Mengenal Machine Learning

Mengenal Machine Learning

Machine learning in industry | ATRIA Innovation

Machine learning adalah bagian dari artificial intelligence yang memanfaatkan algoritma komputasi untuk membuat sebuah sistem cerdas dengan cara belajar melalui data-data historikal. Saat ini machine learning menjadi bidang yang sangat berkembang dan diminati. Tidak hanya di area riset, tetapi juga telah banyak diimplementasikan untuk kehidupan sehari-hari.

Bagi orang awam Istilah machine learning mungkin terasa terlalu teknis, sehingga tidak sepopuler istilah artificial intelligence atau kecerdasan buatan. Walaupun demikian banyak sekali implementasi artificial intelligence merupakan pengembangan dari machine learning.

Apa itu Machine Learning

Machine Learning, cabang dari kecerdasan buatan, adalah disiplin ilmu yang mencakup perancangan dan pengembangan algoritme yang memungkinkan komputer untuk mengembangkan perilaku berdasarkan data empiris, seperti dari sensor data basis data. Sistem pembelajar dapat memanfaatkan contoh (data) untuk menangkap ciri yang diperlukan dari probabilitas yang mendasarinya (yang tidak diketahui). Data dapat dilihat sebagai contoh yang menggambarkan hubungan antara variabel yang diamati. Fokus besar penelitian pemelajaran mesin adalah bagaimana mengenali secara otomatis pola kompleks dan membuat keputusan cerdas berdasarkan data. Kesukarannya terjadi karena himpunan semua peri laku yang mungkin, dari semua masukan yang dimungkinkan, terlalu besar untuk diliput oleh himpunan contoh pengamatan (data pelatihan). Karena itu pembelajar harus merampatkan (generalisasi) perilaku dari contoh yang ada untuk menghasilkan keluaran yang berguna dalam kasus-kasus baru.

Sejarah singkat Machine Learning

Pada tahun 1951, John McCarthy yang baru saja mendapatkan gelar PhD meyakinkan Minsky, Claude Shannon, dan Nathaniel Rochester untuk membantunya membawa peneliti Amerika Serikat yang memiliki ketertarikan pada teori automata, jaring saraf, dan studi mengenai kecerdasan menjadi satu. Mereka mengorganisir sebuah lokakarya di Dartmouth College di Hanover, New Hampshire pada tahun 1956. Pada saat itulah dianggap menjadi tahun lahirnya kecerdasan buatan. Sejak awal, para peneliti kecerdasan buatan tidak segan membuat prediksi mengenai keberhasilan dari kecerdasan buatan ini. Pada awalnya kecerdasan buatan berkembang cukup pesat, hal ini disebabkan karena ekspektasi yang terlalu tinggi dari para peneliti di bidang ini. Hingga pada tahun 1974, bidang kecerdasan buatan mulai kurang diminati. Sampai pada tahun 1980, ketertarikan terhadap kecerdasan buatan sebagai bidang penelitian mulai bangkit kembali. Salah satu yang mendukung hal ini adalah hasil kerja Yarowsky (1995), ia melakukan percobaan menggunakan pemelajaran mesin dan mendapatkan hasil diatas 96% untuk ke akuratan dari percobaannya. Setelah Yarowsky banyak orang-orang yang melakukan percobaan menggunakan pemelajaran mesin dan mendapatkan hasil yang memuaskan, dari sinilah pemelajaran mesin dapat semakin berkembang hingga hari ini.

Jenis – jenis Machine Learning

Secara garis besar jenis machine learning yaitu :

  1. Supervised learning

    Supervised learning adalah teknik machine learning di mana mesin belajar dari data lengkap dengan jawaban atau hasil prediksi yang diharapkan, atau disebut juga dengan label. Misalnya untuk mengenali foto hewan, maka program akan ‘dilatih’ dengan sekumpulan foto hewan yang sudah dipasangkan atau dilabeli dengan namanya. Untuk membedakan email sampah atau bukan, program dilatih dengan sekumpulan email yang sudah ditandai sebagai sampah dan bukan sampah. Supervised learning merupakan metode yang paling cepat berkembang dan banyak digunakan, karena relatif lebih cepat dan murah, dan outputnya dapat diukur dengan mudah karena ada label sebagai acuannya.

    Kekurangan supervised learning adalah ketersediaan data training. Di dunia nyata, kita tidak selalu dapat menemukan data yang sudah berlabel atau diketahui klasifikasinya. Seringkali kita harus melakukan pelabelan sendiri untuk dapat memperoleh data training yang cukup baik secara kualitas maupun kuantitasnya.

  2. Unsupervised Learning

    Pada unsupervised learning, mesin belajar dari sekumpulan data yang tidak diketahui labelnya. Biasanya teknik ini digunakan untuk mencari pola tersembunyi dari sekumpulan data. Misalnya jika kita ingin mengelompokkan sekumpulan dokumen atau foto yang belum kita ketahui jenis kelasnya.

    Teknik ini bisa juga dipakai sebelum kita menerapkan supervised learning jika kita tidak memiliki data berlabel. Setelah ditemukan kelompok atau klasternya, kita bisa menentukan label masing-masing klaster secara manual, lalu menggunakannya untuk melakukan klasifikasi dengan supervised learning.

  3. Reinforcement learning

    Reinforcement Learning (RL) adalah metode learning yang melatih model untuk mengambil serangkaian keputusan untuk mencapai target tertentu, dengan cara berinteraksi dengan lingkungan. Tujuannya adalah mempelajari aturan optimal yang memaksimalkan akumulasi reward. Pada dasarnya RL adalah serangkaian pengambilan keputusan.

    Contoh permasalahan yang diselesaikan dengan reinforcement learning adalah permainan seperti catur, atau game komputer seperti startcraft, dll. RL juga digunakan untuk robotik, di mana robot mempelajari tindakan apa yang harus diambil untuk menyelesaikan tugas tertentu.

  4. Semi-supervised Learning

    Permasalahan yang paling banyak dihadapi dalam implementasi machine learning adalah terbatasnya jumlah data yang memiliki label untuk digunakan pada proses training. Karena itulah maka kemudian muncul  teknik dan algoritma baru yang dikenal dengan nama Semi-supervised Learning.

    Semi-supervised Learning adalah teknik yang menggabungkan antara sedikit data yang memiliki label dengan data yang tidak memiliki label pada proses training. Pendekatan ini menggabungkan antara teknik supervised dan unsupervised learning, sehingga masalah ketersediaan data yang memiliki label dapat teratasi.

oemahbeling

See all posts

Leave a Reply

Your email address will not be published. Required fields are makes.

Open chat
Halo
Ada Yang Bisa Dibantu