School of Information Systems

Mengenal Machine Learning dan Cara Kerjanya

Machine learning merupakan suatu pengembangan algoritma atau model statistik yang dapat menjalankan tugas tanpa adanya instruksi dan berfokus dalam menganalisa data. Pada dasarnya machine learning menerapkan beberapa ilmu seperti matematika, statistika dan data mining dimana mesin dapat belajar dan memproses data dalam jumlah besar sehingga ia dapat menjalankan tugas tertentu tanpa diprogram ulang atau diperintah. Tugas yang dilakukan machine learning juga beragam sesuai dengan kebutuhan dan data yang dipelajari oleh mesin tersebut. 

Machine learning umumnya mempelajari adanya hubungan matematis antara kombinasi data input dan output. Jika diberikan data yang cukup, machine learning dapat memproses data tersebut dengan keakuratan output yang baik. Cara kerja machine learning dapat dibagi menjadi dua yaitu supervised learning dan unsupervised learning. Teknik supervised learning merupakan suatu pendekatan machine learning yang menggunakan data yang telah diberikan label. Pelabelan data yang dimaksud adalah proses dalam menggolongkan data input dengan nilai output yang telah ditentukan. Biasanya supervised learning digunakan untuk classification dan regression dalam machine learning. Contoh dari supervised learning adalah terdapat jutaan gambar buah pisang dan anggur yang ditandai dengan label atau kata “pisang” dan “anggur”. Nantinya mesin tersebut akan menggunakan data dari karakteristik buah pisang dan anggur yang akan digunakan untuk mengklasifikasi data sesuai dengan label yang telah ditentukan.  

Sedangkan unsupervised learning merupakan suatu pendekatan machine learning yang menggunakan algoritma dalam menganalisi suatu pola data tanpa adanya bantuan atau intervensi dari manusia. Dalam unsupervised learning kita tidak memberikan informasi dari output yang diinginkan, akan tetapi algoritma yang dijalankan akan mencari tau pola yang dihasilkan dari input data tersebut. Unsupervised learning biasanya digunakan untuk clustering, association dan dimensionality reduction.  Contoh dari unsupervised learning adalah remommended system dari YouTube, shopee, dll. Misalnya anda tertarik untuk mendengarkan musik dari penyanyi A dan sering memutar lagu tersebut di YouTube. Maka machine learning akan mengindentifikasi lagu dan penyanyi lagu tersebut sebagai input dan mencari kemungkinan lagu yang anda suka untuk diputarkan lagi.  

Machine learning memiliki banyak peran dan manfaat dalam kehidupan kita sehari hari contohnya adalah fitur face unlock atau face recognition pada smartphone dimana kita dapat membuka perangkat tersebut melalui identifikasi wajah. Contoh lainnya adalah ketika kita mengexplore social media seperti reels yang merupakan hasil pengolahan dari machine learning yang memberikan reels yang sering dicari atau ditonton. Semakin banyak data yang diberikan, maka sistem tersebut dapat mengidentifikasi pola atau output dengan semakin akurat. Akurasi awal dari program machine learning biasanya sangat buruk, dikarenakan data atau informasi yang kurang. Namun, seiring dengan berjalannya waktu, apabila sistem tersebut sering dilatih, maka sistem yang dibagun akan semakin akurat dan “cerdas”. 

References : 

  • https://www.dicoding.com/blog/machine-learning-adalah/ 
  • https://aws.amazon.com/id/what-is/machine-learning/ 
  • https://www.ibm.com/topics/machine-learning 
  • https://pacmann.io/blog/supervised-dan-unsupervised-learning#:~:text=Sederhananya%2C%20supervised%20learning%20menggunakan%20data,dari%20fundamental%20sampai%20dengan%20advanced. 
Angelia Cristine Jiantono