Mengenal Lebih Jauh Tentang Machine Learning

Rachmad Lucky Alfiansyah December 3, 2022 December 3, 2022 3 min read

ischoolonline.berkeley.edu

Apa itu Machine Learning?

Machine Learning adalah cabang kecerdasan buatan (AI) dan ilmu komputer yang berfokus pada penggunaan data dan algoritma untuk meniru cara manusia belajar, secara bertahap meningkatkan akurasinya.

IBM memiliki sejarah yang kaya dengan machine learning. Salah satunya, Arthur Samuel, dikreditkan karena menciptakan istilah, “Machine Learning” dengan penelitiannya seputar permainan catur. Robert Nealey, master catur memainkan permainan di komputer IBM 7094 pada tahun 1962, dan dia kalah dari komputer. Dibandingkan dengan apa yang bisa dilakukan hari ini, prestasi ini tampak sepele, tetapi dianggap sebagai tonggak utama di bidang kecerdasan buatan.

Contoh penggunaan Machine Learning yang ada di kehidupan sehari – hari, seperti mesin rekomendasi Netflix dan mobil self-driving.

Algoritme machine learning biasanya dibuat menggunakan kerangka kerja yang mempercepat pengembangan solusi, seperti TensorFlow dan PyTorch.

Bagaimana machine learning bekerja

Sistem pembelajaran dari algoritma Machine Learning menjadi tiga bagian utama.

Jenis machine learning

Ada banyak 3 jenis model Machine Learning, berikut jenis – jenisnya:

Supervised learning: Dataset yang digunakan telah diberi label sebelumnya dan diklasifikasikan oleh pengguna untuk memungkinkan algoritme melihat seberapa akurat kinerjanya.
Unsupervised learning: Kumpulan data mentah yang digunakan tidak diberi label dan algoritme mengidentifikasi pola dan hubungan dalam data tanpa bantuan dari pengguna.
Semi-supervised learning: Kumpulan data berisi data terstruktur dan tidak terstruktur, yang memandu algoritme dalam perjalanannya untuk membuat kesimpulan independen. Kombinasi dari dua tipe data dalam satu set data pelatihan memungkinkan algoritme belajar memberi label pada data yang tidak berlabel.

Baca Juga: Cara Cek Keaslian iPhone

Algoritma machine learning yang umum digunakan

Sejumlah algoritma yang umum digunakan. Ini termasuk:

Neural Networks: Mensimulasikan cara kerja otak manusia, dengan sejumlah besar node pemrosesan yang terhubung. Jaringan saraf pandai mengenali pola dan memainkan peran penting dalam aplikasi termasuk terjemahan bahasa alami, pengenalan gambar, pengenalan ucapan, dan pembuatan gambar.
Linear Regression: Algoritma ini digunakan untuk memprediksi nilai numerik, berdasarkan hubungan linier antara nilai yang berbeda. Misalnya, teknik tersebut dapat digunakan untuk memprediksi harga rumah berdasarkan data historis untuk wilayah tersebut.
Logistic Regression: Regresi logistik adalah algoritma pembelajaran terawasi yang digunakan untuk masalah klasifikasi. Alih-alih keluaran berkelanjutan seperti dalam regresi linier, model logistik memprediksi kemungkinan terjadinya peristiwa biner. Misalnya diberi email, apakah model bisa memprediksi apakah isinya spam atau bukan?
Clustering: Dengan menggunakan unsupervised learning, algoritma clustering dapat mengidentifikasi pola pada data sehingga dapat dikelompokkan. Komputer dapat membantu ilmuwan data dengan mengidentifikasi perbedaan antara item data yang diabaikan manusia.
Decision Trees: Algoritma ini dapat digunakan untuk memprediksi nilai numerik (regresi) dan mengklasifikasikan data ke dalam kategori. Algoritma ini juga menggunakan urutan percabangan dari keputusan terkait yang dapat direpresentasikan dengan diagram pohon. Salah satu keuntungannya adalah mudah divalidasi dan diaudit.
Random Forests: Di algoritme ini memprediksi nilai atau kategori dengan menggabungkan hasil dari sejumlah pohon keputusan/Decision Trees.