Machine Learning, teknologi yang sedang banyak dibicarakan belakangan ini dan sangat pesat perkembangannya. Machine Learning dibentuk dalam sebuah perangkat agar dapat mempelajari data dengan sendiri-nya dan menghasilkan sebuah klasifikasi atau prediksi. Untuk menghasilkan prediksi machine learning bekerja menggunakan beberapa algoritma khusus.
Apa itu Machine Learning ?
Machine Learning merupakan salah satu cabang dari ilmu Kecerdasan Buatan, khususnya yang mempelajari tentang bagaimana komputer mampu belajar dari data untuk meningkatkan kecerdasannya.
Machine Learning adalah suatu kecerdasan buatan yang ditanamkan pada suatu perangkat agar perangkat tersebut kedepan dapat mempelajari data dengan sendirinya. Proses dalam mempelajari data tersebut menggunakan algoritma khusus yang disebut machine learning algorithms. Terdapat banyak algoritma machine learning dengan efisiensi dan spesifikasi kasus yang berbeda-beda.
Konsep Dasar dan Cara kerja Machine Learning
Cara kerja machine learning adalah belajar seperti manusia dengan menggunakan contoh-contoh dan kemudian dapat menjawab suatu pertanyaan terkait. Proses belajar ini menggunakan data yang disebut train dataset. Machine Learning diciptakan untuk membentuk program yang dapat belajar sendiri.
Dari data tersebut, komputer akan melakukan proses belajar yang disebut training untuk menghasilkan suatu model. Proses belajar ini menggunakan algoritma machine learning. Model inilah yang menghasilkan informasi, kemudian dapat dijadikan pengetahuan untuk memecahkan suatu permasalahan sebagai proses input-output. Model yang dihasilkan dapat digunakan sebagai klasifikasi atau pun prediksi untuk kedepannya.
Untuk memastikan efisiensi model yang terbentuk, data akan dibagi menjadi data pembelajaran (train dataset) dan data pengujian (test dataset). Pembagian data yang digunakan bervariasi bergantung algoritma yang digunakan. Pada umumnya train dataset lebih banyak dari test dataset, misalnya dengan rasio 3:1. Test dataset digunakan untuk menghitung seberapa efisien model yang dihasilkan untuk melakukan klasifikasi atau prediksi kedepan yang disebut test score. Semakin banyak data yang digunakan, test score yang dihasilkan semakin baik.
Metode Algoritma Machine Learning
1. Supervised machine learning algorithms
Supervised machine learning adalah algoritma machine learning yang dapat menerapkan informasi yang telah ada pada data dengan memberikan label tertentu, misalnya data klasifikasi sebelumnya (terarah). Algoritma ini mampu memberikan target terhadap output yang dilakukan dengan membandingkan pengalaman belajar di masa lalu.
2. Unsupervised machine learning algorithms
Unsupervised machine learning adalah algoritma machine learning yang digunakan pada data yang tidak mempunyai informasi yang dapat diterapkan secara langsung (tidak terarah). Algoritma ini diharapkan mampu menemukan struktur tersembunyi pada data yang tidak berlabel.
3. Semi-supervised machine learning algorithms
Semi-supervised machine learning adalah algoritma yang digunakan untuk melakukan pembelajaran data berlabel dan tanpa label. Sistem yang menggunakan metode ini dapat meningkatkan efisiensi output yang dihasilkan.
4. Reinforcement machine learning algorithms
Reinforcement machine learning adalah algoritma yang mempunyai kemampuan untuk berinteraksi dengan proses belajar yang dilakukan, algoritma ini akan memberikan poin (reward) saat model yang diberikan semakin baik atau mengurangi poin (error) saat model yang dihasilkan semakin buruk. Salah satu penerapan yang sering dijumpai yaitu pada mesin pencari.
Sumber: https://www.researchgate.net/publication/330441937
https://www.advernesia.com/blog/data-science/machine-learning-adalah/
Hak Cipta Diagram: Teradata Corporation