Tinjauan Teori

Machine Learning

A. Definisi Machine Learning.

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/