Machine Learning

Apa itu Machine Learning?

Machine learning adalah salah satu bagian dari artificial intelligence yang memungkinkan mesin belajar dari data atau pengalaman masa lalu (data historis) sehingga tidak perlu diprogram secara manual untuk melakukan seluruh pekerjaan.

Dengan kemampuan belajar secara otomatis, sistem bisa secara bertahap terus belajar meningkatkan akurasinya.

Dalam konteks yang lebih sederhana, metode machine learning mirip dengan cara belajar manusia. Misalnya, seorang anak kecil diajari membaca huruf. Jika diajarkan terus menerus, pola-pola huruf itu akan melekat dan diingat oleh sang anak.

Anak bisa mengenali huruf karena sudah memiliki pengetahuan dari pengalaman yang diajarkan kepadanya.

Hal yang membedakan pembelajaran manusia dan mesin adalah manusia belajar dari pengalaman masa lalu, sementara machine learning belajar dari data. Itu sebabnya data menjadi objek penting dalam membuat machine learning. Tanpa data, machine tidak mendapatkan pengetahuan apa pun yang bisa dipelajari.

Tipe Algoritma Machine Learning

Ada dua tipe algoritma dasar machine learning, yaitu supervised learning dan unsupervised learning.

#1 Supervised Learning

Supervised learning adalah jenis pembelajaran di mana scientist memberikan sampel data berlabel (labeled data) kepada mesin.

Pemberian sampel data bertujuan untuk melatih sistem dalam mempelajari kumpulan data dan berakhir dengan menguji model machine learning yang telah terbentuk. Pengujian model dilakukan untuk memeriksa apakah output yang dihasilkan sudah tepat atau belum.

Kumpulan data ini melatih algoritma machine learning mengklasifikasikan data atau memprediksi hasil secara akurat.

Jika diibaratkan, supervised learning adalah metode belajar yang diawasi guru/pengajar. Dikarenakan sistem belajarnya tidak otodidak, guru bisa langsung mengoreksi jika ada kesalahan.

Contoh supervised learning adalah kalkulator BMI (Body Mass Index) yang digunakan untuk mengetahui status gizi seseorang berdasarkan tinggi dan berat badan.

Saat ingin mengetahui nilai BMI, pengunjung website perlu mengisi informasi jenis kelamin, umur, tinggi, dan berat badan.

Setelah mengeklik “hitung”, hasil nilai BMI akan langsung ditampilkan di layar.

#2 Unsupervised Learning

Unsupervised learning adalah jenis machine learning yang memberikan pembelajaran kepada kumpulan data tidak berlabel (unlabeled data). Di sini, tidak ada kategori yang menjadi dasar algoritma machine learning untuk membuat hubungan antar model.

Dikarenakan tidak ada aspek data yang diketahui, algoritma tidak bisa memandu dan mengawasi input data. Alhasil, output bisa benar atau salah.

Algoritma bekerja dengan cara mengumpulkan, mendeteksi pola, meringkas, lalu mengelompokkan data. Hasil pengelompokan data tersebut melatih mesin untuk belajar secara mandiri dari data-data yang ada, termasuk pola tersembunyi dalam data, sehingga campur tangan menusia menjadi sangat minimal.

Contoh dari unsupervised learning adalah filter untuk memprediksi usia seseorang melalui kamera smartphone. Aplikasi bisa menghasilkan angka yang salah ataupun benar ketika melakukan deteksi.

Kelebihan Machine Learning

Dirangkum dari berbagai sumber, berikut kelebihan machine learning:

Otomatisasi

Dengan bantuan machine learning, banyak pekerjaan mulai menerapkan otomatisasi tugas. Otomatisasi membuat waktu dan tenaga yang dikeluarkan lebih efektif sekaligus efisien. Misalnya, website memanfaatkan fitur chatbot untuk mengatasi permasalahan customer lebih cepat. Chatbot bisa tersedia selama 24 jam penuh untuk menanggapi pertanyaan pelanggan.

Terus melakukan perbaikan

Proses pembelajaran mesin tidak pernah berakhir. Mesin akan terus belajar menyesuaikan data-data yang dipelajari. Banyaknya inovasi dan penelitian memungkinkan machine learning menjadi teknologi yang semakin canggih di masa depan.

Jangkauan aplikasi sangat luas

Teknik machine learning memiliki jangkauan sangat luas. Artinya, teknologi ini bisa digunakan hampir di semua bidang, termasuk kedokteran, perbankan, transportasi, media, dan pendidikan. Jangkauan yang luas menciptakan banyak peluang kemudahan di bidang tersebut.

Meningkatkan kualitas di berbagai bidang

Teknologi machine learning memungkinkan kualitas pekerjaan meningkat. Dengan mengandalkan kecanggihan teknologi, wawasan/informasi yang dihasilkan semakin akurat.

Contohnya, Facebook memiliki fitur Lookalike Audience untuk menargetkan orang-orang yang memiliki kemiripan dengan audience perusahaan berdasarkan segmentasi, seperti demografi, minat dan perilaku. Alih-alih menggali data secara manual, terbatas, dan tingkat akurasi belum bisa dipastikan, Facebook telah membantu merangkum data dari seluruh pengguna platform-nya.

Mengidentifikasi pola dan tren dengan mudah

Sebagai bagian dari kecerdasan buatan, machine learning memiliki kemampuan untuk mempelajari sekaligus mengidentifikasi pola dan tren. Sistem bekerja dengan cara mengenali pola untuk kemudian menemukan solusi dari masalah tertentu.

Menghemat waktu dan energi

Salah satu fungsi teknologi adalah menghemat waktu dan energi manusia. Teknologi machine learning hadir untuk melakukan fungsi tersebut. Mesin dapat secara otomatis menjalankan tugas tanpa banyak interupsi dan campur tangan manusia.

Kekurangan Machine Learning

Machine learning juga memiliki kekurangan, antara lain:

Memerlukan biaya dan sumber daya besar

Pengembangan machine learning memerlukan biaya dan sumber daya yang besar. Biaya yang perlu dikeluarkan di antaranya untuk mempekerjakan programmer, data scientist, dan membeli mesin khusus.

Peluang kesalahan tinggi

Algoritma dibuat oleh manusia. Bukan tidak mungkin dalam pembuatan algoritma terjadi kesalahan. Kesalahan kecil dalam algoritma mengakibatkan output pembelajaran yang salah. Untuk itu, diperlukan ketelitian ekstra agar margin kesalahan bisa mencapai nol (tidak ada kesalahan sama sekali).

Kualitas output data yang sangat tergantung input

Pembelajaran mesin bergantung besar pada data dan algoritma. Jika terjadi kesalahan di salah satu faktor, dampaknya bisa sangat besar.

Kualitas data yang di-input dalam mesin berpengaruh secara signifikan terhadap hasil yang dikeluarkan. Ketika sumber datanya salah, hasilnya tidak akan kredibel. Oleh sebab itu, data yang dikumpulkan tidak bisa sembarangan. 

Setiap ada ketidakcocokan dalam data apa pun, seluruh sistem menjadi tidak akurat.

Spesialisasi untuk setiap project

Masing-masing perusahaan memiliki fokus kebutuhan berbeda. Setiap sistem dalam machine learning dirancang khusus sesuai kebutuhan itu. Dengan kata lain, setiap perusahaan memiliki sistem khusus yang tidak bisa diterapkan lagi untuk perusahaan lainnya.

Perlu waktu lama untuk memproses data besar

Machine learning memang bisa memproses sejumlah data dengan waktu cepat. Namun, ketika volume data sangat besar, sistem memerlukan waktu lebih lama dan memungkinkan adanya error selama pemrosesan.

Selain itu, semakin canggih sistem, proses pembuatan program bisa mencapai waktu bertahun-tahun. Hal ini dikarenakan sistem membutuhkan data lebih banyak dan kompleks untuk bisa menghasilkan fitur-fitur canggih.

Contoh Machine Learning

Berikut beberapa contoh penerapan machine learning:

Speech recognition

Algoritma machine learning dimanfaatkan dalam fitur pengenalan suara, seperti Google Assistant, Siri, dan Cortana. Fitur tersebut memungkinkan pengguna melakukan instruksi kepada perangkat melalui suara. Mesin akan mengenali suara pemilik perangkat lalu menampilkan hasil permintaan.

Rekomendasi produk di iklan media sosial

Ketika seseorang mencari suatu produk secara online, beberapa saat kemudian iklan terkait produk yang dicari akan muncul di iklan search engine dan media sosial.

Website memanfaatkan machine learning untuk melacak perilaku pengguna berdasarkan pola pencarian, isi keranjang belanja, dan riwayat pembelian. Setelah itu, mesin bekerja dengan cara membuat rekomendasi produk dari data yang telah dihimpun.

Google Translate

Salah satu aplikasi populer yang menggunakan machine learning dan sering dibutuhkan banyak orang adalah Google Translate. Aplikasi ini bisa menerjemahkan satu bahasa ke bahasa lain. Google Translate memudahkan seseorang memahami informasi berbahasa asing.

Penutup

Menjadi bagian dari artificial intelligence, machine learning adalah teknik yang berfokus pada data dan algoritma untuk meniru cara manusia dalam belajar sekaligus bekerja. Secara bertahap, machine learning meningkatkan tingkat akurasinya melalui data-data yang dihimpun.

Machine learning berguna dalam menguraikan sejumlah data besar untuk kemudian memberi informasi kepada pengguna dan membantu pengambilan keputusan.

FAQ (Frequently Asked Question)

Di mana saja penerapan machine learning?

Sesuai kelebihannya, berikut beberapa industri yang menerapkan machine learning:

Kesehatan

Machine learning memainkan peran kunci dalam berbagai inovasi di bidang kesehatan. Teknologi ini memudahkan tim kesehatan dalam menemukan pola dan informasi yang sulit ditemukan secara manual. Beberapa pemanfaatannya antara lain:

• Menampilkan saran obat yang tepat sesuai keluhan dan diagnosis dokter.
• Memprediksi penyakit sesuai keluhan pasien.
• Menemukan dan mengembangkan obat baru.
• Mencatat dan mengorganisasi data pasien.
• Digunakan untuk medical imaging, seperti CT-scan.

Perbankan

Machine learning membantu dunia perbankan memproses dan menganalisis data besar untuk kemudian mendapatkan pemahaman mendalam tentang konsumen dan proses internal. Beberapa kegiatan perbankan yang mengandalkan machine learning di antaranya:

• Mendeteksi penipuan.
• Mengotomatisasi audit.
• Memudahkan kredit dan meminimalkan risiko.

Transportasi

Machine learning memiliki andil besar dalam perkembangan dunia transportasi. Salah satu pengaplikasiannya yang banyak menarik perhatian adalah self-driving cars. Hanya dengan memberikan perintah tertentu, mobil bisa berjalan sendiri. Canggihnya, self-driving cars bisa mendeteksi objek-objek di sepanjang jalan sehingga tidak akan menabrak.