Machine Learning

Pengantar Machine Learning

Dalam era teknologi informasi, kita bisa mendapatkan data dengan relatif mudah.

Ada banyak sumber data yang tersedia (wikipedia, encyclopedia, group, media
sosial, dll)

ada banyak kemudahan dalam mencari data (google. Bing, dll )

We are drowning in data, but starving for knowledge !
 Machine Learning
• Apakah machine learning itu?
 Machine Learning
• Hipotesis : data-data yang tersimpan dalam repository
memiliki potensi ‘menyimpan’ informasi yang penting

• Tugas dari machine learning : menemukan informasi penting

tersebut
 Machine Learning
Definisi:
• ekstraksi otomatis pengetahuan yang valid, baru, berguna
dan menyeluruh dari serangkaian set data.
• Arthur Samuel (1959) : Machine learning adalah bidang
studi yang memungkinkan computer dapat belajar tanpa
perlu diprogram secara eksplisit
Posisi machine learning
Posisi machine learning
 Machine Learning
Kecerdasan buatan :
Bidang ilmu komputer yang
menekankan
pembuatan/penerapan sifat
‘cerdas’ pada mesin

Pattern recognition :
Bidang ilmu yang memfokuskan diri
pada pengenalan pola/keteraturan
dalam data
 Machine Learning
Neurocomputing :
Bidang komputasi yang
menggunakan proses kerja
otak/saraf sebagai
modelnya/analoginya

Data mining
Proses menemukan
pola/keteraturan dalam data yang
berukuran besar
 Machine Learning
Knowledge discovery :
Bidang interdisipliner yang
memfokuskan pada metodologi
untuk mengekstraksi
knowledge/pengetahuan dari data

Statistic:
Cabang ilmu matematika yang
berhubungan dengan
pengumpulan,
pengelolaan/pengorganisasian,
analisi, interpretasi dan
representasi
 Machine Learning
Database :
Kumpulan data yang terstruktur ,
disimpan dalam komputer, serta
dapat diakses dengan bebarapa
cara.
 Machine Learning VS Data Mining
• Machine learning :
lebih menekankan pada aspek teori daripada aplikasi
tidak memperhitungkan run time maupun skalabilitas

• Data mining
lebih menekankan pada aspek aplikasi (business) daripada teori
Banyak membahas tentang database, runtime serta skalabilitas
 Machine Learning
Bidang-bidang yang berkaitan dengan machine learning
antara lain:
• Kecerdasan Buatan
• Teori kompleksitas
• Teori Informasi
• Filsafat
• Psikologi dan neurobiology
• Statistik
 Contoh
Klasifikasi keren dan imut

Entitas Kelas
Boneka Barbie imut
Harley Davidson keren
Rajawali keren
Hello Kitty imut
Singa keren
Upin Ipin ???
Koala ???
Ular ???
 Contoh 1
Skenario :
Anda seorang manager supermarket dan ingin meningkatkan penjualan
tanpa meningkatkan biaya/pengeluaran

Strategi :
Menata peletakan barang sedemikian rupa sehingga menyebabkan
konsumen berbelanja lebih banyak

- Meletakkan minuman bersoda di dekat snack ringan

- Meletakkan minuman bersoda di dekat toiletries

Association rules
 Contoh 2
Skenario :
Anda seorang manager warehouse yang diminta menata ulang sistem
penyimpanan barang di gudang

Strategi :
Mengidentifikasi jenis-jenis barang yang disimpan digudang dan
meletakkan barang sejenis berdekatan

Clustering
 Contoh 3
Skenario :
Anda seorang manager R&D sebuah produk makanan yang sedang
mengembangkan produk baru serta ingin mengetahui seberapa nikmat
resep yang baru tersebut

Strategi :
Menguji resep baru dengan bahan-bahan (gula, garam, tepung dsb) yang
kadarnya divariasi dan mengestimasikan penerimaan konsumen untuk
berbagai komposisi bahan tersebut

Regression
 Apakah konsep itu?
Gaya pembelajaran konsep :
1. Association learning : mendeteksi keterkaitan antar
feature
2. Clustering : pengelompokan instance yang sama kedalam
cluster/kelompok
3. Classification learning : memprediksi kedalam kelas-kelas
diskrit
4. Regression : memprediksi kuantitas numeris
 Aplikasi Machine Learning
• Diagnosis medis (kanker, tumor, db)
• Keamanan jaringan (intrusion detection system, social network analysis,
dsb)
• Deteksi spam
• Behavioral analytics
• Customer sentiment analysis
• Prediksi (permainan bola, harga komoditas, cuaca, dsb)
• Iklan (menyajikan iklan sesuai dengan karakteristik konsumen)
• Pengolahan citra
• Fraud detection
• dsb
 Poin wise mutual information
• Telomoyo
• Apakah Telomoyo itu sebuah gunung atau bukit?
• Kita selesaikan secara empiris via Google counts

Telomoyo *
gunung
bukit
*

Kesimpulan: … ???
 Pointwise mutual information
• Untuk menentukan relasi hal, kita memakai Pointwise Mutual
Information

• Data berdasarkan google count :

Telomoyo *
Gunung 189.000 86.400.000 Pmi(telomoyo, gunung) = 4,86
Bukit 218.000 80.800.000 Pmi(telomoyo, bukit) = 5,15
* 335.000 4480000000

Kesimpulan : telomoyo lebih merupakan suatu bukit dari pada

gunung
END