Hallo, Sobat Data!
Kalian pasti sudah tidak asing lagi sama machine learning kan? Hari ini kita bakal bahas lebih lanjut materi machine learning ini, yuk baca sampai akhir.
Machine learning merupakan salah satu metode yang digunakan dalam bidang sains data untuk membangun model prediktif, menggali pola dalam data, dan mengoptimalkan proses pengambilan keputusan. Machine learning ini dapat digunakan dalam pengolahan data yang besar atau biasa disebut Big Data, nah bagaimana sih keterkaitan antara keduanya ? kumpulan data yang besar ini perlu diproses terlebih dahulu agar kemudian dapat menghasilkan informasi yang dibutuhkan, nah machine learning yang berbasis algoritma akan menghasilkan Big Data akan lebih akurat sehingga tujuan utama yaitu memperoleh informasi yang baik akan dapat dilakukan.
Machine learning terbagi dalam dua kategori, yaitu supervised learning dan unsupervised learning. Supervised learning adalah pendekatan machine learning yang menggunakan dataset yang sudah diberi label sebelumnya. Dengan menggunakan data-data yang dengan label ini, diharapkan algoritma dapat melakukan klasifikasi dan prediksi dengan akurat. Contoh dari penggunaan supervised learning ini adalah saat melakukan classification dan regression.Selanjutnya, unsupervised learning adalah penggunaan algoritma yang bertujuan untuk menganalisis data yang diberikan secara langsung tanpa adanya bantuan dari manusia. Unsupervised learning paling banyak digunakan dalam clustering.
Mari kita Simak lebih lanjut perbedaan diantara supervised vs unsupervised machine learning. Label data, pada supervised learning digunakan data yang sebelumnya telah berlabel sedangkan unsupervised learning menggunakan data yang tidak berlabel. Klasifikasi data, Ketika menggunakan supervised learning data akan terklasifikasi berdasarkan dataset pada saat training, namun unsupervised learning akan melakukan klasifikasi data yang diberikan secara langsung. Penggunaan, supervised learning biasanya digunakan dalam klasifikasi dan regresi sedangkan unsupervised learning lebih banyak digunakan dalam kasus clustering. Kelas, pada supervised learning jumlah kelasnya diketahui secara pasti sedangkan pada unsupervised learning tidak diketahui jumlah kelasnya. Algoritma, supervised learning menggunakan algoritma Regresi logistik, Decision tree, KNN dan Support Vektor Machine sedangkan unsupervised learning menggunakan algoritma K-means Clustering, Hierarchical Clustering dan Apriori Algorithm.
Setelah memahami perbedaan diantara Supervised dan Unsupervised Machine Learning, selanjutnya mari kita bahas lebih lanjut langkah-langkah dalam penerapan Machine Learning. Permasalahan Persiapan Data Memilih Algoritma Melatih Model Uji Model Pada tahap pertama, dilakukan identifikasi masalah yang ingin diselesaikan menggunakan machine learning. Persiapan Data, data yang akan digunakan perlu melewati proses pembersihan terlebih dahulu sebelum digunakan untuk eksplorasi dan analisis. Memilih Algoritma, pemilihan algoritma yang tepat penting untuk mendapatkan model machine learning yang akurat. Melatih model, tahap selanjutnya adalah melakukan pelatihan serta evaluasi model sampai mendapatkan tingkat akurasi yang tinggi. Uji Model, tahap terakhir adalah uji model menggunakan data test.
Sekian pembahasan kita pada kali ini, sampai jumpa kembali!
