MACHINE LEARNING

Desember 06, 2019

MACHINE LEARNING

https://www.google.co.id/url?www.iberdrola.com%2Finnovation%2Fmachine-learning

Machine learning adalah ilmu komputer yang bisa bekerja tanpa diprogram secara eksplisit. Banyak peneliti berpikir bagaimana cara untuk membuat kemajuan menuju AI terhadap tingkat manusia. Machine learning ini merupakan kecerdasan buatan yang mempelajari bagaimana membuat data. Machine learning ini biasa disingkat dengan ML.

Machine Learning merupakan salah satu cabang dari disiplin ilmu AI (Artificial Intellegence) atau Kecerdasan Buatan yang membahas mengenai pembangunan sistem yang berdasarkan data.Pembelajaran mesin berfokus pada pengembangan program komputer yang bisa mengakses data dan menggunakannya untuk belajar sendiri. Penerapan metode Machine Learning dalam beberapa tahun terakhir telah berkembang di mana-mana dalam kehidupan sehari-hari. Dengan menggunakan data, pembelajaran mesin memungkinkan komputer menemukan wawasan tersembunyi tanpa diprogram secara eksplisit saat mencarinya. Sementara, algoritma machine learning sudah ada sejak lama, kemampuannya secara otomatis menggunakan perhitungan matematis yang kompleks ke data besar dan yang lebih cepat merupakan perkembangan terakhir.

Sejarah

Sejak pertama kali komputer diciptakan manusia sudah memikirkan bagaimana caranya agar komputer dapat belajar dari pengalaman. Hal tersebut terbukti pada tahun 1952, Arthur Samuel menciptakan sebuah program, game of checkers, pada sebuah komputer IBM. Program tersebut dapat mempelajari gerakan untuk memenangkan permainan checkers dan menyimpan gerakan tersebut kedalam memorinya.

Machine Learning bermula di awal abad 20, seorang penemu Spanyol, Torres y Quevedo, membuat sebuah mesin learning setelah ditemukannya komputer digital. Isilah Machine Learning pada dasarnya adalah proses komputer untuk belajar dari data (Learn from data). Tanpa adanya data, komputer tidak akan bisa belajar apa – apa. Oleh karena itu, jika kita ingin belajar machine learning, pasti akan terus berinteraksi dengan data. Semua pengetahuan machine learning pasti akan melibatkan data. Data bisa saja sama, akan tetapi algoritma dan pendekatannya berbeda-beda untuk mendapatkan hasil yang optimal.

Konsep Dasar

Machine learning adalah bagian dari ilmu Kecerdasan Buatan atau dikenal juga sebagai AI (Artificial Intelligence). Konsep dari machine learning ini adalah pada pengembangan sistem yang dapat belajar “sendiri” tanpa perlu diprogram oleh manusia berulang kali. Saat ini ilmu pembelajaran mesin sendiri telah menjadi salah satu bagian penting dalam industri teknologi maupun industri di bidang lainnya.

Ilmu pembelajaran mesin itu merupakan suatu kategori riset serta algoritma yang berfokus pada menemukan pola dalam suatu data. Pola tersebut kemudian digunakan untuk melakukan suatu prediksi. Lalu, apa yang membuatnya berbeda dengan Artificial Intelligence atau Kecerdasan Buatan? Ya, mesin merupakan bagian dari kecerdasan buatan dan dalam hal ini bersilangan dengan Data Mining dan Knowledge Discovery. Lebih jauh, berikut ini tahapan kerja machine learning.

https://www.google.co.id/url?www.ubuntupit.com%2Fintro-to-machine-learning

· Memilah Data

Pertama, data yang akan digunakan “diajarkan” pada tahapan memilah datadipisahkan menjadi tiga bagian, yaitu training data (data yang akan dilatih), validation data (data yang dipakai untuk validasi) dan test data (data yang dipakai untuk percobaan prediksi). Hal ini juga menegaskan bahwa machine learning yaitu suatu hal yang sangat bergantung pada adanya data.

· Model Data dan Validasi Model

Tahap selanjutnya adalah membuat model data. Dalam hal ini, kita harus menggunakan training data yang sudah disiapkan untuk membangun model menggunakan fitur yang disesuaikan dengan tujuan pengembangan sistem komputer ini. Setelah itu barulah dilakukan validasi model yaitu pengujian terhadap model data dengan validation data. Hal ini bermanfaat untuk mendapat feedback dari input, proses serta output yang dipakai.

· Test Model dan Penggunaan

Test Model Dalam tahap ini kita akan semakin mengerti bahwa ilmu pemrosesan bahasa alami adalah kategori AI yang hanya bisa bekerja dengan adanya data. Pada tahap ini akan dilakukan perbandingan kinerja model yang telah divalidasi dengan data percobaan prediksi atau test data. Selanjutnya baru bisa dilakukan pengaplikasian model yang telah dilatih tersebut untuk membuat prediksi pada data baru lagi.

Setelah dilakukan tiga tahap utama di atas, barulah akan dilakukan penyesuain model untuk mencapai tujuan yang sesuai dengan kebutuhan. Yang perlu diingat yaitu ilmu pembelajaran mesin ini adalah sesuatu yang bukan apa-apa tanpa data. Dalam hal penyesuain model pun, dilakukan perbaikan kinerja dengan menggunakan lebih banyak data lagi, fitur yang berbeda serta parameter yang lebih disesuaikan.

Machine Learning merupakan salah satu cabang dari disiplin ilmu Kecerdasan Buatan (Artificial Intellegence) yang membahas mengenai pembangunan sistem yang berdasarkan pada data. Banyak hal yang dipelajari, akan tetapi pada dasarnya ada 4 hal pokok yang dipelajari dalam machine learning.

1. Pembelajaran Terarah (Supervised Learning)

2. Pembelajaran Tak Terarah (Unsupervised Learning)

3. Pembelajaran Semi Terarah (Semi-supervised Learning)

4. Reinforcement Learning

Penjelasan

Salah satu teknik pengaplikasian machine learning adalah supervised learning. Seperti yang dibahas sebelumnya, machine learning tanpa data maka tidak akan bisa bekerja. Oleh karena itu hal yang pertama kali disiapkan adalah data. Data biasanya akan dibagi menjadi 2 kelompok, yaitu data training dan data testing. Data training nantinya akan digunakan untuk melatih algoritma untuk mencari model yang cocok, sementara data testing akan dipakai untuk mengetes dan mengetahui performa model yang didapatkan pada tahapan testing.

Dari model yang didapatkan, kita dapat melakukan prediksi yang dibedakan menjadi dua macam, tergantung tipe keluarannya. Jika hasil prediksi bersifat diskrit, maka dinamakan proses klasifikasi. Contoh penerapan machine learning dalam kehidupan adalah sebagai berikut.

1. Penerapan di bidang kedoteran contohnya adalah mendeteksi penyakit seseorang dari gejala yang ada. Contoh lainnya adalah mendeteksi penyakit jantung dari rekaman elektrokardiogram.

Hasil gambar untuk machine learning on medical purpose

https://www.google.co.id/url?www.technologyreview.com

2. Pada bidang computer vision contohnya adalah penerapan pengenalan wajah dan pelabelan wajah seperti pada facebook. Contoh lainnya adalah penterjemahan tulisan tangan menjadi teks.

Hasil gambar untuk facebook face recognition

https://www.google.co.id

3. Pada biang information retrival contohnya adalah penterjemahan bahasa dengan menggunakan komputer, mengubah suara menjadi teks, dan filter email spam.

https://www.google.co.id/url?www.howtogeek.com

Salah satu dampak positif dari machine learning adalah menjadi peluang bagi para wirausahawan dan praktisi teknologi untuk terus berkarya dalam mengembangkan teknologi machine learning. Terbantunya aktivitas yang harus dilakukan manusia pun menjadi salah satu dampak positif machine learning. Sebagai contohnya adalah adanya fitur pengecekan ejaan untuk tiap bahasa pada Microsoft Word. Pengecekan secara manual akan memakan waktu berhari-hari dan melibatkan banyak tenaga untuk mendapatkan penulisan yang sempurna. Tapi dengan bantuan fitur pengecekan ejaan tersebut, secara real-time kita bisa melihat kesalahan yang terjadi pada saat pengetikan.

disamping itu ada dampak negatif yang harus kita waspadai. Adanya pemotongan tenaga kerja karena pekerjaan telah digantikan oleh alat teknologi machine learning adalah suatu permasalahan yang harus dihadapi. Ditambah dengan ketergantungan terhadap teknologi akan semakin terasa. Manusia akan lebih terlena oleh kemampuan gadget-nya sehingga lupa belajar untuk melakukan suatu aktivitas tanpa bantuan teknologi.

Referensi :

Cari Blog Ini

anthrsde~a`nctrn