Pengenalan terhadap Machine Learning

Machine Learning adalah metode yang digunakan untuk membuat program yang bisa belajar dari data. Berbeda dengan program komputer biasa yang statis, program machine learning adalah program yang dirancang untuk mampu belajar sendiri.

Cara belajar program machine learning mengikuti cara belajar manusia, yakni belajar dari contoh-contoh. Machine learning akan mempelajari pola dari contoh-contoh yang dianalisa, untuk menentukan jawaban dari pertanyaan-pertanyaan berikutnya.

Memang tidak semua masalah bisa dipecahkan dengan program machine learning. Namun, seringkali algoritma yang sifatnya kompleks, ternyata bisa dipecahkan dengan sangat simpel oleh machine learning. Beberapa contoh program machine learning yang telah digunakan dalam kehidupan sehari-hari:

• Pendeteksi Spam
• Pendeteksi Wajah
• Rekomendasi Produk
• Asisten Virtual
• Diagnosa Medis
• Pendeteksi Penipuan Kartu Kredit
• Pengenal Digit
• Perdagangan Saham
• Segmentasi Pelanggan
• Mobil yang bisa Mengendarai Sendiri

Kita bisa mengklasifikasikan machine learning berdasarkan tipe-tipe:

• Supervised Learning:

-Regression

Data yang ada diberikan real value, numerical atau floating point, agar dapat mencoba mendeteksi harga saham di kemudian hari. Contoh: time series data dari harga saham berdasarkan waktu.

- Classification (Discrete/ Category)

Data yang ada diberikan label atau kategori, agar dapat diambil keputusan berdasarkan label/ kategori tersebut.

• Unsupervised Learning (Clustering)

Data tidak diberikan label, tapi secara otomatis dibagi berdasarkan kemiripan dan struktur lain dari data tersebut. Misalnya, ketika kita mengorganisasikan foto. Kita harus melakukan tagging secara manual

• Reinforcement Learning

Data digunakan untuk melakukan pemberian label If dan Else yang digunakan untuk mengambil keputusan berdasarkan tree pengambil keputusan

Machine learning adalah seperti membuat program yang bisa menebak kotak hitam yang memiliki rumus fungsi yang belum diketahui. Kotak hitam itu diberikan sebuah input dan akan menghasilkan sebuah output tertentu. Dari data-data input dan output yang diperoleh, maka program akan menebak rumus fungsi yang paling mendekati keakuratan.

Adapun alur kerja Machine Learning mencakup:

• Mengumpukan dataset
• Eksplorasi data
• Pemilihan model (regresi linear, regresi logistik, neural network, dll)
• Memberikan latihan terhadap model yang dipilih
• Evaluasi Model
• Prediksi

Akurasi awal dari program machine learning biasanya sangat buruk. Sebab pada awalnya program ini ‘tidak tahu apa-apa’. Namun, seiring berjalannya waktu, semakin sering kita melatih program, semakin banyak contoh-contoh yang dipelajari oleh program, maka program ini akan semakin ‘cerdas’ dan akurat.

Misalnya saja saat kita bermain game Role Playing Game (RPG) yang menggunakan Artificial Intelligence. Pertama kali kita bermain dengan RPG tersebut, maka dengan mudah kita akan bisa memenangkan permainan. Namun, setelah beberapa kali permainan, engine/ algoritma game itu akan belajar dari pola-pola sebelumnya, sehingga akan semakin sulit dikalahkan.

*) Disarikan dari materi presentasi Welly Tambunan ( Solution Architect Bank Danamon) pada acara Machine Learning Street Fighter, di Makers Institute, 11 Januari 2018.