Machine Learning - Berikut Penjelasannya

PENGERTIAN

duniapemrogramanque.blogspot.com - Seperti biasa pada blog ini sebelum kita masuk dalam pengertian dari apa itu machine learning, saya akan menjelaskan secara singkat sejarahnya dulu agar kalian-kalian semua sebagai pembaca setia tau asal muasalnya dari machine learning ini.

Sejak pertama kali komputer diciptakan, manusia sudah mulai berpikir bagaimana membuat komputer mampu belajar dari pengalamannya yang telah dia lalui. Hal tersebut terbukti pada tahun 1952, seseorang yang bernama Arthur Samuel mampu menciptakan sebuah program yang bernama 'Game of Checkers' yang dia kembangkan pada komputer keluaran IBM. Program tersebut mampu mempelajari pergerakan untuk game checkers lalu menyimpan gerakkan tersebut pada memorinya.

Jadi machine learning itu sendiri adalah sebuah aplikasi dari cabang kecerdasan buatan (Artificial Intelligence) yang menggunakan teknik statistika untuk menghasilkan suatu model otomatis dari sekumpulan data, dengan harapan membuat komputer tersebut "belajar" dari apa yang sudah dia lakukan. Pembelajaran mesin atau nama lainnya machine learning memungkinkan komputer mempelajari sesuatu dari sekumpulan data (Learn From Data) sehingga dapat menghasilkan suatu model untuk melakukan proses input dan output tanpa menggunakan kode program yang dibuat secara eksplisit. Proses belajar tersebut menggunakan sebuah algoritma khusus yang bernama Machine Learning Alghoritm. Terdapat banyak algoritma machine learning dengan tingkat efisiensi yang berbeda-beda juga tergantung kasus yang dibahas.

KONSEP MACHINE LEARNING

Secara fundamental, cara kerja yang dimiliki oleh machine learning hampir mirip dengan cara yang digunakan manusia untuk belajar hal-hal yang baru. Proses belajar ini menggunakan sebuah data yang dinamakan dengan Train Dataset.

Ilustrasi machine learning

Seperti yang digambarkan oleh gambar diatas maka komputer akan melakukan proses belajar untuk menghasilkan suatu model. Pada proses belajar ini maka akan menggunakan algoritma machine learning untuk sebagai dasar penerapan teknik statistika nya. Model inilah yang akan menghasilkan informasi yang kemudian akan dijadikan pengetahuan untuk memecahkan suatu permasalahan sebagai proses input-output. Model yang telah dihasilkan akan dapat melakukan klasifikasi dan ataupun prediksi kedepannya.

METODE ALGORITMA MACHINE LEARNING

1. Supervised machine learning algorithms

Supervised machine learning adalah sebuah algoritma yang dapat menerapkan informasi yang telah ada pada data dengan memberikan label tertentu, semisal data yang telah diklasifikasikan terlebih dahulu (terarah). Algoritma ini mampu memberikan target terhadap output yang dilakukan dengan membandingkannya dengan pengalaman yang telah dilakukan komputer pada masa lalu.

2. Unsupervised machine learning algorithms

Unsupervised machine learning adalah algoritma yang digunakan apabila data yang digunakan tidak memiliki informasi yang dapat diterapkan secara langsung (tidak terarah). Algoritma ini diharapkan mampu menemukan informasi yang tersembunyi pada struktur data yang tidak memiliki label.

3. Semi supervised machine learning algorithms

Semi supervised machine learning adalah algoritma yang digunakan untuk melakukan pembelajaran baik itu data yang memiliki label ataupun tidak. Sistem yang menggunakan metode ini dapat meningkatkan efisiensi output yang dihasilkan.

4. Reinforcement machine learning algorithms

Reinforcement machine learning adalah algoritma yang mempunyai kemampuan untuk berinteraksi dengan proses belajar yang tengah dilakukan oleh komputer, algoritma ini akan memberikan point (reward) saat model yang diberikan semakin baik dan akan memberikan pengurangan point (error) saat model yang diberikan yang dihasilkan buruk. Contoh penerapan metode ini pada search engine.