{"id":91,"date":"2025-08-17T01:22:33","date_gmt":"2025-08-17T01:22:33","guid":{"rendered":"https:\/\/learn.rantissi.my.id\/?p=91"},"modified":"2025-08-17T01:22:35","modified_gmt":"2025-08-17T01:22:35","slug":"computer-vision-bagaimana-ai-bisa-melihat-memahami-gambar","status":"publish","type":"post","link":"https:\/\/learn.rantissi.my.id\/index.php\/2025\/08\/17\/computer-vision-bagaimana-ai-bisa-melihat-memahami-gambar\/","title":{"rendered":"Computer Vision \u2014 Bagaimana AI Bisa Melihat & Memahami Gambar"},"content":{"rendered":"\n

Apa itu Computer Vision<\/em>?<\/h4>\n\n\n\n

Computer Vision (CV)<\/strong> adalah cabang dari AI yang membuat komputer bisa \u201cmelihat\u201d dan memahami isi gambar atau video<\/strong>, seperti manusia pakai mata.<\/p>\n\n\n\n

\n

Misalnya kamu kasih foto kucing ke komputer, lalu dia bisa bilang: “Ini kucing.”
Itu artinya dia melihat<\/strong>, mengenali, dan mengerti<\/strong> isi gambarnya.<\/p>\n<\/blockquote>\n\n\n\n

\n\n\n\n

Contoh penggunaan Computer Vision:<\/h3>\n\n\n\n
    \n
  1. Face recognition<\/strong> di HP (buka layar pakai wajah)<\/li>\n\n\n\n
  2. Deteksi plat nomor<\/strong> di kamera tilang otomatis<\/li>\n\n\n\n
  3. Mobil otonom<\/strong> melihat jalan, rambu, dan pejalan kaki<\/li>\n\n\n\n
  4. Aplikasi kamera<\/strong> yang bisa mengenali objek dan memberi efek otomatis<\/li>\n\n\n\n
  5. Mesin diagnosa medis<\/strong> dari hasil X-ray, MRI, atau CT scan<\/li>\n\n\n\n
  6. Sistem keamanan CCTV<\/strong> yang bisa tahu jika ada orang mencurigakan<\/li>\n<\/ol>\n\n\n\n
    \n\n\n\n

    Bagaimana cara kerjanya?<\/h3>\n\n\n\n
      \n
    1. Gambar \u2192 jadi data<\/strong>\n
        \n
      • Komputer mengubah gambar menjadi kumpulan angka (piksel).<\/li>\n\n\n\n
      • Misalnya: warna, bentuk, garis, tekstur.<\/li>\n<\/ul>\n<\/li>\n\n\n\n
      • Ekstraksi fitur<\/strong>\n
          \n
        • AI mengenali pola-pola sederhana dulu seperti garis, lengkungan, dll.<\/li>\n\n\n\n
        • Lalu naik ke pola kompleks seperti bentuk mata, hidung, atau kendaraan.<\/li>\n<\/ul>\n<\/li>\n\n\n\n
        • Klasifikasi<\/strong>\n
            \n
          • Setelah belajar banyak contoh, AI bisa bilang: \u201cOke, bentuk ini mirip dengan banyak gambar kucing yang pernah aku lihat \u2192 ini kucing.\u201d<\/li>\n<\/ul>\n<\/li>\n<\/ol>\n\n\n\n
            \n\n\n\n

            Teknologi yang dipakai:<\/h3>\n\n\n\n
              \n
            • CNN (Convolutional Neural Network)<\/strong>
              \u2192 Ini adalah jenis neural network khusus yang sangat bagus buat analisis gambar.
              CNN bisa mendeteksi pola-pola visual dari lapisan dasar (piksel) sampai kompleks (wajah).<\/li>\n<\/ul>\n\n\n\n
              \n\n\n\n

              Contoh kecil:<\/h3>\n\n\n\n

              Kamu ingin AI mengenali gambar apel \ud83c\udf4e dan jeruk \ud83c\udf4a<\/p>\n\n\n\n

                \n
              1. Kamu kasih ratusan gambar apel dan jeruk ke AI.<\/li>\n\n\n\n
              2. AI belajar: “Oh, apel biasanya merah\/hijau dan bulat.”<\/li>\n\n\n\n
              3. Saat kamu kasih gambar baru, AI akan bilang: “Kemungkinan besar ini apel, bukan jeruk.”<\/li>\n<\/ol>\n\n\n\n
                \n\n\n\n

                Kesimpulan:<\/h3>\n\n\n\n

                Computer Vision = Mata + Otak-nya AI.<\/strong>
                Dengan CV, komputer bukan cuma \u201cmelihat\u201d, tapi juga bisa memahami<\/em> dan mengambil keputusan<\/em> dari gambar.<\/p>\n","protected":false},"excerpt":{"rendered":"

                Apa itu Computer Vision? Computer Vision (CV) adalah cabang dari AI yang membuat komputer bisa \u201cmelihat\u201d dan memahami isi gambar atau video, seperti manusia pakai mata. Misalnya kamu kasih foto kucing ke komputer, lalu dia bisa bilang: “Ini kucing.”Itu artinya dia melihat, mengenali, dan mengerti isi gambarnya. Contoh penggunaan Computer Vision: Bagaimana cara kerjanya? Teknologi…<\/p>\n","protected":false},"author":1,"featured_media":18,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[5],"tags":[],"class_list":["post-91","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-artificial-intelligence"],"_links":{"self":[{"href":"https:\/\/learn.rantissi.my.id\/index.php\/wp-json\/wp\/v2\/posts\/91","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/learn.rantissi.my.id\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/learn.rantissi.my.id\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/learn.rantissi.my.id\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/learn.rantissi.my.id\/index.php\/wp-json\/wp\/v2\/comments?post=91"}],"version-history":[{"count":1,"href":"https:\/\/learn.rantissi.my.id\/index.php\/wp-json\/wp\/v2\/posts\/91\/revisions"}],"predecessor-version":[{"id":92,"href":"https:\/\/learn.rantissi.my.id\/index.php\/wp-json\/wp\/v2\/posts\/91\/revisions\/92"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/learn.rantissi.my.id\/index.php\/wp-json\/wp\/v2\/media\/18"}],"wp:attachment":[{"href":"https:\/\/learn.rantissi.my.id\/index.php\/wp-json\/wp\/v2\/media?parent=91"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/learn.rantissi.my.id\/index.php\/wp-json\/wp\/v2\/categories?post=91"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/learn.rantissi.my.id\/index.php\/wp-json\/wp\/v2\/tags?post=91"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}