Machine Learning

MACHINE
LEARNING
DALAM
PELAYANAN
IMEJING
DIAGNOSTIK
SITI MASROCHAH
SITI MASROCHAH,S.SI.MKES 2/18/2022

WHAT…MACHINE LEARNING???
Pembelajaran mesin adalah cabang dari kecerdasan

buatan (AI) dan ilmu komputer yang berfokus pada
penggunaan data dan algoritma untuk meniru cara
manusia belajar, secara bertahap meningkatkan
akurasinya.

PEMBELAJARAN MESIN
 komponen penting dari bidang ilmu data yang berkembang.
 Melalui penggunaan metode statistik, algoritme dilatih untuk membuat
klasifikasi atau prediksi,
 mengungkap wawasan kunci dalam proyek penambangan data.
 Wawasan ini selanjutnya mendorong pengambilan keputusan dalam aplikasi
dan bisnis,
 idealnya memengaruhi metrik pertumbuhan utama. Karena data besar terus
berkembang dan tumbuh, permintaan pasar untuk ilmuwan data akan
meningkat, mengharuskan mereka untuk membantu dalam mengidentifikasi
pertanyaan bisnis yang paling relevan dan selanjutnya data untuk
menjawabnya
MENURUT GOTAMA (2018) (LINK) MACHINE
LEARNING (ML)
❑ adalah teknik untuk melakukan inferensi terhadap data dengan pendekatan
matematis.
❑ Inti machine learning adalah untuk membuat model (matematis) yang
merefleksikan pola-pola data.
❑ Pada machine learning, inferensi yang dimaksud lebih menitikberatkan ranah
hubungan variabel.
❑ Sementara itu, machine learning berada pada daerah representasi
data/ilmu/pengetahuan dalam bentuk matematis karena keilmuan machine
learning di turunkan dari matematika dan statistika.
❑ Machine learning ibarat sebuah “alat”, sama seperti rumus matematika.
Bagaimana cara menggunakannya tergantung pada domain permasalahan

PEMBELAJARAN MESIN VS. PEMBELAJARAN MENDALAM VS.
JARINGAN NEURAL
• Membawa mesin lebih dekat dengan manusia

MESIN • Dapat deprogram untuk mengingat,
mengambil keputusan
LEARNING • Lebih cepat, akurat
• Bisa belajar dari pengalaman masa lalu

NEURAL • Pengalaman untuk menganalisis
• Tergantung pengalaman
NETWORKING
TUJUAN MACHINE
•memprediksi •memperoleh
masa depan ilmu
pengetahuan
Unobserved Knowledge
discovery/discovering
event unknowing structure
HUBUNGAN ML DENGAN AI
ARTIFICIAL
INTELIGENCE
Machine
Learning (ML)
adalah sub bidang MACHINE
LEARNING
dari Artificial
Intelligence (AI).
bahwa machine
learning merupaka DEEP
n pendekatan LEARNING
untuk
mencapai Artificial
Intelligence (AI).
POSISI MECHINE LEARNING

MENURUT MAKOVSKAJA (2018) MACHINE
LEARNING MEMILIKI EMPAT TEKNIK PEMBELAJARAN,
ANTARA LAIN (Sumber : Mitchell, 2006)

BANYAK DIADOPSI & POPULER
Pembelajaran terawasi (Supervised learning)
❑ merupakan pembuatan mesin yang akan dilatih dengan tujuan mencapai output seperti (kelas/label)
yang di inginkan,
❑ seperti input di mana output yang diinginkan telah diketahui.
❑ Tahapan dari pembuatan mesin ini pertama adalah membuat Algoritma pembelajaran mesin yang
akan menerima serangkaian input bersama dengan kelas output yang benar dan sesuai,
❑ selanjutnya algoritma mesin akan belajar (biasanya menggunakan training data),
❑ kemudian dengan membandingkan output aktual dengan output yang benar untuk menemukan
kesalahan.
❑ Kemudian memodifikasi model sesuai. Melalui metode seperti klasifikasi, regresi, prediksi dan
peningkatan gradien.
❑ Pembelajaran terawasi menggunakan pola untuk memprediksi nilai kelas/label pada data tambahan
yang tidak berlabel.
❑ Pembelajaran terawasi umumnya digunakan dalam aplikasi di mana data historis memprediksi
kemungkinan peristiwa di masa depan. Sebagai contoh, ini dapat mengantisipasi ketika transaksi
kartu kredit kemungkinan penipuan atau pelanggan asuransi mana yang akan mengajukan klaim.
PEMBELAJARAN TANPA PENGAWASAN (UNSUPERVISED LEARNING)
 digunakan terhadap data yang tidak memiliki label historis.

 Sistem tidak diberi tahu “jawaban yang benar”
 Algoritma harus mencari tahu apa yang ditampilkan.
 Tujuannya adalah untuk mengeksplorasi data dan menemukan beberapa struktur di dalamnya.
salah satu contoh pembelajaran tanpa pengawasan biasanya disebut dengan pengelompokan.
 Dalam jenis pembelajaran ini, tujuannya adalah untuk menemukan kesamaan dalam data
pelatihan. metode yang biasa digunakan adalah analisis kluster.
 Misalnya, pengelompokan individu berdasarkan demografi sosial yang dapat mengelompokkan
orang kaya di satu kelompok dan orang miskin di kelompok lain.

PEMBELAJARAN SEMI DIAWASI
 Pembelajaran semi-diawasi menawarkan media yang

menyenangkan antara pembelajaran terawasi dan tidak terawasi.
 Selama pelatihan, ia menggunakan kumpulan data berlabel yang
lebih kecil untuk memandu klasifikasi dan ekstraksi fitur dari
kumpulan data yang lebih besar dan tidak berlabel.
 Pembelajaran semi-supervised dapat memecahkan masalah tidak
memiliki cukup data berlabel (atau tidak mampu memberi label
cukup data) untuk melatih algoritma pembelajaran terawasi

PEMBELAJARAN MESIN PENGUATAN
❑Pembelajaran mesin penguatan adalah model

pembelajaran mesin perilaku yang mirip dengan
pembelajaran terawasi, tetapi algoritmenya tidak dilatih
menggunakan data sampel.
❑Model ini belajar sambil berjalan dengan menggunakan
trial and error. Urutan hasil yang berhasil akan diperkuat
untuk mengembangkan rekomendasi atau kebijakan
terbaik untuk masalah tertentu
PENDEKATAN MACHINE LEARNING
statistik
Hipote
Teori
sis nol Proses
Optimasi
Model
Error
(akurasi , Model
nilai matemats
keslahan
KATEGORI MACHINE LEARNING

PROSES PEMBUATAN MACHINE LEARNING

PERAN MACHINE LEARNING
1.Meningkatkan kualitas media
Media adalah bagian yang sangat penting dari media sosial. Kualitas gambar, video, maupun audio dalam konten
harus berkualitas agar audiens yang melihat tertarik dengan konten tersebut. Kualitas media dapat ditingkatkan
secara otomatis dengan penggunaan ML. Misalnya, Twitter menggunakan machine learning untuk meningkatkan
kualitas media yang diunggah penggunanya pada platform tersebut guna meningkatkan pengalaman visual pengguna
2.Membantu perusahaan mencapai target audiens

Teknologi machine learning di media sosial memungkinkan mesin untuk memutuskan iklan mana yang akan
ditampilkan kepada audiens tertentu. Mereka mengumpulkan data dari pengguna, menganalisisnya, mencari tahu
preferensi mereka dan pada akhirnya akan menampilkan iklan yang menarik minat mereka. Hal ini dapat membantu
perusahaan dalam menemukan audiens dan pelanggan baru di seluruh dunia.
3.Menjaga keamanan data

Machine learning pembantu mesin mendeteksi konten spam dan tautan berbahaya di media sosial yang merupakan
ancaman bagi data dan perusahaan.
4.Menangani dan mengotomatiskan data

Media sosial digunakan oleh jutaan pengguna setiap harinya dan mengumpulkan serta memelihara informasi dari
berbagai sumber secara otomatis. Machine learning membantu mengotomatiskan data, mengumpulkan, memelihara,
danSITImemanipulasinya
MASROCHAH,S.SI.MKES tanpa perlu campur tangan manusia. 2/18/2022
CONTOH2 PENGGUNAAN MACHINE LEARNING
Sharpening the Axe: Understanding the

machine learning tool chain, so you can
start learning.
Eric M. Baumel
May 30, 2019·9 min read



CONTOH2 PENGGUNAAN MACHINE LEARNING CARDIAC IMAGE


CONTOH2 PENGGUNAAN MACHINE LEARNING KEDOKTERAN NUKLIR

CONTOH2 PENGGUNAAN MACHINE LEARNING CT SCAN OTAK

CONTOH2 PENGGUNAAN MACHINE LEARNING REKAM MEDIS RADIOLOGI

CONTOH PRINSIP KERJA MACHINE LEARNING PADA MRI

CONTOH2 PENGGUNAAN MACHINE LEARNING SYSTEM NEURO

IMPLEMENTASI ML HINGGA AI

https://pubmed.ncbi.nlm.nih.gov/22465077/
TUGAS DIKUMPULKAN SAAT UAS


Machine Learning

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Machine Learning

Diunggah oleh

Hak Cipta:

Format Tersedia

MACHINE

SITI MASROCHAH,S.SI.MKES 2/18/2022

Pembelajaran mesin adalah cabang dari kecerdasan

SITI MASROCHAH,S.SI.MKES 2/18/2022

SITI MASROCHAH,S.SI.MKES 2/18/2022

• Membawa mesin lebih dekat dengan manusia

• Bisa belajar dari pengalaman masa lalu

SITI MASROCHAH,S.SI.MKES 2/18/2022

SITI MASROCHAH,S.SI.MKES 2/18/2022

 digunakan terhadap data yang tidak memiliki label historis.

SITI MASROCHAH,S.SI.MKES 2/18/2022

 Pembelajaran semi-diawasi menawarkan media yang

SITI MASROCHAH,S.SI.MKES 2/18/2022

❑Pembelajaran mesin penguatan adalah model

SITI MASROCHAH,S.SI.MKES 2/18/2022

SITI MASROCHAH,S.SI.MKES 2/18/2022

2.Membantu perusahaan mencapai target audiens

3.Menjaga keamanan data

4.Menangani dan mengotomatiskan data

Sharpening the Axe: Understanding the

SITI MASROCHAH,S.SI.MKES 2/18/2022

SITI MASROCHAH,S.SI.MKES 2/18/2022

SITI MASROCHAH,S.SI.MKES 2/18/2022

SITI MASROCHAH,S.SI.MKES 2/18/2022

SITI MASROCHAH,S.SI.MKES 2/18/2022

SITI MASROCHAH,S.SI.MKES 2/18/2022

SITI MASROCHAH,S.SI.MKES 2/18/2022

SITI MASROCHAH,S.SI.MKES 2/18/2022

SITI MASROCHAH,S.SI.MKES 2/18/2022

SITI MASROCHAH,S.SI.MKES 2/18/2022

SITI MASROCHAH,S.SI.MKES 2/18/2022

TUGAS DIKUMPULKAN SAAT UAS

SITI MASROCHAH,S.SI.MKES 2/18/2022

Anda mungkin juga menyukai