Apa itu Machine Learning? – Ya, banyak dari kita yang mungkin masih bingung apa sebenernya machine learning itu. Jika diartikan dalam bahasa indonesia machine learning adalah pembelajaran mesin. Lalu apa itu artinya?
Sebelum masuk ke penjalesaannya mari kita sedikit belajar tentang sejarah singkat dari machine learning atau pembelajaran mesin ini.
Sejarah Singkat Machine Learning
Istilah dari machine learning sendiri pertama kali dikenalkan pada tahun 1920-an oleh beberapa ilmuwan matematika seperti Adrien Marie Legendre, Thomas Bayes dan Andrey Markov. Mereka mengemukakan konsep dan dasar-dasar dari machine learning.
Sejak saat itu machine learning (ML) mulai banyak dikembangkan. Salah satu pengembangannya yang cukup terkenal adalah seperti Deep Blue yang dilakukan oleh IBM pada tahun 1996.
Deep Blue adalah machine learning yang sengaja dikembangkan untuk bisa bermain catur dengan mempelajari permain catur secara mandiri. Dimana Deep Blue hanya diberikan perintah mengenai permainan dasar catur, lalu untuk strategi dalam permain ia ciptakan sendiri dengan cara melawan diri nya sendiri secara terus-menerus sehingga dapat menemukan pola permainannya sendiri.
Deep Blue juga pernah diuji coba dengan bermain catur melawan juara catur profesional dan Deep Blue berhasil memenangkan pertandingan dan mengalahkan juara catur profesional tersebut.
Setelah mengetahui sejarah singkat mengenai Machine Learning, mari kita masuk ke penjalesannya.
Apa Itu Machine Learning?
Di tengah perkembangan teknologi yang sudah berkembang pesat saat ini tentu kamu cukup tidak asing dengan istilah Machine Learning atau Pembelajaran Mesin. Lalu apa itu machine learnig?
Machine Learning atau pembelajaran mesin sebenanya merupakan salah satu cabang dari ilmu Kecerdasasan Buatan atau Artificial Inteligence (AI). Sederhananya machine learning adalah perintah program atau mesin yang dapat belajar dan mengembangkan kemampuannya sendiri untuk tujuan tertentu.
Konsep dari kedua ilmu itu hampir mirip, dimana teknologi ini menggunakan analisis data kompleks yang diberikan pengguna untuk menghasilkan output dan memecahkan masalah dengan cara yang hampir menyerupai manusia.
Lalu keduanya juga adalah bidang ilmu komputer yang berupaya membuat perangkat lunak untuk menganalisis dan memahami data dengan cara yang kompleks serta melakukan tugas-tugas mandiri.
Namun untuk machine learning sendiri dikembangkan khusus untuk disiplin ilmu, seperti satistika, matematika dan data mining yang ditujukan agar mesin dapat belajar dengan sendiri dengan manganalisis data yang diberikan tanpa perlu diprogram ulang perintahnya.
Machine Learning belajar mengembangkan kemampuannya dengan data yang telah diberikan atau juga memperoleh data yang dibutuhkan untuk dengan perintah ia sendiri.
Penerapan Machine Learning Dalam Kehidupan Serhari-hari
Peranan dari machine learning yang membantu kegiatan manusia dalam berbagai bidang sesungguhkan sudah banyak dan sering kita rasakan saat ini. Bahkan mungkin sudah sering kamu gunakan.
Salah satu contohnya adalah fitur face unlock untuk membuka perangkat smartphone kamu. Lalu jika kamu sering menjelajah internet dan juga media sosial, pasti kamu sering melihat beberapa iklan rekomendasi sebuah produk yang dimunculkan sesuai dengan kesukaan kamu atau sesuai dengan topik yang sedang kamu bicarakan. Iklan yang muncul tersbut merupakan salah satu hasil dari pengolahan data machine learning (ML).
Masih banyak sebenarnya contoh dari penerapan machine learning yang sering kita jumpai. Lalu yang menjadi pertanyaan adalah bagaimna machine learning itu dapat belajar sehingga bisa menganalisis dan mengembangkan kemampuannya dari berdasarkan data yang diberikan saat awal pengembangan, ini adalah penjelasannya.
Bagaiman Teknik Belajar Machine Learning?
Terdapat beberapa teknik yang machine learning gunakan untuk belajar. Tetapi secara garis besar ML menggunakan dua teknik dasar dalam berlajar, yaitu supervised learning dan unsupervised learning.
1. Supervised Learning
Teknik belajar Supervised Learning adalah teknik pembelajaran mesin yang menggunakan data yang memiliki label atau informasi yang sudah diketahui sebelumnya. Dengan menggunakan data yang sudah dilabeli, model mesin dapat belajar untuk memprediksi dan mengidentifikasi pola dan juga hubungan antara fitur-fitur dalam data untuk mencapai tujuan tertentu, seperti klasifikasi atau prediksi.
Untuk contoh dalam penerapan yang mengilustrasikan supervisesd learning ini salah satunya adalah mengklasifikasikan film berdasarkan kategorinya. Dengan menggunakan data film yang sudah di beri label, seperti genre romantis, horor, komedi dan action, model dapat belajar mengenali pola dalam fitur-fitur film kemudian memprediksi genre film baru yang berdasar dari informasi yang ada. Hal tersebut dapat membantu dalam mengelompokan dan pengaturan film baru dala kategori yang sesuai.
2. Unsupervised Learning
Kebalikan dari Teknik Supervised Learning teknik Unsupervised Learning adalah teknik machine learning yang dapat diterapkan pada data yang tidak memiliki label dan tidak memiliki informasi jelas. Tujuan dari teknik ini adalah untuk mengidentifikasi struktur ataupila yang tersembunyi dalam data tanpa bantuan dari data yang sudah diberi label sebelumnya.
Unsupervised Learning tidak mengharuskan adanya data referensi sebelumnya. Sebagai contoh, jika seorang belum pernah membeli film sebelumnya, namun ingin mengelompokan film-film baru dalam kategori yang sesuai. Teknik ini dapat membantu mengidentifikasi pola atau kemiripan antara film-film tersebut sepertu mengklasifikasikan film ke dalam genre yang sesuai.
Cara Kerja Dari Machine Learning
Cara kerja dari Machine Learning sebenarnya berbeda-beda menyesuaikan dengan teknik atau metode pembelajarannya. Tetapi pada dasarnya cara kerja dan prinsipnya sama, mulai dari pengumpulan data, eksploorasi data, pemilihan model atau teknik pembelajaranm memperikan metode pelatihan terhadap model yang digunakan dan evaluasi hasilnya.
Untuk mengeatahui bagaimana cara kerja dari machine learning ini, simak penerapan berikut ini.
AlphaGo adalah sebuah machine learning yang pernah dikembangkan oleh perusahaan Google. Pada saat awal dikembangkan AlphaGo dilatih dengan menggunakan 100 ribu data pertandingan Go guna mempelajari dan memahai cara permaina Go. Dari data yang diberikan tersebut AlphGo akan memiliki cara dan strategi dalam bermain permainan Go.
Tidak hanya bergantung dari data yang diberikan namun AlphaGo akan terus meningkatkan kemampuannya dengan cara bertanding melawan dirinya sendiri. Setiap kalah dalam pertandingan ia kan memperbaiki sendiri caranya bermain hingga mendapatkan pola permainan yang sesuai dan proses tersebut dapat berulang hingga jutaan kali namun tentunya dalam kurun waktu yang singkat.
Perbaikan permainan yang terus dilakukan AlphaGo oleh dirinya sendiri dan juga berdasarkan pengalamannya saat bermain melawan orang lain dan juga dirinya sendiri.
Dari penerapan AlphaGo itu bahwa machine learning akan terus menerus belajar selam ia digunakan. Seperti halnya teknologi pengenalan wajah akan terus belajar mengenal pola wajah berdasarkan data yang diberikan, contohnya seperti teknologi pengenalan wajah dari Google Photo. Dimana teknologi ini akan dapat mengenali pola wajah dari data tanda yang diberikan berdasarkan wajah tertentu dari beberapa foto yang kita milliki digaleri. Foto-foto tersebut akan terkelompok berdasarkan wajah dan nama yang diberikan pada foto tersebut.
Maka, apabila machine learning semakin sering digunakan maka akan meningkatkan akurasi menjadi semakin baik lagi dibandingkan dengan awal-awal penciptaannya. Hal tersebut karena machine learning akan terus belajar ketika diberikan data dan dapat juga belajar dengan sndiri nya dari mengembangkan data yang sudah dimiliki.
Demikianlah penjelasan mengenai apa itu machine learning atau pembelajaran mesin, penerapannya dan juga bagaimana cara kerjanya.
