Mengenal Machine Learning: Pengertian, Jenis dan Cara Kerja

Apa itu Machine Learning?

Artificial Intellegence (AI) atau kecerdasan buatan adalah salah satu teknologi yang saat ini sangat berkembang dan menarik untuk diikuti perkembangannya. Namun, mungkin belum banyak yang tahu bahwa Artificial Intellengence (AI) dibagi menjadi 7 percabangan dengan tujuan mempersempit ruang lingkup pengembangannya. Percabangan tersebut adalah 1) machine learning, 2) natural language processing, 3) expert system, 4) vision, 5) speech, 6) planning, dan 7) robotics.

Seperti dijelaskan di atas, machine learning merupakan salah satu cabang pengembangan artificial intellegence yang  berfokus pada pelatihan mesin untuk mempelajari data dan dapat menghasilkan output secara otomatis tanpa instruksi atau program khusus. 

Istilah machine learning pertama kali diciptakan oleh Arthur Samuel, salah satu pelopor kecerdasan buatan, pada tahun 1959. Ia menciptakan game of chekers, yaitu sebuah program yang dapat mempelajari gerakan-gerakan untuk memenangkan permainan, dan menyimpan informasi tersebut ke dalam memorinya. Arthur sendiri mendefinisikan machine learning sebagai satu bidang studi yang memberikan komputer/mesin pembelajaran tanpa program eksplisit yang minim intervensi manusia. 

Algoritma dalam machine learning menggunakan data historis berupa pengalaman dan instruksi sebelumnya sebagai input yang kemudian diamati dan dipelajari untuk memprediksi output. Machine learning dimungkinkan untuk terus belajar dengan mengeksplorasi data serta melakukan perbandingan dan uji coba untuk terus meningkatkan akurasinya. Dengan adanya machine learning  proses analisis data yang kompleks dapat diselesaikan secara otomatis dengan hasil yang lebih akurat.

Jenis-jenis Machine Learning

Jenis machine learning dibedakan menurut algoritma dan metode/teknik pembelajarannya.

1. Supervised Learning

Supervised learning menggunakan infromasi sebagai input dan data berlabel sebagai output. Metode ini memasukkan input dengan output yang sudah diketahui. Di sini mesin akan mempelajari hubungan dan ketergantungan antar data, kemudian membandingkan output sebenarnya dengan output yang diprediksi, dan melakukan modifikasi jika ada ketidakcocokkan. Metode ini memungkinkan mesin melihat akurasi kerjanya.

2. Unsupervised Learning

Unsupervised learning menggunakan data tidak berlebel, sehingga tidak diketahui jawaban/output yang benar. Di sini mesin perlu mengeksplorasi data dan menemukan struktur kemudian memberi label, mengurutkan dan mengklasifikasi data sendiri.

Selain metode supervised learning dan unsupervised learning, ada juga metode semi-supervised learning yang posisinya berada di tengah 2 metode sebelumnya. Pada semi-supervised learning data yang digunakan adalah data tidak berlabel (mayoritas) dan beberapa data berlabel dengan keperluan khusus.

3. Reinforcement Learning

Reinforcement learning mengolah data dengan pembelajaran trial and error. Mesin melakukan percobaan berulang-ulang untuk menemukan aksi terbaik untuk memaksimalkan hasil/output. 3 komponen utama dalam reinforcement learning meliputi:

• Agen: pembuat keputusan (mesin)
• Lingkungan: apa saja yang berinteraksi dengan agen (kegiatan/instruksi tertentu, perilaku pengguna, dsb) yang dijadikan sebagai input
• Aksi: apa yang bisa dilakukan agen (output)

Reinforcement learning menggunakan sistem rewards/punishment berupa penambahan poin jika model yang dibuat semakin baik, dan pengurangan poin jika model yang dibuat semakin buruk. 

Cara Kerja Machine Learning

Cara kerja masing-masing machine learning yang dikembangkan mungkin akan memiliki perbedaaan tergantung kebutuhan atau tujuan pemakaiannya. Namun secara umum proses pembelajaran machine learning mencakup pengumpulan data dan eksplorasi data, pemilihan model, latihan, evaluasi dan prediksi.

Misalnya pengembangan machine learning dalam pertandingan catur. Pertama mesin akan diberikan kumpulan data mengenai pertandingan catur. Data yang diterima kemudian dieksplorasi dan dianalisis.

Dari pengetahuan tersebut, dilakukan simulasi pertandingan dan uji coba berulang untuk menghasilkan model terbaik dalam rangka memaksimalkan hasil, dalam hal ini strategi memenangkan pertandingan catur. Mesin akan terus melakukan perbaikan berdasarkan pengetahuan dan pengalamannya bertanding dengan dirinya sendiri maupun dengan orang lain.

Salah satu yang menarik dan merupakan kelebihan machine learning adalah ia dapat melakukan lebih dari satu simulasi sekaligus pada waktu yang sama, sehingga proses belajarnya sangat cepat dan efisen.

Penerapan Machine Learning

Berikut beberapa contoh aplikasi/penerapan machine learning yang kita gunakan:

• Face lock atau face recognation pada smartphone
• Preferensi iklan/explore dan rekomendasi pertemanan pada sosial media 
• Biologi komputasi yang membuat desain obat berdasarkan data eksperimen sebelumnya
• Fitur self-driving pada mobil
• Alat kedokteran elektrokardiogram yang  dapat mendeteksi penyakit jantung sejak dini
• Pengembangan robot agar dapat mengatasi ketidakpastian di lingkungan baru

Baca Juga : Inovasi Pembelajaran: Bagaimana IoT Mengubah Lanskap Pendidikan Modern

Kesimpulan

Machine Learning sebagai bagian dari pengembangan kecerdasan buatan (AI) menjadi salah satu teknologi yang banyak memberi manfaat dalam kehidupan sehari-hari maupun pekerjaan profesional.

Dengan melakukan otomatisasi tugas-tugas dalam bidang apapun, penerapan machine learning dapat mempermudah dan mempercepat proses kerja dengan hasil akurat, serta meringankan kerja pengguna.

Di zaman yang semakin cepat dan modern ini, orang-orang tentu ingin pekerjaan yang mudah dan instan. Machine learning dan kecerdasan buatan dapat memenuhi kebutuhan tersebut.

Sumber Referensi:

• https://www.goldenfast.net/blog/apa-itu-machine-learning/
• https://www.dicoding.com/blog/machine-learning-adalah/
• https://glints.com/id/lowongan/machine-learning/#.Ybmp1b1By02
• https://www.ekrut.com/media/apa-itu-machine-learning
• https://idcloudhost.com/machine-learning-pengertian-fungsi-cara-kerja-dan-keunggulannya/
• https://medium.com/@ph.harmony1/konsep-dasar-dalam-machine-learning-8ceb22157ef2
• https://qwords.com/blog/apa-itu-machine-learning/