Machine learning termasuk ke dalam sub bidang Ilmu Komputer dimana komputer diberi kemampuan untuk belajar tanpa harus diprogram secara eksplisit. Tidak seperti program komputer yang dibuat dengan menggunakan banyak rule untuk dapat berjalan dengan baik, machine learning mengadopsi cara proses belajar yang dilakukan otak manusia, yaitu dengan belajar dari data secara iteratif dan memperkenankan komputer menemukan hidden insight.
Model machine learning dapat membantu kita dalam berbagai macam tugas seperti pengenalan objek (object recognition), peringkasan (summarization), rekomendasi (recommendation), dan masih banyak lagi.
Baca juga: Pengenalan Data Science dan Skills yang Dibutuhkan
Contoh machine learning
Pernahkah kalian berpikir bagaimana caranya Youtube dan Netflix merekomendasikan video, film, dan acara TV lainnya kepada para penggunanya dimana setiap pengguna diberikan rekomendasi yang berbeda satu sama lain? Kenapa mereka bisa tahu video atau film yang kita suka?
Jawabannya adalah dengan menggunakan machine learning. Sama halnya seperti seorang teman kita merekomendasikan film dan video kepada kita berdasarkan pengetahuan mereka tentang jenis film atau acara yang kita sukai.
Youtube dan Netflix tentunya menyimpan riwayat penelusuran kita dan itu dipakai sebagai data yang digunakan untuk proses pembelajaran mesin untuk dapat memprediksi film atau video apa lagi yang mungkin kita sukai.
Contoh lain dari bidang kesehatan misalnya, machine learning dapat membantu dokter mengidentifikasi dengan cepat apakah seorang pasien menderita kanker atau penyakit lainnya. Data pasien-pasien sebelumnya dijadikan data training untuk proses pembelajaran mesin yang nantinya akan digunakan untuk memprediksi seseorang positif atau negatif terhadap suatu penyakit.
Baca juga: Metodologi Data Science CRISP-DM
Tentunya masih banyak lagi aplikasi machine learning yang dapat kita lihat di dalam kehidupan kita sekarang ini, seperti chatbots, deteksi usia, deteksi spam, dan sebagainya.
Contoh-contoh tersebut menggunakan teknik dan algoritma machine learning yang berbeda-beda. Sekarang mari kita bahas secara singkat teknik-teknik machine learning yang sering digunakan.
Teknik-teknik machine learning
Machine learning memiliki berbagai teknik yang digunakan untuk memecahkan masalah seperti prediksi, klasifikasi, rekomendasi, dan sebagainya. Berikut ini merupakan beberapa teknik populer yang digunakan di machine learning.
Regression (regresi)
Teknik regresi digunakan untuk memprediksi nilai kontinu. Contoh masalah yang menggunakan teknik ini misalnya memprediksi atau memperkirakan harga sebuah rumah berdasarkan karakteristiknya seperti luas bangunan, lokasi, dan lainnya.
Classification (klasifikasi)
Teknik klasifikasi digunakan untuk memprediksi kelas atau kategori. Kelas atau label pada kasus klasifikasi sudah diketahui, misalnya apakah A atau B, atau apakah Yes or No. Contoh kasus klasifikasi misalnya memprediksi sebuah sel tumor pada pasien termasuk benign (jinak) atau malignant (ganas), atau memprediksi seseorang akan membeli sebuah barang atau tidak.
Clustering
Teknik clustering digunakan untuk mengelompokkan data yang memiliki kemiripan karakteristik atau stukturnya. Tidak seperti klasifikasi yang sudah diketahui kategorinya, clustering digunakan jika label atau kategorinya belum diketahui. Contoh kasus klastering misalnya untuk segmentasi pelanggan di bidang perbankan.
Associations
Teknik association digunakan untuk menemukan item atau event yang sering terjadi bersamaan. Contohnya sebuah supermarket mengobservasi barang-barang apa saja yang biasanya dibeli bersamaan oleh pembeli. Nantinya ini bisa dijadikan strategi pemasaran dengan menempatkan barang-barang tersebut berdekatan.
Anomaly detection
Anomaly detection digunakan untuk menemukan sesuatu yang abnormal atau tidak biasa. Contoh penggunaan teknik ini adalah untuk mendeteksi kasus penipuan kartu kredit.
Sequence mining
Sequence mining digunakan untuk memprediksi next event atau dengan kata lain memprediksi apa yang akan dilakukan selanjutnya. Contohnya adalah menganalisis clickstream di sebuah halaman web.
Dimension reduction
Dimension reduction digunakan untuk mengurangi ukuran data. Beberapa method yang digunakan dalam dimensionality reduction diantaranya Principal Component Analysis (PCA), Linear Discriminant Analysis (LDA), dan Generalized Discriminant Analysis (GDA).
Recommendation system
Recommendation system digunakan untuk menghubungkan preferensi atau pilihan antara orang yang satu dengan yang lainnya yang memiliki selera atau kesukaan yang mirip lalu merekomendasikan sesuatu yang baru kepada mereka, misalnya buku atau film.
Semoga bermanfaat!
Jika Anda yang sedang belajar data science atau mengolah data dengan bahasa pemrograman Python namun masih suka bingung menulis kode Python-nya, kami telah menyusun Paket E-modul Data Science dengan Python yang didesain khusus untuk pemula dengan penjelasan bahasa Indonesia yang lengkap untuk setiap blok kode-nya. Dapatkan sekarang juga dengan klik di sini!
