Mengenal Machine Learning

Di era digital saat ini, banyak sekali istilah dalam perkembangan teknologi yang harus kita ketahui ataupun pelajari. Salah satunya adalah Machine Learning.

Machine learning adalah algoritma yang belajar dari data untuk menghasilkan sebuah model machine learning. Dan menurut (Samuel, 1959) machine learning merupakan cabang ilmu komputer yang mempelajari metode perancangan algoritma yang mampu belajar dan beradaptasi terhadap pola data tanpa diprogram secara eksplisit. Tujuan utama dari machine learning adalah menaikan tingkat otomatisasi dari proses rekayasa pengetahuan. Dengan kata lain, menyederhanakan proses untuk menganalisis prediksi yang digunakan oleh sistem dengan cara mempelajari pola data yang ada. Metode pembelajaran machine learning terbagi menjadi tiga kategori utama, yaitu:

1. Supervised Learning

Metode pembelajaran secara supervised dari algoritma machine learning bertujuan untuk memprediksi sebuah model dengan memperkirakan fungsi untuk memetakan atribut data ke atribut target melalui proses generalisasi pola dari contoh data. Sehingga, model algoritma dapat memprediksi atribut target dari sebuah data baru. Contoh kasus sederhana yaitu, jika kita akan membuat sebuah model machine learning yang mampu mengenali gambar seekor gajah, maka memerlukan data berupa gambar gajah yang diinputkan untuk proses pelatihan. Setelah proses pelatihan atau training selesai dilakukan, diharapkan model algoritma dapat mengenali gambar baru gajah dalam berbagai pose dan bentuk. Gajah merupakan atribut target atau biasa dikenal dengan Label yang akan diprediksi. Sedangkan, gambar gajar dalam berbagai pose dan bentuk merupakan atribut data atau lebih dikenal dengan Features.

2. Unsupervised Learning

Metode pembelajaran unsupervised learning merupakan pembelajaran yang menggunakan data tidak berlabel. Unsupervised learning bertujuan untuk menemukan pola atau struktur yang tersembunyi di dalam data input. Contoh kasus sederhana yaitu, jika perusahaan ingin mengetahui jenis produk yang sesuai dengan karakteristik konsumen, maka dapat melakukan pengelompokan berdasarkan kriteria besaran gaji dan pengeluaran perbulannya. Dalam kasus ini, akan dilakukan pengelompokan pada data-data konsumen tersebut dengan membagi menjadi beberapa kelompok (klaster).

3. Reinforcement Learning

Metode pembelajaran reinforcement learning menggunakan data yang tidak berlabel, sama seperti unsupervised learning. Hal yang membedakan yaitu, metode reinforcement learning mengintegrasikan metode pembelajaran dengan sebuah aplikasi yang memberika umpan balik bagi setiap keputusan yang telah diambil. Mekanisme ini akan membuat algoritma belajar dari kesalahan dalam membuat sebuah keputusan. Biasanya, metode pembelajaran ini diterapkan pada Game, salah satu contohnya yakni AlphaGo.