Apa Itu Machine Learning?

Machine learning (pembelajaran mesin) adalah salah satu cabang ilmu dari kecerdasan buatan (Artificial Intelligence). Machine learning algoritma membuat sistem bisa secara otomatis belajar dan meningkatkan diri tanpa perlu diprogram secara eksplisit. Machine learning berfokus pada pengembangan program-program komputer yang mampu mengakses data dan menggunakannya untuk pembelajaran diri sendiri.

Anda yang ketika kuliah mengambil jurusan statistika, matematika, dan data mining bisa memanfaatkan ilmu semasa kuliah untuk mendalami machine learning kelak. Memiliki dasar-dasar yang kuat di ketiga cabang ilmu murni tersebut bisa menjadi modal dasar untuk menjadi seorang machine learning engineer.

Proses machine learning dimulai dari pengamatan data, misalnya pengalaman langsung atau instruksi yang tujuannya untuk mencari pola data, mempelajarinya, untuk kemudian menjadi bahan pengambilan keputusan yang lebih baik di masa depan. Kuncinya adalah, membuat komputer/mesin agar mampu belajar secara otomatis tanpa adanya intervensi/bantuan manusia dan kemudian menyesuaikan tindakan yang tepat berdasarkan hal tersebut.

Singkatnya, machine learning memiliki kemampuan untuk memperoleh data berdasarkan perintahnya sendiri, bukan perintah manusia. Data yang diperoleh kemudian dipelajari oleh machine learning untuk kemudian melakukan tugas-tugas tertentu. Tugas-tugas yang bisa dilakukan machine learning pun sangat beragam, tergantung dari apa yang ia pelajari. Dengan begini, algoritma machine learning membuatnya seperti layaknya seorang manusia.

Awal Mula Machine Learning

Istilah machine learning pertama kali dilontarkan sekitar tahun 1920 an oleh beberapa ilmuwan matematika, yaitu Adrien Marie Legendre, Thomas Bayes, dan Andre Markov. Mereka mengemukakan dasar-dasar machine learning dan konsep-konsepnya. Sejak itulah machine learning terus dikembangkan hingga sekarang. 

Dewasa ini, Machine learning biasa digunakan untuk membantu pekerjaan-pekerjaan manusia. Penerapan teknologi machine learning juga sudah bisa kita lihat sekarang ini karena banyak benda di sekitar yang telah menggunakan teknologi ini. Contoh-contoh machine learning yang ada di sekitar kita misalnya:

1. Face unlock pada ponsel/smartphone
2. Iklan di internet yang disesuaikan dengan aktivitas dan preferensi pengguna
3. Pendeteksi spam
4. Asisten virtual
5. Chatbot
6. Perdagangan Saham
7. Pendeteksi penipuan kartu kredit
8. Diagnosa medis

Dan masih banyak lagi lainnya.

Mungkin Anda bertanya-tanya, bagaimana mungkin mesin bisa belajar/mempelajari sesuatu dan kemudian mengambil keputusan sendiri?

Jawabannya adalah karena machine learning diprogram untuk bisa belajar sendiri dan menganalisa data berdasarkan data-data saat awal pengembangan dan data selama masa penggunaan machine learning itu sendiri.

 

Teknik/Metode dalam Machine Learning

Machine learning bekerja sesuai dengan teknik atau metode yang digunakan saat pengembangan. Ada dua teknik dalam Machine Learning, yaitu:

 

1. Supervised Machine Learning

 

Algoritma Supervised Machine Learning bisa menerapkan apa-apa yang telah dipelajari di masa lalu ke data-data baru menggunakan contoh-contoh yang dilabeli untuk memprediksi masa depan. Mulai dari analisis dataset, algoritmanya bisa memproduksi fungsi inferred untuk membuat prediksi-prediksi.

Sistem mampu memberikan target-target untuk input apapun setelah training yang memadai. Algoritma pembelajaran juga mampu membandingkan hasil output dengan output yang benar dan sesuai yang diinginkan, kemudian mampu mendeteksi eror untuk memodifikasi model yang sesuai.

 

2. Unsupervised Machine Learning

 

Kebalikan dengan Supervised Machine Learning, Unsupervised Machine Learning digunakan ketika informasi-informasi yang digunakan untuk melatih mesin itu tidak terklasifikasi atau tanpa label. Unsupervised Machine Learning mempelajari bagaimana sistem dapat menyimpulkan fungsi untuk mendeskripsikan struktur tersembunyi dari data-data tanpa label.

Mesin pembelajaran mungkin tidak menemukan output yang benar, akan tetapi mesin mampu mengeksplorasi data untuk menarik kesimpulan dari kumpulan data, untuk mendeskripsikan struktur tersembunyi dari data-data tanpa label.

Machine learning memungkinkan mesin untuk melakukan analisis data dalam jumlah yang sangat besar, dan memberikan hasil cepat dan akurat. Machine learning bisa mengidentifikasi peluang-peluang yang menguntungkan atau menemukan risiko-risiko yang berbahaya, karenanya machine learning dewasa ini menjadi penting bagi bisnis atau bagi hal-hal lain yang menyangkut kehidupan. 

Meskipun begitu, ternyata butuh waktu lho untuk melatih mesin agar bisa menghasilkan hasil yang akurat dengan cepat. Nah, apakah Anda tertarik dengan machine learning sekarang? Rumornya, machine learning akan terus dikembangkan selama beberapa masa ke depan sehingga karir sebagai machine learning engineer pun dinilai cerah, lho.

 

Referensi:

• expert.ai 
• dicoding.com

Photo by pixabay