MACHINE LEARNING

Rifki Mustofa
Kelompok 2
Published in
3 min readOct 29, 2019

Sebuah aplikasi dari Artificial Intelligence ( kecerdasan buatan ) yang bertujuan memungkinkan komputer mempelajari sejumlah data sehingga dapat menghasilkan suatu model otomatis dari sekumpulan data dan melakukan proses input-output tanpa menggunakan kode program yang dibuat secara eksplisit. Artinya, komputer belajar dari contoh-contoh yang kita berikan, lalu memprediksi sesuatu sesuai dengan contoh itu.

  1. Cara Kerja Machine Learning

Dari gambar diatas bisa kita lihat bahwa cara kerja machine learning yaitu komputer diberikan data lalu data di pelajari (training) sehingga dapat menghasilkan sebuah model. Nah, model inilah yang akan diprediksi untuk menghasilkan output berupa informasi yang sesuai dengan data yang dimasukan.

Jadi, ketika kita membuat machine learning untuk mencari atau menganalisa data “Nasi Bakar” maka untuk trainingnya kita berikan ratusan bahkan jutaan gambar nasi bakar. setelah itu, kita test hasil raining tersebut dengan menginputkan nasi bakar maka akan keluar data seperti ini :

  1. Nasi bakar => 0.99
  2. Nasi bakar teri => 0.79
  3. Nasi bakar ayam => 0.59
  4. Nasi bakar terdekat => 0.39
  5. Nasi bakar ummu => 0.10

Jadi hasil output no 1 adalah hasil yang kita inginkan yang mempunyai tingkat kepercayaan mencapai 0.99. Karena skala yang digunakan machine learning adalah 0 sampai 1.

Secara sistematis dapat kita simpulkan bahwa hasil output dari machine learning adalah hasil dari pengolahan algoritma terhadap data yang di inputkan.

2. Metode Algoritma Machine Learning

a. Supervised learning algorithms

Supervised learning adalah sebuah algoritma yang dapat menerapkan informasi yang sudah ada dan terdapat variabel yang ditargetkan. Tujuannya yaitu untuk mengelompokan suatu data yang sudah ada.

b. Unsupervised learning algorithms

Unsupervised learning adalah sebuah algoritma yang dapat menerapkan informasi dengan tidak mempunyai data yang dilatih sebelumnya dan tidak mempunyai variabel. Tetapi, algoritma ini bertujuan untuk menemukan struktur data tersembunyi yang tidak mempunyai variabel.

c. Semi Supervised learning algorithms

Semi Supervised learning adalah algoritma yang menerapkan informasi terhadap data yang hanya mempunyai beberapa label (data berlabel dan tidak berlabel).

d. Reinforcement learning algorithms

Reinforcement learning adalah algoritma yang memilikinkemapuan terhadap data yang kekurangan label dengan memberikan poin positif ketika model yang diberikan semakin baik atau mengurangi poin negatif ketika model yang dihasilkan semakin buruk.

3. Dampak Machine Learning Pada Masyarakat

Masyarakat pasti sudah mengetahui dan merasakan dampak yang terjadi pada perkembangan teknologi saat ini. Terutama dampak dari machine learning yang mempunyai sisi baik dan sisi buruk bagi masyarakat.

a. Dampak Positif

Menjadi peluang bagi para wirausahawan dan praktisi teknologi untuk dapat mengembangkan teknologi machine learning lewat karyanya. Sebagai contoh pada Microsoft Word yaitu adanya fitur pengecekan ejaan untuk tiap bahasa. Jadi, ketika kita salah mengetik atau typo, kita tidak perlu mencari kesalahan itu secara manual hingga berhari hari. Akan tetapi dengan adanya fitur pengecekan tersebut, secara real-time kita bisa melihat kesalahan yang terjadi pada saat pengetikan.

b. Dampak Negatif

Semakin berkurangnya lapangan kerja, karena dengan perkembangan teknologi yang begitu signifikan sehingga tugas yang sebelumnya dikerjakan oleh manusia sekarang sudah dikerjakan oleh teknologi ini.

--

--