Bagaimana Industri Memanfaatkan Machine Learning?

By: Margaretha Sinaga   |   January 24th, 2017

Machine learning membawa manusia dan mesin bekerja sama dengan pendekatan manusia “mengajar” mesin. Mesin dapat belajar dengan memproses latihan yang memuat fitur-fitur penting untuk menyesuaikan ke algoritma. Algoritma tersebut menjadikan mesin mampu mengeksekusi pekerjaan spesifik, seperti klasifikasi email dan filter spam.

Tetapi manfaat yang bisa kita rasakan adalah jauh lebih dari klasifikasi email yang sudah ada sejak beberapa tahun lalu. Saat ini, kita merasakan manfaat machine learning yang lebih nyata dalam beberapa aspek kehidupan, contohnya sebuah drone dapat memetakan benda-benda di jalan raya, mengukur jembatan dengan akurasi yang tinggi, serta menilai wilayah rekonstruksi dengan cepat dan tepat.

Sebenarnya apa itu machine learning? Machine learning dapat diartikan sebagai proses mesin “belajar” dengan menganalisa data dalam jumlah besar. Sebagiai contoh, kita tidak lagi harus menulis program baru untuk mengetahui gambar wajah kucing dan manusia, mesin dapat dilatih dengan beberapa gambar sehingga mesin dapat mengenal objek-objek.

 

Bagaimana relasi Machine Learning dengan Artificial Intelligence?

Machine learning adalah sebuah kategori riset dan algoritmanya berfokus untuk menemukan pola dalam data, lalu menggunakan pola tersebut untuk melakukan prediksi. Machine learning berada di bawah payung Artificial Intelligence (AI), yang saling bersilangan dengan Knowledge Discovery dan Data Mining.

Berikut ini adalah ilustrasinya:

Source: blogs.sas.com

 

Bagaimana machine learning bekerja?

Berikut ini adalah tahapan kerja machine learning:

  1. Memilih data: pisahkan data menjadi 3 bagian, yakni data yang akan dilatih (training data), data yang akan digunakan untuk validasi (validation data), dan data yang digunakan untuk percobaan prediksi (test data).
  2. Model data: gunakan training data untuk membangun model menggunakan fitur-fitur yang sesuai dengan tujuan.
  3. Validasi model: uji model yang telah ada dengan validation data. Hal ini berguna untuk mendapatkan feedback dari input, process, dan ouput yang digunakan.
  4. Test model: lihat perbandingan kinerja model yang sudah divalidasi dengan test data.
  5. Gunakan test model: aplikasikan model yang sudah dilatih untuk membuat prediksi data baru.
  6. Sesuaikan model: perbaiki kinerja algoritma dengan lebih banyak data, fitur yang berbeda, dan parameter yang disesuaikan.

 

Bagaimana mesin dapat belajar?

Berikut ini adalah cara-cara mesin belajar dan membentuk istilah machine learning:

  1. Programming tradisional: Dengan cara ini, software engineer menulis sebuah program yang mengajarkan mesin untuk memecahkan masalah. Kemudian, mesin atau komputer mengikuti prosedur yang telah dibuat dan menghasilkan solusi.
  2. Statistik: Metode statistik digunakan oleh analis untuk membandingkan hubungan beberapa variabel.
  3. Machine Learning: Seorang data scientist menggunakan data set yang sudah dilatih untuk mengajarkan komputer hal-hal apa saja yang harus dilakukan. Sebagai contoh, dari big data yang sudah ada, mesin belajar mengklasifikasi spam dan non-spam email. Klasifikasi ini didapatkan dari data set yang sudah dilatih dan berbagai algoritma yang sesuai dengan klasifikasi yang diinginkan. Lalu, komputer belajar mengidentifikasi hubungan, tren, dan pola data tersebut.
  4. Aplikasi pintar: Aplikasi pintar menaikkan akurasi hasil AI. Contohnya, drone bisa menghasilkan pemetaan lahan pertanian yang akurat berdasarkan pengumpulan data.

Untuk belajar machine learning dari sangat dasar, Algoritma menyediakan kelas training yang bisa diikuti oleh siapa saja. Algoritma mencetak lulusan-lulusan terbaik yang siap bekerja di industri teknologi dan data. Lihat silabus dan daftarkan dirimu sekarang di website Algoritma.

MAU BELAJAR MACHINE LEARNING?