Pernahkah kamu bertanya-tanya, bagaimana caranya Artificial Intelligence (AI) atau komputer bisa “belajar” dan menjadi pintar? Apakah mereka langsung tahu segalanya? Jawabannya: Tidak. Sama seperti manusia, AI belajar dari kesalahan. 

Dalam dunia Deep Learning, agar sebuah model AI menjadi pintar, ia harus terus-menerus diberitahu seberapa “salah” tebakannya. Semakin kecil kesalahannya, semakin pintar dia. Nah, cara kita menilai kesalahan inilah yang disebut dengan Loss Function. 

Dua metode penilaian yang paling sering digunakan adalah MAE dan MSE. Terdengar teknis? Tenang, konsepnya sebenarnya sangat sederhana. Mari kita bayangkan AI ini adalah seorang murid yang sedang belajar memanah. 

Kita mulai dari MAE dulu ya, MAE adalah singkatan dari Mean Absolute Error. Bayangkan murid kita memanah target. Kadang anak panahnya meleset 5 cm ke kiri, kadang 5 cm ke kanan. 

Bagi MAE, arah meleset itu tidak penting. Mau meleset ke kiri (negatif) atau ke kanan (positif), yang dihitung hanyalah jarak kesalahannya secara mutlak. MAE menjumlahkan semua jarak kesalahan tersebut lalu mengambil rata-ratanya. MAE itu seperti guru yang santai dan lurus, Kamu telat 5 menit? Dihukum lari 1 putaran. Kamu telat 10 menit? Dihukum lari 2 putaran. Hukumannya naik secara linear (garis lurus) sesuai kesalahanmu. 

Nah, MSE atau Mean Squared Error sedikit berbeda. Sesuai namanya (Squared), metode ini menguadratkan setiap kesalahan sebelum dirata-rata. Apa efeknya? Jika murid memanah dan meleset sedikit, hukumannya kecil. Tapi, jika dia meleset jauh, hukumannya akan menjadi sangat besar (karena dikuadratkan). 

MSE memaksa AI untuk tidak boleh melakukan kesalahan fatal. AI akan “takut” membuat satu kesalahan besar daripada membuat banyak kesalahan kecil.