Dasar-Dasar Belajar Machine Learning untuk Pemula – Halo sahabat Iltekkomputer, di artikel kali ini, kita akan mengulik tentang machine learning. Cabang keilmuan komputer sedang naik daun dan banyak diaplikasikan ke dalam berbagai industri. Salah satunya adalah asisten pribadi suara seperti Alexa dari Amazon, Google Assistant, Siri dari Apple, dan Cortana dari besutan Microsoft. Mari kita mengenal lebih dalam apa itu pembelajaran mesin.
Apa itu Machine Learning?
Machine learning adalah bidang keilmuan yang memungkinkan sebuah komputer untuk mempelajari sesuatu tanpa diprogram secara spesifik. Teknologi ini merupakan terobosan yang luar biasa dalam dunia komputer. Sebagaimana dinamakan, machine learning memberikan kemampuan analisa dan prediksi yang membuat komputer selangkah semakin mirip dengan otak manusia yang sangat kompleks.
Belajar machine learning tidak sekadar tentang bahasa pemrograman, kita juga dituntut untuk memahami ilmu matematika yang cukup rumit dan kompleks. Hal ini dikarenakan pembelajaran mesin memanfaatkan prediksi dan analisa peluang untuk menciptakan sebuah program yang dapat menghasilkan output dengan sendirinya tanpa diberikan perintah secara terperinci.
Klasifikasi Pembelajaran Mesin
Implementasi machine learning diklasifikasikan ke dalam 3 kategori umum berdasarkan metode pembelajaran sebuah komputer dalam menerima “sinyal” atau “reaksi” atau biasa disebut output, meliputi:
Supervised learning
Metode ini memungkinkan sebuah algoritma belajar dari contoh-contoh data dan reaksi dari target terkait yang terdiri dari nilai angka atau label seperti jenis atau nama, yang bertujuan untuk memprediksi reaksi yang tepat ketika diberikan contoh baru di waktu lain.
Pendekatan ini mirip dengan cara belajar manusia dengan pengawasan dari mentor atau guru. Mentor akan memberikan contoh dan cara memecahkan sebuah masalah kemudian murid akan menggunakan dan memperbaharui cara yang diajarkan sebelumnya untuk memecahkan masalah lain yang serupa.
Unsupervised learning
Pendekatan unsupervised learning mengajarkan komputer sebuah contoh tanpa reaksi terkait, membiarkan komputer membaca dan menilai sendiri pola-pola pada contoh data yang diberikan. Tipe algoritma ini cenderung menghasilkan klasifikasi data baru seperti fitur yang merepresentasikan sebuah kategori data atau jenis nilai-nilai baru. Metode pendekatan machine learning yang satu ini sangat berguna bagi manusia untuk mendapatkan wawasan-wawasan baru dan input-input penting untuk meningkatkan kinerja algoritma supervised learning.
Reinforced learning
Ketika sebuah algoritma diberikan contoh data tanpa output seperti di metode unsupervised learning. Perbedaannya adalah kita dapat memberikan umpan balik positif atau negatif tergantung dari solusi yang diberikan oleh komputer pada metode reinforced learning. Hal ini mirip dengan metode pembelajaran trial and error dimana hukuman akan diberikan jika melakukan kesalahan dan hadiah akan didapat jika solusi yang diberikan benar. Algoritma pembelajaran mesin ini diimplementasikan pada komputer yang belajar bermain video game sendiri.
Klasifikasi dan Regresi
Label atau output
Regresi
Regresi adalah salah satu jenis supervised learning. Pada model ini, antara data historis dan label atau output yang saling berkaitan, tidak berdiri sendiri. Seperti dijelaskan oleh Afif Akbar pada kelas belajar machine learning dasar bertajuk “Pengenalan Pembelajaran Mesin (Intro to Machine Learning)” di Udemy.
Sebagai contoh, model regresi pada pembelajaran mesin untuk memprediksi harga rumah di masa mendatang membutuhkan data historis berupa seperti luas bangunan, tingkat lantai, adakah tol terdekat, mall terdekat dan sebagainya. Fitur-fitur tersebut harus diubah terlebih dahulu menjadi bilangan riil. Sedangkan data harga merupakan label atau output yang sudah berbentuk bilangan riil sehingga tidak perlu diubah.
Data dapat diplot menjadi grafik dua dimensi sehingga kita dapat melihat berapa perubahan harga ketika pembelajaran mesin diimplementasikan.
Klasifikasi
Klasifikasi adalah bentuk data yang dibagi ke dalam dua kategori atau lebih dan komputer harus menentukan data baru yang dimasukkan ke salah satu atau lebih kategori yang telah diberikan. Hal ini umumnya diimplementasikan pada algoritma supervised learning.
Contoh dari metode pembelajaran mesin ini adalah penyaringan SMS spam. Terdapat 1500 SMS sebagai data (X) yang diklasifikasikan ke dalam 2 kategori atau label (Y). Komputer akan mempelajari data tersebut dari isi SMS sehingga bisa membedakan pesan-pesan baru sebagai spam atau bukan.
Belajar Machine Learning Lebih Lanjut di Udemy
Bagi kamu yang ingin belajar machine learning dan memahami lebih jauh lagi, bisa mencobanya di Udemy. Platform kelas online ini tersedia berbagai kelas tentang pembelajaran mesin, baik dalam Bahasa Inggris maupun Bahasa Indonesia. Selain itu, ada pula kelas lain yang berkaitan seperti statistika, matematika, pemrograman, dan masih banyak lagi.
Kamu juga bisa mengunduh materi-materi yang diberikan oleh mentor sehingga bisa diakses saat sedang tidak ada internet sekalipun. Jika kamu merasa ahli di satu bidang dan ingin menghasilkan uang dari berbagi ilmu, bergabunglah menjadi mentor di Udemy.
Sekian dulu artikel kali ini. Selamat belajar dan mencoba!