Przejdź do treści
promptowy.com / Glosarium AI / LoRA (Low-Rank Adaptation)
Model dan pelatihan

LoRA (Low-Rank Adaptation)

LoRA adalah teknik efisien untuk melatih dan menyesuaikan model AI dengan menyematkan lapisan parameter kecil tanpa merombak bobot utama model dasar.

LoRA, singkatan dari Low-Rank Adaptation, adalah metode penyesuaian model kecerdasan buatan yang bekerja dengan cara menambahkan dan melatih sekumpulan kecil parameter tambahan, tanpa mengubah bobot asli dari model dasar yang sudah dibekukan. Dalam praktiknya, teknik ini memungkinkan pengguna melatih model agar memahami konsep, gaya artistik, atau istilah spesifik baru dengan ukuran berkas yang sangat ringkas serta kebutuhan komputasi yang jauh lebih hemat.

Perlu dipahami bahwa LoRA dalam konteks kecerdasan buatan sama sekali berbeda dengan teknologi jaringan radio LoRa atau LoRaWAN yang biasa digunakan pada sensor nirkabel dan perangkat IoT. Di dunia AI, LoRA murni merupakan teknik matematika untuk mengoptimalkan cara kerja jaringan saraf tiruan, baik pada generator gambar maupun model bahasa besar.

Bagaimana LoRA Bekerja di Balik Layar

Saat melatih model AI secara penuh, komputer harus memperbarui miliaran angka bobot secara serempak, proses yang menuntut kartu grafis berkekuatan luar biasa besar. LoRA memecahkan masalah ini dengan mengunci seluruh bobot model dasar agar tidak berubah sama sekali. Sebagai gantinya, teknik ini memasukkan dua matriks berukuran kecil dengan peringkat rendah ke dalam lapisan model.

Ketika proses pelatihan berlangsung, hanya dua matriks kecil ini yang diperbarui. Hasil akhirnya bukan model utuh baru berukuran puluhan gigabite, melainkan berkas adapter kecil berukuran megabite yang siap dipasang atau dilepas kapan saja. Adapter ini berfungsi seperti kacamata khusus yang mengarahkan model dasar untuk menghasilkan keluaran tertentu tanpa merusak pengetahuan umumnya.

Contoh Penerapan Nyata di Indonesia

Bayangkan seorang perajin atau pelaku UMKM batik asal Yogyakarta yang ingin membuat materi promosi digital mingguan untuk media sosial. Pemilik usaha ingin menjaga motif parang atau corak kawung khas studionya tetap terlihat konsisten pada setiap poster, baik saat menampilkan model mengenakan kemeja santai, tote bag kain, maupun taplak meja di warung kopi.

Jika hanya mengandalkan teks instruksi standar, AI sering kali menghasilkan corak etnik acak yang tidak akurat. Dengan melatih adapter LoRA menggunakan beberapa lusin foto kain batik asli miliknya, perajin tersebut dapat menempelkan adapter itu ke model gambar dasar. Hasilnya, generator gambar dapat menghasilkan berbagai adegan baru sembari tetap mempertahankan guratan motif lokal yang konsisten dan akurat sesuai identitas mereknya.

Cara Menggunakan dan Menguji Berkas LoRA

Menggunakan adapter yang sudah jadi memerlukan ketelitian teknis agar hasilnya optimal. Anda dapat mengikuti beberapa langkah pengujian terarah berikut:

  • Periksa kecocokan model dasar: Adapter LoRA dirancang untuk keluarga model dasar tertentu. Memasang adapter yang keliru pada model dasar yang berbeda akan menghasilkan visual yang rusak atau pesan kesalahan sistem.
  • Perhatikan kata pemicu (trigger word): Sebagian adapter memerlukan kata kunci khusus di dalam instruksi agar efeknya muncul, sementara sebagian lainnya langsung aktif begitu berkas dimuat. Bacalah dokumentasi pembuatnya terlebih dahulu.
  • Buat gambar pembanding tanpa adapter: Tentukan satu setelan tetap yang mencakup teks instruksi, nomor acak bibit (seed), dan resolusi. Hasilkan gambar pertama sebagai standar tolok ukur awal.
  • Atur kekuatan atau bobot secara bertahap: Jangan langsung mengatur kekuatan adapter ke angka maksimal. Mulailah dari kekuatan menengah, lalu naikkan perlahan untuk melihat batas keseimbangan antara gaya yang diinginkan dan keutuhan bentuk objek.
  • Uji pada berbagai skenario berbeda: Adapter yang berkualitas harus bisa bekerja di luar contoh latihannya. Jika adapter dilatih untuk cangkir kopi keramik, cobalah letakkan cangkir itu di atas meja kayu, di dalam rak dapur, atau dipegang oleh seseorang untuk memastikan fleksibilitasnya.

Kesalahan Umum Saat Memakai dan Melatih LoRA

Kesalahan paling sering terjadi adalah menerapkan bobot adapter terlalu tinggi. Nilai bobot yang berlebihan sering kali menyebabkan gambar menjadi kaku, warna terbakar, tekstur kulit berubah tidak wajar, atau elemen latar belakang hancur berantakan. Kekuatan yang lebih tinggi tidak selalu menghasilkan visual yang lebih baik.

Bagi yang ingin melatih adapter sendiri, kesalahan umum lainnya adalah mengumpulkan dataset gambar yang seragam dari satu sudut pandang saja. Kumpulan gambar yang buruk akan membuat model bingung membedakan antara subjek utama dan latar belakang. Selain itu, faktor hak cipta dan izin penggunaan gambar harus selalu dihormati, terutama bila materi pelatihan melibatkan karya seni milik orang lain atau rupa wajah orang nyata.

Cara mengatur di Midjourney, FLUX, Ideogram, GPT Image, dan ComfyUI, lengkap dengan gambar sebelum dan sesudah: Bobot LoRA (LoRA Weight) di kamus parameter

Pertanyaan umum

Apakah LoRA bisa berdiri sendiri tanpa model dasar?

Tidak, LoRA hanyalah berkas adapter tambahan. Anda selalu membutuhkan model dasar yang sesuai agar adapter LoRA dapat berfungsi.

Apakah LoRA hanya bisa digunakan untuk gambar?

Tidak, metode LoRA awalnya dikembangkan untuk model bahasa besar berbasis teks. Teknik ini bekerja sangat efektif baik pada model teks maupun model generator gambar.

Mengapa gambar hasil LoRA saya terlihat rusak atau terdistorsi?

Penyebab paling umum adalah nilai bobot adapter yang disetel terlalu tinggi atau adanya ketidakcocokan antara berkas LoRA dan model dasar yang Anda gunakan.

← Semua istilah di Glosarium AI

🛒 Sklep Kinetyka CapCut Pro 460 zł/rok Lovable Pro 450 zł/rok Replit Core 119 zł/rok Zobacz wszystko →
× ‹ powiększenie ›