machine learning adalah Dengan machine learning
teknologi yang dikembangkan untuk (pembelajaran mesin) kita dapat
mengadopsi kemampuan belajar menciptakan mesin yang mampu
manusia pada komputer. Seiring mempelajari data yang ada untuk
perkembangannya, machine learning membuat keputusan sendiri tanpa
sudah banyak membantu manusia perlu diprogram lagi. Dengan kata lain
untuk menyelesaikan masalah bahwa Machine Learning merupakan
kompleks secara lebih efisien. Machine istilah untuk menyebut komputer yang
Learning sering kita temui dalam belajar dari data.
kehidupan kita sehari hari. Bagaimana
Netflix bisa tahu film apa yang kita 2. Deep Learning
sukai atau letika kita mencari sebuah Deep learning adalah jenis
produk di google lalu tiba tiba muncul pembelajaran mesin (machine learning)
iklan produk yang serupa di isntagram cara kerjanya meniru model jaringan
kita atau di facebook yang kita buka. saraf (artificial neural network) dengan
Itu semua adalah penggunaan banyak lapisan (layer) untuk mengenali
algoritma pembelajaran mesin pola yang rumit dari data input. Deep
(machine learning). learning menggunakan algoritma
Machine Learning mendidik pembelajaran untuk melatih jaringan
komputer mempelajari algoritma saraf tiruan agar dapat mengenali pola
pemrograman tertentu agar bisa dalam data input yang kompleks dan
melakukan beberapa tugas sendiri memberikan output yang akurat.
tanpa arahan dari manusia. Tujuan Dalam deep learning, semakin
utama pengembangan machine banyak lapisan pada jaringan saraf
learning adalah untuk meniru cara tiruan, semakin kompleks dan abstrak
belajar manusia, di mana manusia informasi yang dapat dipelajari dari
data input. Deep learning telah sebuah masalah. Lapisan tersebut
diterapkan dalam berbagai bidang, dinamakan Artificial Neural Networks
seperti pengenalan wajah, pengenalan (sejumlah lapisan saraf) atau disingkat
suara, analisis citra medis, dan ANN.
pengenalan teks, dan terus menjadi Intinya Deep Learning ini
bidang penelitian yang berkembang memiliki tiga bahkan lebih lapisan
pesat. ANN, ia bisa beradaptasi dan juga
Deep learning bisa diartikan mampu mempelajari beberapa data
sebagai cabang salah satu teknik yang dalam jumlah besar serta dapat
ada dalam machine learning. Instruksi menyelesaikan segala macam masalah
yang mengarahkan sebuah sistem yang sangat sulit di selesaikan oleh
komputer atau mesin agar bisa bekerja algoritma machine learning yang lain.
layaknya manusia secara alamiah, Contoh pengaplikasian dari Deep
dengan cara membaca situasi dengan Learning bahkan sering sekali kita
pembelajaran atau pemrograman temui sampai saat ini yaitu sistem
tertentu. algoritma permainan catur yang banyak
Selain itu deep learning menjadi disukai oleh orang-orang. Tentunya
kunci pengembangan teknologi yang anda akan bertanya tanya bagaimana
mengandalkan AI. Dalam deep sebuah mesin catur berbasis AI bisa
learning, sistem komputer akan bisa bertahan melawan manusia, sekalipun
belajar berbagai macam model dan orang tersebut adalah ahli catur, namun
membagi tugas-tugasnya melalui data permainan ini sangat sulit sekali
yang telah dikumpulkan. Data ang dikalahkan terutama pada (mode hard).
terkumpul tersebut bisa berupa teks, Permainan tersebut bisa
gambar, sampai suara sekalipun. mengalahkan manusia karena
Bahkan, pada tingkat yang lebih tinggi dirancang dan dibuat menggunakan
mesin akan bisa mengolah data secara algoritma yang bisa bertahan dengan
akurat walaupun dalam jumlah besar. cara menganilisa jutaan langkah dari
Algoritma Deep learning beberapa permainan yang telah
terilhami dari otak manusia yang dilakukan sebelumnya. Setiap langkah
memiliki sejumlah lapisan saraf yang didapatkan pada pertandingan
sehingga bisa dia dapat memecahkan tersebut disimpan secara mendalam
 Tatar Pasundan
Jurnal Diklat Keagamaan
PISSN 2085-4005; EISSN 2721-2866

Volume 15 Nomor 2 Tahun 2021

serta mesin ini bisa mencari langkah b. Convolutional Neural
terbaik dalam menghadapi lawan Network (Jaringan Saraf
mainnya, semua proses tersebut Tiruan Konvolusional)
dilakukan dalam hitungan detik. Jaringan saraf tiruan
Maka dari itu kita bisa konvensional, juga dikenal
mengatakan deep learning merupakan sebagai Convolutional Neural
sebuah model yang dapat mempelajari Network (CNN), adalah jenis
metode komputasinya (cara untuk arsitektur jaringan saraf
menemukan pemecahan masalah dari data tiruan yang umum digunakan
input dengan menggunakan suatu dalam pemrosesan gambar
algoritma) sendiri dengan 'otaknya' dan pengenalan pola visual.
sendiri. Jaringan ini disingkat CNN.
Cara kerja CNN adalah
3. Jenis-jenis Deep Learning memproses sebuah gambar
a. Feedforward Neural citra melalui banyak lapisan
Network ( Jaringan Saraf agar bisa mendapatkan fitur
Tiruan Sederhana ) gambar dan kemudian
Jenis ini merupakan jaringan menggabungkan fitur gambar
ang paling dasar dari deep tersebut dijadikan sebuah
learning. Informasi yang prediksi. CNN dapat secara
masuk akan mengalir melalui otomatis mempelajari sebuah
jaringan, ada beberapa gambar berdasarkan tingkat
lapisan yang terlewati konvolusi dan tingkat
bahkan lapisan ini sangat aktivasi. Selain itu juga, CNN
tersembunyi dikenal dengan juga dapat dilatih untuk bisa
Hidden Layer. Model seperti mengenali objek dalam
ini banyak digunakan untuk gambar melalui proses
pekerjaan pengenalan pola, pelatihan menggunakan
klasifikasi dan regresi. dataset berlabel. CNN ini
telah terbukti sangat efektif
dalam berbagai tugas
 pemrosesan sebuah gambar, Adalah jenis arsitektur
termasuk klasifikasi objek, jaringan neural yang
deteksi objek, segmentasi umumnya digunakan untuk
gambar, dan deteksi wajah. tugas yang melibatkan data
berurutan, seperti terjemahan
c. Multi layar perceptron mesin, peringkasan teks,
Tujuan dari jenis jaringan pengenalan suara, dan
yang memiliki lebih dari tiga banyak lagi. Jaringan seperti
lapisan ini adalah untuk ini sering disebut dengan
mengklasifikasikan data istilah Seq2Seq. Jaringan ini
nonlinier. Setiap node dalam terdiri dari dua komponen
jaringan ini terhubung utama: encoder dan decoder.
sepenuhnya. Jaringan ini Encoder mengambil urutan
sering digunakan dalam input dan mengkodekannya
system pengenalan suara. menjadi vektor dengan
Dalam teknologi Deep panjang tetap yang disebut
Learning, MLP merupakan "vektor konteks" atau "vektor
salah satu jenis Neural pemikiran". Urutan input bisa
Network yang sering dalam bentuk apapun, seperti
digunakan karena kalimat, paragraf, atau
kemampuannya dalam bahkan dokumen yang lebih
mempelajari fungsi panjang. Encoder memproses
matematika yang kompleks urutan input langkah demi
dan memodelkan hubungan langkah, biasanya
antara input dan output. menggunakan sel jaringan
Digunakan untuk berbagai saraf berulang (RNN) seperti
tujuan seperti klasifikasi, Long Short-Term Memory
regresi, optimasi, (LSTM) atau Gated Recurrent
pengambilan keputusan, dan Units (GRU), untuk
function approximation. menangkap dependensi
d. Sequence to Sequence Model berurutan dan menghasilkan
vektor konteks.
 Tatar Pasundan
Jurnal Diklat Keagamaan
PISSN 2085-4005; EISSN 2721-2866

Volume 15 Nomor 2 Tahun 2021

Selama pelatihan, model dengan menjelajahi beberapa
Seq2Seq dilatih untuk urutan kandidat alih-alih
meminimalkan perbedaan hanya mengandalkan satu
antara urutan keluaran yang yang paling mungkin di
diprediksi dan urutan setiap langkah.
keluaran target (kebenaran
dasar) menggunakan fungsi 4. Cara kerja deep learning
kerugian seperti kehilangan Deep learning bekerja dengan
lintas-entropi. Parameter menggunakan arsitektur jaringan saraf
model, termasuk bobot tiruan (artificial neural networks) yang
encoder dan decoder, dalamnya terdiri dari banyak lapisan
diperbarui melalui (layers) yang disebut "deep".
backpropagation dan Terinspirasi dari cara kerja otak
optimalisasi penurunan manusia, teknologi deep learning ini
gradien. menggunakan proses pembelajaran
Model Seq2Seq dapat yang berlapis lapis (Layered Learning),
diperpanjang dan dengan adanya sistem ini komputer
ditingkatkan dengan berbagai terbantu ketika sedang bekerja
cara. Misalnya, mekanisme mengklasifikasikan, menyimpan serta
perhatian dapat dimasukkan mengakses data yang bisa merujuk pada
untuk memungkinkan pembelajaran. Ini berarti bahwa ada
decoder untuk fokus pada perubahan pemikiran dalam
bagian yang berbeda dari pembelajaran yang memakai teknologi
urutan masukan selama (Marlina & Cahyono, 2022)
proses decoding, Sangat berbeda dengan AI yang
menghasilkan kinerja yang mana kita harus membiasakan dengan
lebih baik. Selain itu, teknik bahasa formal. Tetapi jika data nya lebih
seperti pencarian berkas rumit maka membutuhkan proses yang
dapat digunakan untuk lebih rumit lagi. Maka dari itu, dalam
meningkatkan kualitas urutan machine learning data lah yang belajar
keluaran yang dihasilkan
sehingga nanti nya akan membentuk kemudahan ketika teknologi deep
sebuah pola. learning canggih ini diterapkan pada
Akan tetapi dalam machine kehidupan manusia sebagai penunjang
learning juga terdapat kelemahan, aktivitas sehari hari yang dilakukan
apabila masalah yang dihadapinya manusia.
semakin komplek maka campur tangan
manusia diperlukan dalam pengolahan 5. Mengapa Deep learning penting
data yang dilakukan. Data komplek Deep learning sangat penting
tersebut bisa berupa gambar, suara karena kemampuannya untuk
maupun teks. mempelajari pola yang kompleks dan
Dengan demikian, deep learning abstrak dalam data dengan cepat dan
hadir untuk menyempurnakan efektif. Dengan menggunakan model
kekurangan yang terdapat pada deep learning, kita dapat mengolah
machine learning. Ia mampu mengenal data yang sangat besar dan kompleks,
pola dan juga informasi tanpa seperti gambar, suara, atau teks, dan
pengawasan dari data yang tidak mengekstrak fitur yang bermanfaat dan
terstruktur bahkan tidak berlabel sama relevan secara otomatis.
sekali. intinya deep learning adalah Ini memungkinkan kita untuk
bagian dari machine learning . membangun sistem yang lebih cerdas
Berkaitan dengan jaringan tiruan dan lebih canggih dalam berbagai
manusia. Machine learning sangat aplikasi, seperti pengenalan wajah,
memungkinkan bisa membuat mesin pengenalan suara, klasifikasi gambar,
yang cerdas, komputer akan atau pemrosesan bahasa alami. Selain
mensimulasikan kecerdasan itu, deep learning juga digunakan
berdasarkan pada pembangunan data dalam berbagai bidang ilmu
atau data learning yang melakukan pengetahuan dan teknologi, seperti
programming sebuah komputer untuk biologi, kimia, fisika, dan keuangan.
belajar. Dalam beberapa tahun terakhir,
Maka dari situ lah lahir istilah deep learning telah membawa kemajuan
deep learning. Dimana komputer akan besar dalam berbagai aplikasi, dan
bekerja secara mendalam. Kita akan menjadi salah satu bidang penelitian
menemukan berbagai macam paling aktif dan menjanjikan di dunia
 Tatar Pasundan
Jurnal Diklat Keagamaan
PISSN 2085-4005; EISSN 2721-2866

Volume 15 Nomor 2 Tahun 2021

ilmu pengetahuan dan teknologi. Oleh pola perilaku siswa dalam menghadapi
karena itu, deep learning sangat penting masalah dan memberikan solusi yang
dan berpotensi membawa dampak disesuaikan dengan kebutuhan
besar pada masa depan. individu siswa.
Selain itu, deep learning juga
6. Deep Learning Dalam dapat digunakan dalam pengembangan
Pembelajaran sistem evaluasi dan penilaian otomatis,
Deep learning dapat digunakan yang dapat membantu guru dan
dalam pembelajaran untuk instruktur dalam mengevaluasi
membangun sistem yang lebih cerdas pekerjaan siswa dengan cepat dan
dan efektif dalam membantu siswa akurat. Sistem evaluasi dan penilaian
dalam memahami materi dan otomatis dapat mempelajari pola dalam
meningkatkan kemampuan belajar jawaban siswa dan memberikan umpan
mereka. balik yang berguna untuk membantu
Salah satu contoh penggunaan siswa dalam memperbaiki kinerja
deep learning dalam pembelajaran mereka.
adalah dalam pembelajaran adaptif. Secara keseluruhan, deep
Dalam pembelajaran adaptif, sistem learning dapat memberikan kontribusi
deep learning dapat mempelajari pola besar dalam pembelajaran dengan
dan preferensi belajar siswa dan meningkatkan efektivitas, efisiensi, dan
menyesuaikan materi dan metode akurasi dalam pengajaran dan
pengajaran untuk memenuhi penilaian.
kebutuhan individu siswa. Dengan Dalam pembelajaran mesin
demikian, siswa dapat belajar dengan mendukung komputer untuk belajar
lebih efektif dan efisien. dari pengalaman dan memahami
Deep learning juga dapat konsep. Operator komputer tidak
digunakan dalam pengembangan diperlukan, karena komputer
sistem tutor virtual yang dapat mengumpulkan pengetahuan dari
memberikan umpan balik dan pengalaman. Komputer mempelajari
dukungan individual kepada siswa. konsep kompleks secara hierarkis dan
Sistem tutor virtual dapat mempelajari membangun konsep menjadi konsep
yang lebih sederhana; grafik hierarki ini harapan siswa terhadap model
akan memiliki banyak lapisan (K. G. pembelajaran dan analisis mengalami
Kim, 2016). penurunan. Sistem pembelajaran
Untuk mencapai tujuan adaptif individu yang mendukung
pembelajaran berbasis DL, pembelajaran pembelajaran yang di personalisasi
akan menggunakan jalur adaptif telah menjadi teknologi pendidikan
(kemampuan seseorang untuk mampu yang berkembang.
menyesuaikan diri dengan norma atau
setandar yang berlaku di lingkungannya) KESIMPULAN
dalam memberikan umpan balik yang Deep learning termasuk salah
konstan bagi siswa dan guru. Siswa satu solusi untuk menghadapi
prediktif (teknologi pemasukan data dimana tantangan zaman yang begitu pesat
satu tombol dapat mewakili banyak huruf) khusunya permasalahan dari sektor
dengan DL dapat diprediksi dan pendidikan. dengan adanya teknologi di
diidentifikasi untuk melihat kekuatan kolaborasikan dengan pembelajaran
dan kelemahan mereka dan secara mendalam yang dilakukan
menyarankan cara untuk meningkatkan pendidik kepada muridnya diharapkan
tes atau latihan. mampu mendongkrak lulusan yang
Pendaftaran sekolah untuk retensi berkualitas dan mampu bersaing pada
(jumlah termin (progress billing) yang zaman globalisasi yang tidak bisa
belum dibayarkan) siswa akan terbendung. Berbagai permasalahan
memengaruhi metrik utama seperti bisa dengan cepat dan mudah untuk
reputasi, kemajuan, dan kinerja diselesaikan oleh manusiadengan
keuangan. Mahasiswa yang berisiko bantuan deep learning salah satu
dapat dideteksi oleh DL jika mengalami contohnya membuat baju. Membuat
retensi (jumlah termin (progress billing) baju akan menjadi lama jikalau
yang belum dibayarkan) manajemen. dikerjakan dengan menggunakan
Penerapan Teknik DL dalam tangan manusia, namun akan berbeda
proses belajar mengajar mengubah jika dikerjakan dengan bantuan mesin
paradigma dan tren yang menonjol di atau alat penjahit yang memakai mesin
bidang Pendidikan. Pembelajaran jait.
berbasis teknologi konvensional dan
 Tatar Pasundan
Jurnal Diklat Keagamaan
PISSN 2085-4005; EISSN 2721-2866

Volume 15 Nomor 2 Tahun 2021

Meskipun deep learning dan berguna bagi guru dalam membantu
teknologi lainnya dapat memberikan siswa mencapai tujuan pembelajaran.
bantuan dan dukungan dalam Namun, meskipun teknologi
pembelajaran, tetap saja guru tetap dapat memberikan dukungan yang
menjadi pemeran utama dalam berguna dalam pembelajaran, tetap
pembelajaran. Guru berperan sebagai saja guru memiliki peran penting
fasilitator dalam pembelajaran siswa, dalam mengevaluasi efektivitas
guru memberikan fasilitas pendukung, teknologi dan memastikan bahwa
membimbing siswa dalam teknologi digunakan dengan cara yang
mengembangkan kemampuan mereka, tepat dan efektif dalam konteks
dan memberikan umpan balik yang pembelajaran. Oleh karena itu, guru
berguna untuk memperbaiki kinerja harus mampu mengkalibrasi
siswa. kompetensinya agar tetap menjadi
Guru juga dapat memanfaatkan pemeran utama dalam pembelajaran,
teknologi seperti deep learning untuk sementara teknologi dapat menjadi alat
meningkatkan kualitas pengajaran dan yang berguna dalam mendukung dan
memfasilitasi pembelajaran adaptif, meningkatkan pembelajaran. Tentu
tutor virtual, dan sistem evaluasi dan tidak diharpkan peserta didik
penilaian otomatis. Dalam hal ini, beranggapan tguru dapat digantikan
teknologi dapat menjadi alat yang dengan teknologi, sehingga eksistensi
guru berkurang bahkan menghilang.
DAFTAR PUSTAKA

Arifudin, O. (2020). Implementasi Sistem penjaminan mutu internal (SPMI) Sebagai

Upaya

Meningkatkan Mutu Program Studi. Jurnal Al-Amar (Ekonomi Syariah, Perbankan

Syariah, Agama Islam, Manajemen Dan Pendidikan), 1(3), 1–11.

Ahmad. (2017). Mengenal Artificial Intelligence, Machine Learning, Neural Network,

Dan Deep Learning. Yayasan Cahaya Islam, Jurnal Teknologi Indonesia., 1(1), 1–5.

Ahmad. (2017). Mengenal Artificial Intelligence, Machine Learning, Neural Network,

Dan Deep Learning. Jurnal Teknologi Indonesia, 1, 1–5.

Arifudin. (2022). Pembelajaran Bahasa Arab dengan Model Blended learning pada
Program Studi Pendidikan Bahasa Arab. Perspektif Pendidikan Dan Keguruan, 13(1).
https://doi.org/10.25299/perspektif.2022.vol13(1).9474

Assegaf. (2004). Membangun Format Pendidikan Islam di Era Globalisasi. ArRuuz Media.

Fujiyanto, Ahmad, Asep Kurnia Jayadinata, and D. K. (2016). The Use of Audio Visual
Media to Improve Student Learning Outcomes in Material Relationships between
Living Creatures. Jurnal Pena Ilmiah, 841–50.

K. G. Kim. (2016). “Deep Learning. 22, 351–354.

Marlina, Y., & Cahyono, C. (2022). A Conceptualization of Online Collaborative

English Learning for Undergraduate Students in the New Normal Post Covid-19
Era. EDUTEC : Journal of Education And Technology, 5(3), 625–639.
http://ejournal.ijshs.org/index.php/edu/article/view/317

Putra, A. N. (2020). Pengaruh kepuasan terhadap game, identifikasi nilai terhadap niat
beli game items ML. In Universitas Airlangga. Universitas Airlangga.

R. Primartha. (2018). Belajar Machine Learning Teori Dan Praktik. Informatika Bandung.
 Tatar Pasundan
Jurnal Diklat Keagamaan
PISSN 2085-4005; EISSN 2721-

2866 Volume 15 Nomor 2 Tahun

2021
Ulfah, A. (2020). Ulfah. Prosiding Seminar Nasional Bahasa Dan Sastra …, 2(4).