Mari Berkenalan dengan Machine Learning

Halo semuanya, selamat datang di seri pertama berlajar machine learning. Pada artikel pertama ini, kita akan membahas beberapa hal untuk berkenalan dengan machine learning.

Apa itu machine learning, bagaimana cara kerjanya/tahapan yang ada, tipe-tipe machine learning dan, aplikasi/pemanfaatan machine learning itu sendiri seperti apa.

Definisi

Setiap organisme menjalani proses pembelajaran ( learning process). Misalnya saja anjing yang dilatih untuk bisa mengambil koran di pagi hari atau dilatih untuk bisa melacak aroma-aroma tertentu. Berangkat dari proses pembelajaran tersebut, bagaimana apabila proses itu diterapkan pada komputer sehingga komputer dapat menyelesaikan suatu permasalahan yang sulit dengan efisien.

Maka, pada dasarnya machine learning meniru pembelajaran yang dialami oleh organisme atau makhluk hidup. Yang memiliki peranan menyelesaikan pengenalan pola, pengambilan keputusan, pemikiran, prediksi, dll.

> Machine learning adalah bagian dari kecerdasan buatan yang berfokus dalam mempelajari, mendesain dan membuat algoritma yang memiliki kemampuan untuk belajar dari data yang ada.

Tahapan dalam machine learning

1. Training/learning: Mengkonstruski model.
2. Prediction: Menguji model dengan data baru.

Komponen utama dalam tahap belajar sendiri ada beberapa, yaitu:

Melalui gambar diatas, tahap pertama adalah kita memiliki data. Didalam data tersebut terdapat fungsi atau pola yang tersembunyi, melalui algoritma machine learning-lah kita memprediksi hipotesis yang mendekati fungsi atau pola tersembunyi pada data itu.

Komponen utama dalam tahap prediksi

Setelah kita mendapatkan hipotesis prediksi atau model, selanjutnya prediksi tersebut digunakan pada data test untuk mendapatkan hasil prediksi.

Tipe machine learning

Machine learning dapat dibagi menjadi 3 kategori berdasarkan karakteristik dari data yang digunakannya dan berdasarkan teknik yang digunakan untuk proses training- nya.

1. Supervised learning, point utamanya adalah data yang digunakan memiliki label. Antara masukan dan keluarannya saling berpasangan, sehingga proses pembelajaran akan mencari hubungan dari masukan dan keluarannya tersebut.
2. Unsupervised learning, point utamanya adalah data yang digunakan belum memiliki label, sehingga tujuan dari pembelajarannya adalah untuk mengelompokan elemen berdasarkan kesamaan karakteristik yang unik.
3. Reinforcement learning, hampir sama dengan unsupervised tetapi yang membedakannya adalah pembelajaran didasari oleh skor. Tujuannya untuk menentukan aksi yang harus diambil agar dapat memaksimalkan reward dan meminimalkan punishment .

Aplikasi machine learning

Pemanfaatan machine learning sangat banyak di berbagai bidang, karena bisa memberikan hasil yang cukup akurat dalam menyelesaikan permasalahan yang bagi manusia itu rumit. Beberapa diantaranya adalah:

1. deteksi penipuan
2. mesin rekomendasi
3. analisis sentimen pada teks
4. prediksi harga saham/minyak
5. segmentasi pelanggan

serta masih banyak pemanfaatan dan aplikasi dari machine learning yang sudah diterapkan dan memberikan hasil yang baik di industri.

Baik, pada artikel ini kita telah membahas machine learning secara singkat. Untuk artikel selanjutnya akan dibahas beberapa algoritma yang sering digunakan pada machine learning. Apabila ada yang ingin ditanyakan, silahkan komentar dibawah.