Machine Learning: Sebuah Pengantar

64522 medium post 69387 dbfe14a8 752e 4690 9ebc 31485a92a382 2019 06 23t12 25 37.507 07 00
Machine Learning yang biasanya disebut Pembelajaran Mesin adalah suatu cara atau proses belajar manusia yang diadaptasi oleh mesin untuk menyelesaikan masalah tertentu. Dalam mengadaptasi proses belajar manusia, dilakukan pendekatan oleh mesin agar apa yang terjadi secara biologis saat manusia belajar dapat diinterpretasikan dalam cara mesin. Oleh karena itu Neural Network muncul dalam Machine Learning sebagai adaptasi dari ‘proses belajar manusia’.

Seperti terjemahanya dalam bahasa Indonesia, Neural berarti Saraf dan Network berarti Jaringan, dimana dibentuk suatu model yang dapat bekerja meniru Jaringan Saraf biologis untuk menyelesaikan suatu tugas / task. Yang harus menjadi catatan adalah, model yang dihasilkan hanya melakukan aproximasi dan merupakan oversimplikasi dari Jaringan Saraf pada makhluk hidup.

Pertanyaanya: Apakah Machine Learning layak untuk dipelajari?
Yap, Machine Learning sangat layak untuk dipelajari. Dewasa ini Machine Learning yang dapat belajar dari suatu data dan mengambil kesimpulan tertentu sudah mampu melawan performa dari program lain yang tidak menggunakan Machine Learning. Selain itu, perkembangan teknologi yang cukup cepat menjadikan Machine Learning sebagai cara yang tidak hanya menyelesaikan masalah, namun dapat mengembangkan performanya semakin baik seiring berjalanya waktu.

Terhitung tahun 2019, Machine Learning sudah digunakan dalam berbagai bidang. contoh: prediksi harga saham, prediksi cuaca, kompresi dan akuisisi data, penyelesaian game, sistem rekognisi suara, dan masih banyak lagi.

Proses Pembelajaran pada Machine Learning:
Pembelajaran pada Machine Learning terjadi karena lingkunganya. Maksudnya adalah Machine Learning terus belajar dan meningkatkan performanya dengan mengolah data yang disediakan oleh lingkungan.

Terdapat 4 tipe pembelajaran di Machine Learning:
1. Supervised Learning
Supervised Learning berarti telah ada kumpulan data yang sudah memiliki label dan kemudian membuat model dari data terlabel tersebut untuk memprediksi apa label dari data yang tidak memiliki label sebelumnya. Artinya adalah sudah ada label yang telah ditentukan untuk dijadikan acuan (Supervised).

Misalkan kita memiliki data gambarberbagai macam jenis anjing dan kucing, dengan 2 label yaitu label anjing dan label kucing. Buat model dari data tersebut sehingga ketika ada gambar ‘bulldog’, model tersebut dapat mengklasifikasinya kedalam label anjing, atau ketika gambar ‘anggora’, model dapat mengklasifikasinya kedalam label kucing.
contoh: Classification, Regression.

2. Unsupervised Learning
Unsupervised Learning adalah ketika kumpulan data yang kita miliki tidak memiliki label apa-apa, sehingga model yang dihasilkan adalah hasil dari kesamaan satu data dengan yang lainya yang menghasilkan label-label baru yang ditentukan oleh mesin itu sendiri. Nantinya model yang dihasilkan juga dapat memprediksi apakah label dari data-data lain yang belum memiliki label sebelumnya. Maka cukup jelas disebut Unsupervised Learning karena mesin yang menentukan label yang akan dipakai.

Misalkan kita memiliki data berupa gambar-gambar binatang tanpa label apapun. Model akan dilatih dengan data-data tersebut dan mengelompokan gambar binatang tersebut kedalam ciri / kesamaan tertentu yang ditentukan oleh mesin. Misalnya mesin mendeteksi kelompok hewan dengan kaki 4, kelompok hewan bersayap, kelompok hewan melata, dll.
contoh: Clustering, Autoencoder

3. Semi-Supervised Learning
Semi-Supervised Learning adalah gabungan proses Supervised Learning dan Unsupervised Learning (cukup obvious :D). Proses yang terjadi adalah, ketika data yang kita miliki cukup besar dan belum memiliki label, kita mengambil subset kecil dari data tersebut untuk dilabeli. Nantinya dibentuk model dari data berlabel maupun yang tidak berlabel mampu menentukan apakah suatu data termasuk ke dalam label tertentu yang telah ditentukan, atau bahkan menemukan label baru yang belum ditentukan sebelumnya.

4. Reinforcement Learning
Reinforcement Learning adalah membentuk suatu model yang dapat mengambil keputusan dengan cepat dan beraksi dengan benar untuk mencapai reward tertentu.

Tulisan lain tentang Machine Learning dapat anda akses di website https://medium.com/@vincentmichael089
Sudah dilihat 40 kali

Komentar