Di tengah pesatnya perkembangan teknologi artificial intelligence (AI) saat ini. Banyak orang yang tidak mengetahui bahwa kecerdasan buatan terdiri dari beberapa cabang salah satunya adalah machine learning.
Machine Learning merupakan salah satu cabang kecerdasan buatan yang sangat menarik, mengapa? Karena machine learning adalah mesin yang bisa belajar seperti manusia.
Saat ini, machine learning memiliki peranan penting dalam membantu manusia dalam berbagai bidang. Tanpa kita sadari, kita adalah salah satu pengguna yang memanfaatkan machine learning dalam kehidupan sehari-hari.
Salah satu contohnya, dibidang teknologi, dalam kehidupan sehari-sehari seperti penggunaan fitur face unlock dalam membuka perangkat ponsel pintar, asisten virtual pada gadget, dan iklan produk yang muncul pada layer gadget sesuai dengan produk yang ingin dibeli.
Selain itu, machine learning juga diterapkan di bidang kedokteran atau medis dalam mengklasifikasikan dan menghitung pola penyakit berdasarkan pemrosesan gambar.
Kemudian, dibidang industri digunakan untuk mengklasifikasikan data hasil produksi kelapa sawit dan memprediksi permintaan suatu produk bagi perusahaan, dan masih banyak contoh dari penerapan machine learning yang sering dijumpai. Lalu, apa sebenarnya machine learning itu?
Pengertian Machine Learning
Machine Learning merupakan salah satu cabang dari kecerdasan buatan (Artificial Intelligence) yang mulai banyak diteliti dan digunakan untuk memecahkan berbagai permasalahan. Machine learning dikembangkan dengan tujuan agar dapat belajar dengan sendirinya tanpa keterlibatan manusia.
Machine learning merupakan turunan dari rumusan matematika dan statistika yang penggunaannya disesuaikan dengan permasalahan yang dihadapi.
Machine learning memiliki 2 tujuan utama yaitu untuk memprediksi data atau peristiwa dimasa mendatang dan/atau untuk mendapatkan informasi dari penemuan struktur yang tidak diketahui.
Menurut UC Berkeley dalam IBM Cloud Education (2020), system pembelajaran yang dilakukan oleh machine learning dibagi menjadi 3 bagian utama antara lain:
- Proses Keputusan, algoritma pada machine learning digunakan untuk kasus prediksi dan klasifikasi dimana nilai keputusan yang didapatkan berupa nilai perkiraan dari pola data.
- Fungsi kesalahan, fungsi kesalahan digunakan untuk mengevaluasi model machine learning yang dibangun untuk mengukur akurasi model.
- Proses Optimasi Model, jika model data yang dihasilkan oleh machine learning cocok dengan titik dataset yang dilatih. Model akan dioptimasi dengan cara mengulangi proses “evaluasi dan optimasi” dimana bobot-bobot diperbaharui secara mandiri hingga ambang akurasi yang ditentukan tercapai.
Teknik Dasar Machine Learning
Terdapat beberapa teknik dasar dalam machine learning yaitu supervised learning dan unsupervised learning.
Supervised Learning
Supervised learning merupakan teknik pembelajaran terawasi dimana pelatihan model dilakukan untuk jenis data berlabel. Machine learning dilatih untuk mengenali pola data dan menemukan hubungan yang mendasari antara data input dan data output. Supervised machine learning mendapatkan hasil nilai output dari data input yang telah dilatih.
Jika di analogikan, supervised learning merupakan siswa yang sedang ujian. Saat menjawab ujian, siswa tersebut akan memberikan jawaban dari hasil proses pembelajaran materi yang sudah diterimanya.
Beberapa metode yang menggunakan teknik supervised machine learning antara lain neural network, naïve bayes, regresi linier, regresi logistic, random forest, dan support vector machine (SVM).
Unsupervised Learning
Unsupervised learning merupakan teknik pembelajaran tidak terawasi yang bertujuan untuk menganalisis dan mengelompokan kumpulan data yang tidak berlabel. Pada teknik ini, nilai output tidak diketahui karena teknik ini tidak dirancang untuk “belajar” dari data sampel sebelumnya.
Unsupervised learning umumnya digunakan untuk jenis kasus kompleks dan rumit yang pola datanya tidak dikenali sebelumnya. Proses belajar yang dilakukan yaitu dengan cara mempelajari secara “real time” yang artinya komputer belajar mengenali data pada saat data disajikan.
Jika dianalogikan, unsupervised learning merupakan seseorang yang tidak memiliki pengetahuan mendasar mengenai jenis-jenis kopi diminta untuk mencicipi 5 kopi dan mengelompokkannya berdasarkan jenis kopinya.
Oleh karena ketidaktahuan seseorang tersebut maka orang tersebut mengelompokkannya dengan cara membuat label baru berdasarkan tingkat kesukaan.
Beberapa metode yang menggunakan teknik unsupervised machine learning antara lain algoritma seperti k-means, Apriori, Independent Subspace, DBSCAN, dan sebagainya (Roihan dkk,2020).
Penulis: Lany Margaret Permata
Mahasiswa Jurusan Teknologi Industri Pertanian Universitas Brawijaya
Reference:
Dridi, S. (2021). Unsupervised Learning – A Systematic Literature Review U NSUPERVISED L EARNING – A SYSTEMATIC LITERATURE. Systematic Literature Review, 1(1), 1–21. https://doi.org/10.13140/RG.2.2.16963.12323
Nichols, J. A., Herbert Chan, H. W., & Baker, M. A. B. (2019). Machine learning: applications of artificial intelligence to imaging and diagnosis. Biophysical Reviews, 11(1), 111–118. https://doi.org/10.1007/s12551-018-0449-9
Nurhidayat, A., Asmunin, A., & Suyatno, D. F. (2021). Prediksi Kinerja Akademik Mahasiswa Menggunakan Machine Learning dengan Sequential Minimal Optimization untuk Pengelola Program Studi. Journal of Information Engineering and Educational Technology, 5(2), 84–91. https://doi.org/10.26740/jieet.v5n2.p84-91
Roihan, A., Sunarya, P. A., & Rafika, A. S. (2020). Pemanfaatan Machine Learning dalam Berbagai Bidang: Review paper. IJCIT (Indonesian Journal on Computer and Information Technology), 5(1), 75–82. https://doi.org/10.31294/ijcit.v5i1.7951
