Perbedaan Jenis

Pembelajaran Mesin
Dea Andini Andriati, S.Kom., M.M.S.I
Supervised Learning
supervised learning adalah
pembelajaran terarah/terawasi

Artinya, pada pembelajaran ini, ada guru yang mengajar

(mengarahkan) dan siswa yang diajar. Kita disini
berperan sebagai guru, ke- mudian mesin berperan
sebagai siswa
Pada Gambar berikut seorang guru
menuliskan angka di papan “8, 6, 2”
sebagai contoh untuk siswanya,
kemudian gurunya memberikan cara
mem- baca yang benar untuk masing-
masing angka
Contoh angka melambangkan input,
kemudian cara membaca
melambangkan desired output
(sering dise- but “gold standard ”).
Pasangan input–desired output ini
disebut sebagai instance (untuk kasus
supervised learning).
Tujuan supervised learning, secara umum untuk
melakukan klasifikasi (classification). Misalkan
mengklasifikasikan gambar buah (apa nama buah
pada gambar)

Apabila hanya ada dua kate- gori, disebut binary

classification.
Sedangkan bila terdapat lebih dari dua kategori,
disebut multi-class classification.
Contoh multi-class classification adalah
mengklasifikasikan gambar buah ke dalam
himpunan kelas: apel, mangga atau sirsak.

Ada tipe klasifikasi lain disebut multi-label

classification yaitu ketika kita ingin
mengklasifikasikan suatu sampel ke dalam suatu
himpunan kelas
Pada multi-class classification, suatu sampel hanya bisa
berkorespondensi dengan satu kelas.

Sedangkan pada multi-label classification, satu sampel da- pat

berkorespondensi dengan lebih dari satu kelas
Semi-Supervised
Learning

Pada supervised learning,

ada “guru” yang harus
mem- buat “kunci jawaban”
input-output. Sedangkan Kunci jawaban ini dapat
pada semi-supervised diperoleh secara otomatis
Semi-supervised learning
learning tidak ada “kunci (misal dari hasil clustering ).
mirip dengan supervised
jawaban” eksplisit yang Pada kate- gori
learning, bedanya pada
harus dibuat guru pembelajaran ini, umumnya
proses pelabelan data
kita hanya memiliki sedikit
data
 Unsupervised Learning
Jika pada supervised learning ada guru
yang mengajar, maka pada unsupervised
learning tidak ada guru yang mengajar

Contoh permasalahan unsupervised

learning adalah clustering

Diilustrasikan oleh Gambar diatas, Yang dilakukan

adalah membuat kelompok-kelompok berdasarkan
karak- teristik kue, misal kelompok kue biru,
kelompok kue kuning, atau kelompok kue merah.
 Perhatikan Gambar 1 dan Gambar 2! Berbeda
dengan supervised learning yang memiliki desired
output, pada unsupervised learning tidak ada
desired output (jelas, tidak ada gurunya, tidak ada
yang memberi contoh).

Gambar 1. Unsupervised learning framework

Clustering adalah salah satu bentuk

unsupervised learning; yaitu salah satu hasil
inferensi per- samaan.

Unsupervised learning adalah mencari sifat-sifat

(properties) data. Gambar 2. Generalization error of unsupervised learning
Pada supervised maupun unsupervised
learning, kita ingin mengestimasi sesuatu
dengan teknik machine learning.

Kinerja model pembelajaran berubah-ubah sesuai

dengan parameter w (parameter pembelajaran) untuk
mengoptimalkan suatu fungsi tujuan

Kinerja model diukur oleh fungsi tujuan (utility

function–saat latihan, performance measure saat
melakukan prediksi), yaitu mengoptimalkan nilai
fungsi tertentu; misalnya meminimalkan nilai error.
Thank You