CNN & RNN: Bagaimana AI Melihat dan Mendengar

(Siri 6: Memahami Teknologi AI)

---

Apa Itu CNN & RNN?

Dalam Deep Learning, terdapat dua jenis jaringan saraf (neural network) yang penting untuk memproses imej, video, dan data bersiri:

1. CNN (Convolutional Neural Network) – Fokus pada imej dan video

2. RNN (Recurrent Neural Network) – Fokus pada data bersiri / urutan, seperti teks dan audio

Kedua-duanya bersumber dari Deep Learning, tetapi direka untuk jenis data berbeza.

---

1️⃣ CNN – Convolutional Neural Network

Definisi:
CNN direka untuk mengenal corak dalam imej dan video. Ia boleh mengesan objek, wajah, atau ciri halus seperti nombor plat kenderaan.

Bagaimana CNN Berfungsi:

1. Convolution Layer: Mengesan ciri asas (tepi, sudut, tekstur)

2. Pooling Layer: Mengecilkan saiz imej tanpa hilang maklumat penting

3. Fully Connected Layer: Membuat keputusan atau klasifikasi akhir

Contoh Aplikasi:

• Pengecaman wajah di CCTV

• Pengecaman nombor plat kenderaan (LPR)

• Analisis imej satelit / dron

Analogi:

CNN seperti mata jurupolis pakar. Ia bukan sekadar melihat, tetapi kenal corak halus dalam imej untuk mengenal suspek atau objek penting.

---

2️⃣ RNN – Recurrent Neural Network

Definisi:
RNN direka untuk data bersiri di mana urutan penting. Contohnya teks, audio, atau tingkah laku manusia dari masa ke masa.

Bagaimana RNN Berfungsi:

• Memproses input satu persatu, sambil ingat maklumat sebelumnya

• Sesuai untuk ramalan, pengecaman suara, analisis bahasa

Contoh Aplikasi:

• Pengecaman suara di telefon / AI asisten

• Transkripsi rakaman polis / laporan audio

• Ramalan corak jenayah berdasarkan urutan masa

Analogi:

RNN seperti pegawai polis yang ingat setiap langkah kes.
Setiap maklumat baru ditambah kepada ingatan lama untuk buat keputusan lebih tepat.

---

CNN vs RNN – Perbezaan Utama

Ciri	CNN	RNN
Data	Imej, video	Teks, audio, siri masa
Fokus	Corak spatial	Corak temporal / urutan
Contoh	Pengecaman wajah CCTV	Analisis laporan audio, ramalan jenayah bersiri

---

Contoh Kepolisan / Forensik Digital

Teknik	Aplikasi
CNN	Pengecaman wajah, nombor plat, objek mencurigakan
RNN	Transkripsi laporan audio, analisis komunikasi suspek, ramalan urutan jenayah

---

Kesimpulan Siri 6

• CNN = AI “mata pakar” untuk imej & video

• RNN = AI “ingatan pakar” untuk urutan & audio

• Kedua-duanya asas kepada banyak aplikasi kepolisan, keselamatan, dan forensik digital

📌 Nota:
Faham CNN & RNN sebelum masuk Transformer, kerana Transformer adalah evolusi RNN untuk data bersiri skala besar.