Section Artikel
Apa itu Machine Learning?
Machine Learning adalah bagian dari ilmu artificial Intelligent atau kecerdasan buatan, yaitu bagaimana komputer mampu belajar dari data. Menurut Tom Mitchell (1997) machine learning ialah computer yang memiliki kemampuan melakukan belajar dari pengamatan terhadap tugas-tugasnya dimasa lalu dan mengalami peningkatan kinerja.
Tujuan Machine learning digunakan untuk membantu dalam pembuatan keputusan dari data-data yang telah diinputkan pada mesin.
Metode atau Algoritma Dalam Machine Learning
- Supervised Learning
Salah satu algoritma dalam Machine Learning dengan menggunakan data letih untuk melakukan pembelajaran. Yang dimaksud data latih ini adalah data yang sudah berlabel, Secara singkatnya data yang telah berlabel akan di-training-kan pada mesin untuk selanjutnya di pahami dan disimpan oleh mesin.
Bertujuan agar mesin mampu mengidentifikasi input atau data baru menggunakan fitur yang ada dalam melakukan prediksi dan klarifikasi. Dalam prosesnya terdapat 3 tahapan dalam supervised learning yaitu
- Input raw data yaitu data yang akan diinputkan atau data berlabe
- Model training : lalu data akan diproses oleh supervisor yang memebrikan data latih dan juga output yang diinginkan menggunakan algoritma tertentu
- Output : output atau hasil model data yang terlatih
2. Unsupervised Learning
Metode ini disebut juga unknowledge discovery. Tidak memberi label pada data / gambar computer. Data-data diinput dalam computer tanpa memberi label pada tiap data lalu computer bertugas untuk mengklasifikasikan atau mendefinisikan data yang serupa.
Pada etode ini tidak memiliki variable target. Sama halnya dengan Supervised Learning yang mempunyai 3 tahapan yaitu input raw data, model training dan outpu yang membedakan dengan supervised learning ialah pada model training dimana Unsupervised Learning Tidak ada data yang diberikan label tertentu sehingga model akan menerima data tersebut yang selanjutnya akan diproses atau dilakukan pengelompokkan dari fitur-fitur yang diterima dari data,data-ata yang mririp akan dikelompokkan menjadi satu.
3. Reinforcement Learning
Dasar dari Metode ini belajar dari pengalaman, dalam proses model training untuk membuat suatu urutan keputusan. Dimana agent akan diajari dalam membuat suatu keputusan berdasarkan pengalaman yang pernah dialami oleh agent tersebut.
Proses belajar pada reinforcement learning ini adalah Agent akan menerima data, lalu agent tersebut akan melakukan sebuah proses atau aksi pada data tersebut dan menghasilkan data baru atau output yang akan diberikan kepada agent. Pada metode ini sistem menggunakan trial and error untuk menemukan solusi dalam masalah.
Contoh Aplikasi Machine Learning
Pada email spam filtering yang sudah tersedia di beberapa penyedia e-mail seperti yahoo! Dan Gmail dimana setiap data email akan diberi label apakah data yang masuk adalah spam atau bukan, selanjutnya system atau computer akan belajar dari pengalaman tersebut.
Maka penting bagi kita atau pengguna e-mail untuk memberi label pada e-mail yang masuk apakah itu spam atau bukan selanjutnya jika ada data baru atau email baru yang masuk, sistem akan mendefiniskan sendiri apakah itu termasuk spam atau bukan berdasarkan data-data yang berlabel sebelumnya.
