Konsep Dan Implementasi Machine Learning
Machine Learning yakni salah satu cabang dari Ilmu Komputer yang dekat kaitan nya dengan Artificial Intelligent (Kecerdasan Buatan). Secara sederhana sanggup dikatakan bahwa fokus utama dalam bidang ini yakni membangun sebuah algoritma yang memungkinkan acara komputer sanggup mencar ilmu dan melaksanakan sendiri tugas-tugas nya tanpa adanya aba-aba dari pengguna.
Kemampuan suatu individu untuk mencar ilmu tentu meningkatkan kecerdasan individu tersebut, dan tidak terkecuali pada sebuah mesin. Mesin yang bisa mencar ilmu akan meningkatkan produktivitas manusia. Ia mempunyai kekuatan pemanis yang tidak dimiliki mesin lainnya.
Saat ini Machine Learning menjadi area yang sangat diminati di dalam cabang Ilmu Komputer. Hal tersebut sanggup dilihat dari banyaknya jumlah mahasiswa (khususnya mahasiswa luar negeri) yang mengambil spesialisasi dalam bidang ini. Dan jikalau dilihat dari perkembangan dunia teknologi ketika ini, memang sudah banyak perusahaan yang menerapkan konsep dari Machine Learning ini.
Machine Learning sanggup diaplikasikan pada segala bidang. Di periode digital ketika ini, segala sesuatu telah terkomputerisasi, dan hal tersebut memainkan peranan penting bagi Machine Learning untuk sanggup terlibat di dalam nya. Dibawah ini yakni beberapa pola implementasi dari Machine Learning.
1. Text Analysis
Machine Learning sanggup diimplementasikan untuk menganalisa suatu teks guna mencari tau darimana sumber teks itu berasal, ataupun untuk menguji keakuratan atau kebenaran dari teks tersebut. Contoh nya :
– Spam Filtering, disini Machine Learning mempunyai kegunaan untuk menganalisa, menilai, dan menyaring email spam menurut isi dan sumber dari pesan tersebut.
– Sentiment Analysis, ini yakni sebuah aplikasi untuk mengklasifikasikan sebuah teks. Fungsi Machine Learning disini yakni untuk mengklasifikasikan opini yang ditulis dari pengguna, apakah opini pengguna tersebut bersifat positif, netral atau negatif.
– Information Extraction, menganalisa dan mengidentifikasi potongan-potongan dari teks. Misalnya dari sebuah paragaraf, aplikasi Machine Learning ini bertugas untuk mengecek potongan-potongan isu pada teks ibarat alamat, identitas, tanggal, dsb.
2. Image Processing
Secara umum, image processing merupakan suatu tahapan dari pengolahan suatu gambar untuk mendapat data dari gambar tersebut untuk kemudian diolah atau ditransformasikan lebih lanjut. Beberapa contohnya:
– Image tagging/face detection, disini Machine Learning diterapkan untuk mengidentifikasi atau mendeteksi wajah dari user menurut data-data dari gambar tersebut.
– Optical Character Recognition (OCR), mentransformasikan sebuah teks atau gambar pada sebuah kertas / manuskrip ke dalam bentuk digital. Setelah di transformasikan ke dalam bentuk digital, maka gambar tersebut sanggup diolah lebih lanjut. Contoh paling umum contohnya ibarat lembar tanggapan yang di lingkaran hitamkan atau dokumen yang di scan memakai scanner.
– Self Driving Cars, ini merupakan salah satu implementasi dari Machine Learning yang paling fenomenal. Sebuah kendaraan beroda empat yang telah tertanam acara Maching Learning di dalam nya berusaha mencar ilmu untuk mengenali ciri sebuah jalan, rambu kemudian lintas dan objek disekitar jalan melalui video camera yang ditanam pada kendaraan beroda empat tersebut.
3. Finance
Implementasi dari Machine Learning juga banyak diterapkan dalam bidang finansial untuk membantu memprediksi maupun mengambil keputusan. Beberapa pola diantaranya:
– Stock Trading, membuatkan sebuah algoritma yang bisa mengidentifikasi dan memprediksi saham-saham terbaik menurut pola atau pattern pada historis perdagangan saham. Machine Learning memainkan peranan penting dalam hal ini, ia bertugas untuk mengekstrak pola-pola yang sebelumnya tidak mempunyai arti apapun hingga menjadi isu yang mempunyai kegunaan dan bermanfaat dalam pengambilan keputusan.
– Fraud Detection, dengan dukungan Machine Learning, sistem sanggup mendeteksi kecurangan atau penipuan dengan efektif dan efisien. Cara kerjanya yakni dengan menganalisis data transaksaksi historis untuk membangun model yang sanggup mendeteksi pola penipuan.
4. Search and Recomendation Engine
Machine Learning juga diterapkan untuk memaksimalkan fungsi pencarian dan rekomendasi oleh situs pencari, e-commerce dan media sosial. Beberapa pola penerapan nya sebagai berikut:
– Google, ketika kau mengetik sebuah kata kunci pencarian di Google, biasanya Google akan menampilkan rekomendasi pencarian yang kau cari. Misalnya, ketika kau mengetik ‘cara menghilangkan’, maka Google akan memunculkan beberapa rekomendasi atau autoteks nya ibarat ‘cara menghilangkan jerawat’, ‘cara menghilangkan amis badan’, ‘cara menghilangkan ketombe’ dan sebagainya.
– Facebook, hal yang sama juga diterapkan pada Facebook. Misalnya kau melaksanakan pencarian nama ‘Desi‘ di textbox pencarian, maka Facebook akan menampilkan beberapa rekomendasi nama user yang mungkin kau kenali, contohnya ‘Desi Fatmawati’, ‘Desi Susanti’, ‘Desi Karina’ dan Desi-Desi lainnya.
– Amazon, Lazada, Alibaba, dan lainnya, jikalau kau jelih memperhatikan ketika kau melaksanakan kegiatan belanja pada salah satu e-commerce diatas, maka bahwasanya mereka sudah menerapkan fungsi dari Machine Learning. Saat kau melihat sebuah produk hingga ke halaman detail nya, contohnya sebuah Handphone, maka biasanya dibawah dari deskripsi Handphone tersebut akan muncul rekomendasi Handphone lainnya dengan spesifikasi yang hampir sama untuk kau telusuri.
5. Speech Understanding
Ini bekerjasama dengan bunyi insan dan cabang ilmu komputer lainnya yaitu Natural Language Processing (NLP). Berikut beberapa pola penerapan nya:
– Google Voice
Saat ini kita sanggup melaksanakan pencarian pada Google tanpa harus memainkan jari-jemari pada keyboard atau layar handphone kita. Salah model pencarian gres yang diterapkan oleh Google yakni melalui suara. Disini Machine Learning memainkan peranan penting, bunyi yang diterima akan menjadi masukan bagi acara untuk diidentifikasi dan dianalisa lebih lanjut untuk melaksanakan pencarian menurut inputan (suara) yang diterima.
Metode di dalam Machine Learning
Secara umum, di dalam Machine Learning ada dua jenis metode yang paling terkenal yang sanggup dipakai yaitu Supervised Learning dan Unsupervised Learning. Perbedaan utama antara keduanya terletak pada bagaimana cara kita mengajari dan memandu sebuah acara melalui algoritma yang kita buat. Saya berikan ilustrasi, jikalau ada sebuah anak kecil yang sedang dihadapkan pada suatu duduk kasus dan kau mengajari dan memandu anak tersebut untuk memecahkan duduk kasus tersebut maka itu termasuk ke dalam supervised learning. Namun jikalau kau membiarkan anak tersebut mencar ilmu dan memecahkan sendiri duduk kasus yang dihadapinya itu disebut dengan unsupervised learning.
1.Supervised Learning
Pada Supervised Learning, kita melatih mesin untuk menunjukkan output yang sudah kita memutuskan atau kita harapkan sebelumnya. Algoritma yang kita terapkan pada mesin tersebut ditujukan untuk menciptakan suatu input menjadi output yang kita harapkan.
Supervised Learning merupakan metode yang paling terkenal dalam implementasi algoritma untuk Machine Learning. Namun kelemahan dari metode ini yakni kita harus menyediakan atau memutuskan sebuah output yang benar. Kita mengajari mesin untuk melaksanakan sesuatu yang benar, tentu kita harus mempunyai pola apa sesuatu yang benar tersebut.
Sebagai contoh, jikalau kita ingin mengajari sebuah acara untuk memilih sebuah opini yang negatif, positif, atau netral tentu kita harus menyediakan sampel atau pola opini yang negatif, positif, atau netral itu ibarat apa.
Contoh lainnya contohnya ilustrasikan kau mempunyai sebuah keranjang buah, dan di dalam nya terdapat 4 jenis buah yaitu anggur, apel, cherry dan pisang.
Sekarang kau ingin meminta mesin untuk memilih yang mana anggur, apel, cherry atau pisang. Untuk melakukannya tentu kita harus menunjukkan kondisi-kondisi tertentu kepada mesin untuk sanggup memilih jenis buah dengan tepat.
Beberapa algoritma yang sering dipakai dalam metode supervised learning ini antara lain Logistic Regression, Decission Trees, K-Nearest Neighbors, Naive Bayes, Linear Regression, Random Forest dan masih banyak lagi.
2. Unsupervised Learning
Sebaliknya, pada Unsupervised Learning kita tidak mengajari mesin untuk menghasilkan suatu output tertentu. Kita hanya mengajarinya ibarat apa input yang benar, dan output nya mereka sendiri yang akan menentukan, kita tidak mempunyai inspirasi sama sekali output ibarat apa yang dihasilkan.
Dengan gambaran yang sama, misalkan kau mempunyai sebuah keranjang buah yang berisi empat jenis buah yang berbeda. Kali ini mesin kau tidak tahu sama sekali wacana buah tersebut, ini yakni pertama kali nya mesin kau melihat buah tersebut. Jadi, bagaimana cara kita mengatur atau menyusun buah-buah tersebut ?
Pertama-tama kau harus meminta mesin untuk menyusun buah-buah tersebut menurut ciri fisik mereka. Misalkan kau menyusun mereka kedalam dua grup menurut warna, maka:
GRUP WARNA MERAH: apel dan cherry.
GRUP WARNA HIJAU: pisang dan anggur.
Sekarang kau pertimbangkan ciri fisik lainnya untuk memecah grup tersebut menjadi lebih detail, contohnya ukuran, maka:
WARNA MERAH DAN UKURAN BESAR: apel.
WARNA MERAH DAN UKURAN KECIL: cherry.
WARNA HIJAU DAN UKURAN BESAR: pisang.
WARNA HIJAU DAN UKURAN KECIL: anggur.
Jadi, metode apa yang sebaiknya kita gunakan ? Supervised atau Unsupervised Learning?
Apakah kau punya data? Apakah kau telah menyusun data-data tersebut kedalam bentuk kondisi untuk menghasilkan output yang sesuai ibarat pola tabel diatas? Jika ya, maka kau sanggup menerapkan metode supervised learning. Jika tidak, barangkali unsupervised learning sanggup membantu kau memecahkan masalah.
Kata “Belajar” jikalau didefinisikan mempunyai arti suatu kegiatan untuk menggali pengetahuan, atau memahami konsep dan ketrampilan tertentu melalui sebuah pembelajaran atau pengalaman. Menurut para psikolog, mencar ilmu biasanya merupakan kegiatan yang dilakukan oleh insan atau hewan. Namun, ketika ini mesin juga sanggup mencar ilmu ibarat layaknya manusia. Cabang ilmu yang mempelajari hal tersebut yakni Machine Learning.
Machine Learning telah menjadi cabang dari ilmu komputer yang paling terkenal dalam beberapa tahun ini. Perusahaan dari banyak sekali bidang industri telah mulai mengimplementasi Machine Learning untuk mendukung dan meningkatkan kinerja perusahaan. Lebih dari 70% perusahaan dengan pendapatan di atas $500 juta di Amerika Serikat ketika ini telah mengimplementasikan Machine Learning. Para mahasiswa yang mencar ilmu ilmu komputer di Amerika Serikat pun sebagian besar mengambil spesialisasi dalam bidang ini.
Mobil yang sanggup mengemudi sendiri, aplikasi komputer sanggup mengalahkan juara dunia permainan GO, robot yang sanggup membantu dan menjadi ajun manusia, itu semua yakni beberapa pola sukses penerapan Machine Learning beberapa tahun terakhir. Kedepan nya Machine Learning diprediksi akan terus berkembang dan menghasilkan inovasi-inovasi gres hingga belasan bahkan puluhan tahun mendatang.
Referensi :
http://www.catatanrobert.com/konsep-dan-implementasi-machine-learning/
0 Response to "Konsep Dan Implementasi Machine Learning"
Posting Komentar