Perbedaan Machine Learning, Artificial Intelligence, Data Mining, dan Pattern Recognition dan Hubungannya.

Nadya Aditama
Jul 28 · 5 min read

Hai semua, kalian pasti sudah tidak asing lagi dengan keempat istilah ini. Ini adalah salah satu tugas kuliahku pada semester 1 yang lalu dimana aku harus mencari tahu perbedaan dari Machine Learning, Artificial Intelligence, Data Mining, dan Pattern Recognition dari beberapa referensi. Serta aku harus mencari hubungan dari keempat bidang tersebut.

Nah, kali ini aku mau mencoba menyampaikan pendapatku mengenai hal tersebut. Nah sebelum itu, kita kenalan dulu yuk sama mereka.

Artificial Intelligence

Menurut buku Artificial Intelligence : A Modern Approach dari Stuart Russel, pendekatan AI dibagi menjadi 4, yaitu

  1. Thinking Humanly, membuat mesin berpikir seperti manusia.
  2. Thinking Rationaly, membuat mesin dapat melakukan penalaran.
  3. Acting Humanly, membuat mesin dapat melakukan sesuatu yang dapat dilakukan manusia.
  4. Acting Rationallly, membuat mesin dapat melakukan sesuatu yang logis berdasarkan penalaran yang dilakukan.

Oke, sudah terbayang ya definisinya. Nah, untuk membangun sebuah teknologi AI dapat digunakan empat teknik utama. Menurut buku Artificial Intelligence dari Suyanto, terdapat empat teknik AI, yaitu

  1. Searching, mencari solusi dalam menyelesaikan masalah
  2. Reasoning, melakukan penalaran berbasis logika
  3. Planning, membuat perencanaan untuk menyelesaikan masalah
  4. Learning, mempelajari suatu hal dari data atau pengalaman sebelumnya

Contoh aplikasi AI di dunia nyata sudah banyak, salah satunya adalah AlphaGo, salah satu teknologi AI yang dapat mengalahkan Lee Se-dol, seorang master permainan Go. Hmmm kira-kira teknik apa saja yang dipakai dalam membangun teknologi AI ini ya? Silakan cari tahu.

Sumber: BBC News

Machine Learning

Sebuah komputer dikatakan belajar dari eksperimen E, yang mengacu pada beberapa task T, dan ukuran performansi P, jika performansi dari task T, yang diukur dengan P, ditingkatkan dengan pengalaman E.

Dengan menggunakan Machine Learning, komputer dapat menjalankan tugasnya dengan baik dengan memanfaatkan pengalaman masa lalu. Pengalaman tersebut berbentuk data atau langkah-langkah yang pernah dilakukan sebelumnya.

Contoh pengaplikasian dari Machine Learning adalah pengenalan wajah berbasis gambar. Dengan teknologi tersebut, komputer akan dapat mengenali wajah seseorang, baik itu namanya, maupun jenis kelamin ataupun usianya. Komputer akan dilatih dengan cara mempelajari berbagai macam gambar wajah orang tersebut dengan menggunakan algoritma Machine Learning.

Sumber : RecFaces

Data Mining

Data Mining merupakan ilmu yang yang mempelajari tentang pengumpulan, pembersihan, pemrosesan, penganalisaan, dan mendapatkan insight dari data.

Singkatnya, dalam Data Mining kita akan menggali knowledge atau insight yang penting dari sekumpulan data yang bervolume besar dan beragam. Tahapan Data Mining menurut buku Data Mining The Textbook adalah sebagai berikut

  1. Data Collection, melakukan pengumpulan data dari berbagai sumber.
  2. Feature Extraction and Data Cleaning, melakukan pemilihan fitur data yang penting dan melakukan pembersihan data seperti menghilangkan missing value atau menyamakan format data.
  3. Analytical Processing and Algorithm, menggali pengetahuan dan insight yang bisa didapatkan dari suatu data.

Task Data Mining sendiri dibagi menjadi dua, yaitu

  1. Prediktif, melakukan prediksi keluaran berdasarkan fitur dari suatu data, baik berupa angka maupun kategori.
  2. Deskriptif, menampilkan representasi dari kumpulan data, sehingga akan didapatkan suatu insight untuk mengambil keputusan.

Contoh pengaplikasian Data Mining adalah market basket analysis.

Photo by Mehrad Vosoughi on Unsplash

Dalam market basket analysis, kita menganalisis kombinasi barang apa saja yang dibeli oleh pelanggan di toko. Dengan adanya informasi tersebut, para pegawai dapat mengatur kembali peletakan barang di rak, contohnya jika banyak pelanggan yang membeli susu dan sereal, maka susu dan sereal akan diletakan di tempat yang berdekatan.

Pattern Recognition

Bidang pengenalan pola berkaitan dengan penemuan secara otomatis keteraturan data dengan menggunakan algoritma komputer dan menggunakan keteraturan tersebut untuk melakukan beberapa aksi seperti mengklasifikasi data menjadi kategori yang berbeda.

Jadi, Pattern Recognition ini adalah sebuah teknik untuk memanfaatkan keteraturan atau pola pada suatu data dengan menggunakan algoritma tertentu. Pola yang dimaksudkan adalah fitur yang merepresentasikan suatu data. Lalu apa bedanya dengan Machine Learning? Nah singkatnya di Pattern Recognition ini ada sebuah teknik dimana kita tidak memerlukan teknik Machine Learning, yaitu template matching. Contohnya adalah sebagai berikut

Contoh Template Matching (Sumber : Mathworks)

Dalam kasus ini, kita ingin mendeteksi huruf K dengan menggunakan template huruf K. Template ini akan dicocokan dengan gambar target yang berisi kumpulan huruf, sehingga pada akhirnya huruf K akan ditemukan setelah dilakukan pencarian per patch gambar.

Nah kita sudah berkenalan dengan keempat bidang tersebut. Jadi bagaimana hubungannya? Berdasarkan penjelasan sebelumnya, hubungan keempat bidang tersebut dapat digambarkan sebagai berikut

Keterkaitan Artificial Intelligence, Machine Learning, Data Mining, dan Pattern Recognition

Dari gambar tersebut, kita dapat fokus ke tiga poin penting ini

  1. Machine Learning dan Pattern Recognition merupakan bagian dari Artificial Intelligence. Karena meniru kemampuan manusia untuk mempelajari suatu bidang dengan data-data yang tersedia (Learning).
  2. Pattern Recognition dan Machine Learning beririsan. Hal tersebut disebabkan karena ada metode Pattern Recognition yang tidak melibatkan Machine Learning, seperti metode template matching yang tidak memerlukan teknik Machine Learning untuk mengenali pola.
  3. Data Mining beririsan dengan ketiga bidang ini. Tujuan utama dari Data Mining adalah mendapatkan knowledge dan insight dari sebuah data. Terdapat dua metode Data Mining yang dapat memerlukan Machine Learning, yaitu clustering dan classification. Namun terdapat step data mining yang tidak memerlukan Machine Learning, seperti data cleaning.

Nah sekian penjelasan dariku. Jika pendapat kalian bertentangan bisa mencoba berdiskusi di kolom komentar ya. Terimakasih sudah berkunjung. Semoga bermanfaat!

Sumber

  1. Norvig, P., Russell, S. J. (2016). Artificial Intelligence: A Modern Approach. United Kingdom: Pearson.
  2. Aggarwal, C. C. (2015). Data Mining: The Textbook. Germany: Springer International Publishing.
  3. Bishop, P. o. N. C. C. M., Bishop, C. M. (2007). Pattern Recognition and Machine Learning. Switzerland: Springer.
  4. Suyanto. (2014). Artificial Intelligence Searching, Reasoning, Planning, dan Learning Revisi Kedua. Bandung: Informatika.

Easyread

Easy read, easy understanding.

Easyread

Easy read, easy understanding. A good writing is a writing that can be understood in easy ways

Nadya Aditama

Written by

Learn. Do. Write. Share. Machine Learning, Computer Vision, and Programming Enthusiast

Easyread

Easy read, easy understanding. A good writing is a writing that can be understood in easy ways