Kalau kamu mulai belajar Deep Learning atau Data Science, kamu pasti akan langsung disambut oleh istilah matematika seperti Scalar dan Vector. Jangan buru-buru tutup tab browser kamu! Konsep ini sebenarnya jauh lebih sederhana daripada namanya yang terdengar “canggih”. 

Dalam dunia AI, data adalah bahan bakar. Nah, Scalar dan Vector hanyalah cara kita mengemas bahan bakar tersebut agar bisa diproses oleh mesin. Apa bedanya? Mari kita bedah dengan cara paling gampang. Bayangkan Scalar sebagai sebuah angka tunggal. Dia berdiri sendiri. Dia tidak punya arah, dia hanya punya nilai. Contoh di dunia nyata adalah Suhu ruangan saat ini 25°C, dan Kecepatan mobil 60 km/jam. 

Dalam Deep Learning, scalar biasanya muncul sebagai hasil akhir atau parameter tunggal. Loss/Error saat kita menghitung Mean Squared Error (MSE), hasilnya adalah satu angka errornya 0.05. Itu adalah scalar. 

Nah, kalau vector itu ibarat sebuah daftar belanjaan atau barisan angka yang teratur. Vector adalah kumpulan dari beberapa Scalar yang disusun dalam satu baris (atau kolom). 

Contoh gampangnya adalah GPS. Untuk menentukan lokasimu, Google Maps tidak bisa hanya pakai satu angka. Dia butuh dua data yaitu Garis Lintang, Garis Bujur. Gabungan dua angka ini membentuk sebuah Vector yang menunjukkan posisi dan arah spesifik.  

Dalam Deep Learning vector adalah identitas dari data yang kita masukkan. Komputer tidak bisa melihat gambar kucing seperti kita melihatnya. Komputer melihatnya sebagai susunan angka. 

Deep Learning itu pada dasarnya adalah operasi matematika raksasa. Kita memasukkan data berupa Vector, lalu mesin akan mengalikan dan menjumlahkannya dengan jutaan parameter lain, hingga akhirnya keluar satu Scalar (misalnya adalah probabilitas nilai prediksi yaitu 90%).