Apa Itu Machine Learning? Ini Perbedaannya dengan AI!

Updated

March 16, 2023

• Waktu baca 4 Menit

Gambar Apa Itu Machine Learning? Ini Perbedaannya dengan AI!

Reading Time: 4 minutes

Teknologi dengan mengandalkan kinerja autopilot terus dikembangkan. Setelah AI, ada machine learning yang tidak kalah menarik. Apa itu machine learning yang disebut-sebut sebagai mesin pembelajar, bagaimana kinerja dan fungsinya? Ini ulasannya.

Apa Itu Machine Learning?

Machine learning adalah cabang dari kecerdasan buatan yang dikembangkan agar mesin bisa belajar autopilot, tanpa arahan penggunanya. Teknologi ini dikembangkan atas dasar disiplin ilmu matematika, data mining, serta statistika. Istilah machine learning dipopulerkan oleh Arthur Samuel, seorang ilmuwan komputer yang terkenal di bidang kecerdasan buatan (AI).

Dasar ilmu tersebut menghasilkan pengembangan teknologi yang bisa dipakai untuk analisa data. Tugas yang bisa dilakukan teknologi ini juga tergolong beragam, tergantung jenis apa yang dipelajarinya.

Fungsi Machine Learning

Mesin pembelajaran ini memiliki fungsi yang sangat berguna dalam berbagai bidang. Bagi pebisnis misalnya, pengembangan teknologi ini akan membuat kinerja lebih efisien dan praktis. Berikut beberapa contoh fungsi machine learning dalam beberapa bidang:

Information Retrieval, contohnya pada penggunaan fitur penerjemah di mesin pencarian
Computer Vision berguna untuk mengekstrak informasi dari gambar tertentu seperti pengenalan wajah pada ponsel dengan sistem AI
Kedokteran machine learning bisa dipakai untuk memberi informasi terkait kesehatan selama perawatan. Contoh penerapannya di mesin elektrokardiogram, pendeteksi penyakit jantung sedini mungkin

Bisa disimpulkan bahwa machine learning berguna sebagai penganalisis data secara otomatis. Hal ini akan membantu kinerja di berbagai sektor agar menjadi lebih efisien. Contohnya, di rumah sakit dimana pasien yang datang tentu jumlahnya banyak, perlu penanganan cepat dan tepat.

Hanya perlu diingat, teknologi machine learning tidak dapat digunakan pada sesuatu yang datanya masih terbatas. Misalnya pada dunia kedokteran, machine learning tidak akan bisa melakukan diagnosa pada penyakit baru.

Cara Kerja Machine Learning

Machine learning bekerja dengan teknik dan metode berbeda-beda, tergantung jenis yang kamu pakai. Akan tetapi, prinsip dasar pembelajarannya sebenarnya sama yakni:

pengumpulan data
eksplorasi
pemilihan teknik
pelatihan terhadap model
evaluasi

Jenis-jenis Algoritma Pada Machine Learning

Secara umum, terdapat 4 metoda pada machine learning, yaitu:

1. Supervised

Algoritma satu ini merupakan yang paling populer dalam machine learning. Cara kerjanya adalah belajar dari data yang sebelumnya sudah ada jawabannya. Kamu bisa menganalogikannya dengan manusia yang sudah diberi pengetahuan melalui teori.

Jenis algoritma ini akan mempelajari data berikut fakta-fakta di dalamnya. Pada akhirnya akan menghasilkan pembelajaran melalui data secara eksplisit untuk melakukan prediksi dan klasifikasi yang sesuai.

2. Unsupervised

Metode kinerja dari jenis algoritma ini adalah menganalisis serta mengidentifikasi data yang belum dilabeli. Untuk unsupervised dianalogikan bahwa teori 1+1 belum pasti 2, bisa saja hasilnya 10.

Jenis algoritma ini tidak dapat mengidentifikasi kesalahan atau kebenaran suatu data. Pendekatan yang dipakai adalah mencari pola suatu data melalui pengelompokan. Seperti misalnya dalam melakukan logika cluster (pengelompokan dalam satu grup).

3. Semi Supervised

Algoritma satu ini tidak jauh berbeda dari supervised. Data yang dipakai sudah berlabel, dan tidak perlu melatih algoritmanya. Umumnya untuk tipe ini menggunakan data berlabel dalam jumlah kecil, dimana pemakaiannya untuk beberapa hal diantaranya:

Klasifikasi
Regresi
Prediksi, dan sebagainya

4. Reinforcement

Reinforcement mirip kinerjanya dengan supervised. Algoritma satu ini mempelajari data melalui konsep uji coba yang diimplementasikan. Selain itu, ada trial and error yang dilakukan.

Analoginya seperti kerangka berpikir penguatan pembelajaran, menilai perilaku dari suatu kasus. Jika jawaban yang diberikan benar, maka umpan balik akan didapatkan. Hal ini berlaku jika jawaban yang diberikan salah, umpan balik tidak diperoleh.

Simak selengkapnya mengenai reinforcement learning dalam AI.

Contoh Machine Learning

1. Iklan Online Kontekstual

Machine learning bisa mengevaluasi konten halaman web secara khusus, tidak lagi secara umum. Hal ini membuat iklan online yang ditampilkan bisa lebih kontekstual, sesuai dengan minat serta relevansi pengguna.

2. Pendeteksi Scammer

Sistem deteksi penipuan berbasis aturan memiliki banyak kelemahan, terlebih untuk penggunaan kartu kredit curian. Machine learning dengan model regresi dan klasifikasi telah menggantikan basis sistem tersebut menjadi lebih aman.

3. Chatbots

Cara kerja Chatbots memakai kombinasi pengenalan pola dan pemrosesan bahasa alami. Selain itu, ada jaringan saraf yang berguna untuk menafsirkan teks, serta memberi respon secara benar.

4. Cyber Security

Machine learning bisa mengekstrak kecerdasan melalui laporan berupa peringatan, entri blog, dan lain sebagainya. Hal ini berguna untuk mengidentifikasi kemungkinan adanya potensi keamanan. Teknologi ini bisa memberi feedback berupa saran terkait cyber security.

Penerapan Machine Learning

Contoh penerapan machine learning bisa kita lihat dari bagaimana AlphaGo bekerja. AlphaGo merupakan hasil pengembangan dari Google, yang pada awalnya dilatih dengan 100 ribu data pertandingan

Bekal tersebut kemudian ditambah dengan pengetahuan strategi dan cara bermain game Go. Kemudian, AlphaGo belajar lagi dengan cara bermain game Go secara mandiri setiap ia kalah. Hal ini berguna untuk memperbaiki proses bermainnya agar sampai tahap expert.

Proses belajar dari AlphaGo ini dilakukan jutaan kali secara berulang berbekal kesalahan. Machine learning jika terus dipakai maka akan meningkat akurasinya. Hal ini disebabkan oleh ‘jam terbang’ miliknya yang membuatnya semakin optimal performanya.

AI vs Deep Learning vs Machine Learning

Membedakan AI, machine learning, dan deep learning bisa dilihat dari definisinya. AI atau kecerdasan buatan merupakan konsep untuk menciptakan mesin yang cerdas. Sedangkan machine learning adalah bagian untuk membuat aplikasi berbasis AI.

Berbeda dengan deep learning. Deep learning merupakan bagian dari machine learning yang bekerja menggunakan volume data besar serta algoritma kompleks. Berikut merupakan contoh AI, deep learning dan machine learning.

Contoh AI: teknologi kunci wajah di smartphone flagship
Contoh Machine Learning: rekomendasi produk, prediksi harga saham, perkiraan penjualan, dll
Contoh Deep Learning: detektor objek, caption boot, dll

Hadirnya machine learning tentu bermanfaat bagi keberlangsungan suatu usaha. Penerapannya berguna untuk ekstraksi data menjadi informasi yang berguna. Diharapkan untuk kedepannya perkembangannya semakin optimal dan memberi lebih banyak manfaat.

Referensi: