Machine learning adalah sebuah studi yang mempelajari cara memrogram mesin atau komputer dengan contoh data dan pengalaman yang ada. Machine Learning adalah metode analisis data yag mengotomatisasi pembuatan model analitik. Ini adalah cabang dari AI (Artificial Intelligence / Kecerdasan Buatan) yang berdasarkan pada ide bahwa mesin seharusnya bisa belajar dan beradaptasi melalui pengalaman. Fokus besar penelitian Machine Learning adalah bagaimana mengenali secara otomatis pola kompleks dan membuat keputusan cerdas berdasarkan data. Mesin dalam hal ini memiliki arti “sistem” bukan mesin mekanik secara harfiah. Contoh Machine Learning: Aplikasi Pengenalan Gambar, Aplikasi Asisten Pribadi seperti Siri, Bixby dll, Chat Bot, Pengenal Wajah, Mobil otonom dan domain-domain spesifik lainnya. B. Tujuan Machine Learning. Bagaimana kita membangun suatu mesin agar dapat meningkatkan kualitas berdasarkan pengalaman manusia (programming) dan apa saja dasar teori yang mengatur semua proses pembelajarannya. C. Manfaat Machine Learning Dapat menjadi peluang bagi para wirausahawan dan praktisi teknologi untuk terus berkarya dalam mengembangkan teknologi Machine Learning. Terbantunya aktivitas yang harus dilakukan manusia pun menjadi salah satu dampak positif Machine Learning. Sebagai contohnya adalah adanya fitur pengecekan ejaan untuk tiap bahasa pada Microsoft Word. Pengecekan secara manual akan memakan waktu berhari-hari dan melibatkan banyak tenaga untuk mendapatkan penulisan yang sempurna. Tapi dengan bantuan fitur pengecekan ejaan tersebut, secara real- time kita bisa melihat kesalahan yang terjadi pada saat pengetikan. Membuat Kualitas Hidup Semakin Baik Menurut Swami Sivasubramanian, VP Machine Learning di perusahaan layanan Cloud Computing, Amazon Web Services (AWS) di Konferensi AWS re:Invent 2017 di Las Vegas, Amerika Serikat (AS), menyebutkan bahwa teknologi Machine Learning akan membuat kualitas hidup manusia menjadi lebih baik dan menjadi lebih produktif. Ia menilai kehadiran teknologi machine learning bisa meringankan beban manusia dari berbagai hal rutin yang tidak disukai. “Saya yakin, teknologi seperti Machine Learning dan Artificial Intelligent (AI) akan sangat membantu manusia untuk mendapatkan kualitas hidup yang lebih baik. Manusia sangat suka menciptakan berbagai hal dan tidak suka melakukan hal yang sama berulang-ulang, karena lebih menikmati melakukan berbagai hal yang benar-benar penting bagi mereka,” jelas Swami. Kehadiran Machine Learning bisa membuat manusia lebih fokus menciptakan berbagai hal yang penting bagi mereka, sedangkan Machine Learning dapat membantu manusia melakukan berbagai hal lain. D. Tipe Machine Learning Algoritma machine learning dapat diatur dalam taksonomi berdasarkan hasil yang diinginkan dari algoritma, antara lain: - Learning Associations : Menemukan hubungan antar data. Contohnya analisis kantong belanja. P (Y|X) kemungkinan seseorang yang membeli barang X juga membeli barang Y dengan X dan Y adalah produk atau servis. Association rule: P (chips | soda). - Supervised learning : Kita dapat mempelajari sebuah pemetaan data dari input ke output. Hasil nilai yang benar telah diberikan dari supervisor . Tipe pembelajarannya: Klasifikasi (Sebuah tipe dari supervised learning) Contoh: Score kredit. Membedakan antara resiko customer dari pendapatan dan penyimpanan uang mereka. Regresi (Tipe lain dari supervised learning) Contoh: Prediksi harga mobil. Input x: atribut mobil. Output y: harga Mempelajari pemetaan dari input ke ouput. Kita akan mempelajari nilai yang tepat untuk k parameter k dengan error yang minimum. - Unsupervised learning: Kita hanya mempunyai input data untuk menemukan regularitas dalam data, tanpa output (kita tidak tahu jawaban yang benar). - Clustering: pengelompokan kasus yang sama. Contoh aplikasi: Segmentasi customer di CRM (Customer Relationship Management). Image compression. Bioinformatics - Reinforcement learning: proses ini mempelajari bagaimana pengalaman memecahkan suatu permasalahan.
Setelah mendapatkan banyak pengalaman dari pemecahan masalah , manusia akan
mengingat struktur dan langkah – langkahnya sehingga dapat mengatasi masalah lebih efisien. Membangun suatu aplikasi adalah menggunakan pendekatan data yang bagus dan berguna.
E. Peran Data Dalam Machine Learning
Machine Learning bukan apa-apa tanpa data. Artinya semua aplikasi Machine Learning membutuhkan data sebagai bahan training dan untuk di analisa sehingga mampu mengeluarkan Output. Sebelum aplikasi Machine Learning bisa bekerja, maka ia membutuhkan data untuk “latihan” (training). Hasil training itu nanti akan di uji atau di test dengan data yang sama atau bertolak belakang. F. Aplikasi Sukses. Salah satu kemajuan dalam machine learning adalah pembuatan aplikasi yang signifikan dan dapat digunakan di dunia. Perlu diketahui bahwa mulai tahun 1985, hampir tidak ada aplikasi machine learning yang dikomersilkan. Karena machine learning dibutuhkan untuk dipelajari bukan untuk menghitung berapa keuntungan yang didapat. Beberapa aplikasi tersebut antara lain: Speech recognition Menggunakan syntax suatu bahasa. Sensor fusion: Kombinasi banyak modality seperti visual dan akustik untuk bicara. Computer vision Beberapa sistem vision sekarang dari sistem face recognition menjadi klasifikasi microscope image of cell secara otomatisyang dibangun dengan machine learning. Bio-surveilllance Robot control Accelerating empirical sciences Referensi:
o Mitchell M. Tom (2006). The Disicpline of Machine Learning. Pittsburgh PA
o Alpaydin Ethem (2004). Projects in Machine Learning. The MIT Press o http://en.wikipedia.org/wiki/Machine_learning o Sutani Deny (2008). Machine Learning from denysutani.wordpress.com/2008/12/18/machine-learning/ o https://rsinewsupdate.wordpress.com/2017/12/03/machine-learning-pengertian-sejarah- dan-perannya-dalam-kehidupan/