Perbandingan Dan Keterkaitan Machine learning dengan Artificial Intelligence
By : Zulian Zam Zam
Alviana Vinda Aprilyani, Muhammad Arijal, Farhan Yusuf Jano putra, Ita Tarigan, Fazel Junio Priyaditama, Zainul Arifin
Machine learning
adalah fase dari ilmu Kecerdasan Buatan yang kita kenal AI (Artificial Intelligence). Konsepsi dari machine learning ialah adalah peningkatan sistem yang dapat belajar “sendiri” tanpa perlu diprogram oleh manusia secara berulang kali . konsep ini di buat untuk menjawab masalah yang hadir dengan cepat

Konsep Dasar dan Cara kerja Machine Learning
Secara fundamental cara kerja machine learning adalah belajar seperti manusia dengan menggunakan contoh-contoh dan setelah itu barulah dapat menjawab suatu pertanyaan terkait. Berbeda dengan program statis, machine learning diciptakan untuk membentuk program yang dapat belajar sendiri. Proses belajar ini menggunakan data yang disebut train dataset.

Metode Algoritma Machine Learning
1. Supervised machine learning algorithms
Supervised machine learning adalah algoritma machine learning yang dapat menerapkan informasi yang di dapatkan pada data dengan memberikan label tertentu, misalnya data yang telah diklasifikasikan sebelumnya (terarah). Algoritma ini mampu memberikan target terhadap output yang dilakukan dengan membandingkan pengalaman belajar di hal pernah di lakukan sebelumnya hingga yang sudah lampau.
2. Unsupervised machine learning algorithms
Unsupervised machine learning adalah algoritma machine learning yang digunakan pada data yang tidak mempunyai informasi yang dapat diterapkan secara langsung (tidak terarah)tidak memiliki clue apapun dari data sebelumnya. Algoritma ini diharapkan mampu menemukan struktur tersembunyi pada data yang tidak berlabel.
3. Semi-supervised machine learning algorithms
Semi-supervised machine learning adalah algoritma yang digunakan untuk melakukan pembelajaran data yang berlabel dan tanpa label. Sistem yang menggunakan metode ini dapat meningkatkan efesiensi output yang dihasilkan.
4. Reinforcement machine learning algorithms
Reinforcement machine learning adalah algoritma yang mempunyai kemampuan untuk berinteraksi dengan proses belajar yang dilakukan, algoritma ini akan memberikan poin (reward) saat model yang diberikan semakin baik atau mengurangi poin (error) saat model yang dihasilkan semakin buruk. Salah satu penerapannya adalah pada mesin pencari yang dapat memberikan menghasilkan sebuah rekomendasi.
Kelebihan
– Kelebihannya dapat mem- bantu menentukan keakuratan rekomendasi produk sesuai dengan produk yang di lihat atau di gemari user
– Manusia lebih mudah dalam melakukan sebuah pekerjaan seperti memanagerial beberapa opsi pilihan.
– Menjadi peluang untuk terus di kembangkan teknologi di berbagai aspek lini kehidupan machine learning.
– Membantu penggunanya untuk melakukan pencarian di internet.
– Mendeteksi tindakan yang terjadi yang disempatkan pada CCTV
Kekurangan
– Perkembangan di sektor ekonomi tertentu tidak berkembang pesat karena bergantung dengan pelaku teknologi machine learning.
– Adanya pengurangan dalam segi sumberdaya manusia karna di gantikan oleh teknologi machine learning.
– Membuat ketergantungan, karna machine learning sanggat membantu manusia di berbagai bidang .
– Machine learning akan mem- pengaruhi keberhasilan bisnis secara meluas, karena machine learning intelejen berbasis data yang menganalisa aspek lini bisnis.
– Machine learning dapat membuat keputusan sendiri tanpa memerlukan input manusia.
Artificial Intelegence
(AI) adalah suatu kecerdasan yang diinput kepada sebuah sistem yang dapat diatur dalam konteks ilmiah.
Definisi artificial intelegence lain yaitu lingkup penelitian aplikasi dan intruksi yang berhubungan dengan pemrograman komputer untuk menjalankan suatu hal yang merupakan dalam penglihatan manusia ia-lah kecerdas. Kecerdasan buatan juga bisa diartikan sebagai suatu sistem yang dibuat oleh manusia yang dapat bisa berfikir dan bertindak seperti manusia.
Dasar Kategori di Konsep dasar Ai(Kecerdasan Buatan)

1. Acting Humanly
Acting humanly ialah system yang melakukan pendekatan dengan menirukan tingkah laku manusia yang dikenalkan pada tahun 1950 degan metode kerja pengujian melalui teletype yaitu jika penguji (integrator) tidak dapat membedakan mengintrogasai antara manusia dan computer maka computer tersebut dikatakan lolos(menjadi kecerdasan buatan).
2. Thinking Humanly
Yaitu system yang dilakukan dengan cara intropeksi yaitu penangkapan pemikiran psikologis
Manusia pada computer,hal ini sering diujikan dengan neuron ke neuron lainnya atau sel otak dengan sel otak lainnya cara pembelajarannya yaitu melalui sebuah experiment-experimen.
3. Thinking Rationaly
merupakn system yang amat sangat sulit ,karena sering terjadi kesalah dalam prinsip dan prakteknya,system ini dikenal dengan penalaran komputasi.
4. Actng Rationaly
Yaitu system yang melakukan aksi dengan cara menciptakan suatu robotika cerdas yang menggantikan tugas manusia.
Metode Artificial intelligence
Pencarian Buta / tanpa informasi (Blind Search)
Pada metode pencarian buta (blind search) umumnya menggunakan 2 metode yang digunakan.
Pencarian Heuristik / dengan informasi (Heuristic Search)
Dalam pencarian buta tidak dapat sering diterapkan dengan baik, hal ini dikarenakan dalam waktu aksesnya cukup lama dan besarnya memori yang dipakai. Kelemahan ini dapat diatasi jika memiliki informasi tambahan dari domain yang bersangkutan.
Kelebihan Artificial intelligence (AI)
Adapun kelebihan artificial intelegence antara lain yaitu:
· AI sifatnya netral , artinya dimana mengambil keputusan itu lebih nyata dan benar, berbeda dengan manusia yang terkadang masih mempunyai aspek pertimbangan.
· Kecerdasan buatan sifatnya permanen artinya tidak dapat diubah kembali, namun bisa dipakai berulang-ulang.
Kekurangan Artifical intelligence (AI)
Sedangkan kekurangan dari Artificial Intelegence antara lain yaitu:
- Membuat kinerja dan kebutuhan sumber daya manusia menjadi menurun dalam berbagai bidang pekerjaan, sebab telah terganti oleh kecerdasan buatan.
- Kemampuan kecerdasan buatan terbatas, artinya sistem itu terbatas dapat melakukan hal tertentu saja, tidak dapat melakukan hal yang lebih seperti manusia.
Kesimpulan
hubungan antara artificial intelligence dan machine learning? Hubungan antara keduanya sangat dekat. Jika diibaratkan, AI adalah payung yang menaungi machine learning. Seperti yang sudah dijelaskan di paragraf awal pada bagian ML, ML merupakan cabang atau bagian dari AI. Tugas machine learning adalah melatih mesin untuk belajar.
Artificial intelligence dan machine learning sama-sama memiliki peran penting dalam perkembangan teknologi. Bahkan tidak sedikit perusahaan di berbagai bidang yang kini sudah mulai menerapkannya. Salah satunya adalah monitoring jaringan atau network monitoring. Untuk penjelasan selanjutnya mengenai AI dan ML dalam monitoring jaringan, akan dibahas di artikel berikutnya.
