Machine Learning yaitu merupakan sebuah aplikasi yang ada pada ilmu kecerdasan yang dibuat oleh manusia yang mempelajari ilmu algoritma dan statistik. Proses komputer dalam mempelajari suatu data disebut dengan machine learning. Jika kalian ingin mempelajari dan mengetahui mesin pembelajaran ini bekerja, kalian harus terus berinteraksi secara langsung dengan data. Pengetahuan yang berkaitan dengan alat ini akan mempelajari pada informasi atau data. Banyak data yang sama, tapi algoritmanya berbeda dan hasilnya juga berbeda.

Tujuannya adalah untu memberikan kemampuan belajar pada komputer atau laptop tersebut. Pembelajaran mesin ini akan mempelajari banyak data agar dapat menghasilkan hasi dari input/output tanpa harus memakai program yang sulit.  Dan dalam proses belajar ini juga memakai algotirma yang sudah ada (khusus) yang dimana istilahnya disebut dengan machine learning algoritma.

Ada terdapat beberapa metode algoritma, seperti:

1. Supervised Machine Learning Algoritma (Memprediksi Masa Depan).

Model ini merupakan model yang digunakan untuk memprediksi hasil yang terjadi pada masa depan berdasarkan histori yang ada sebelumnya. Dan juga merupakan algoritma mesin yang melakukan proses belajarnya membutuhkan serangkaian contoh input – output yang tepat. Sebuah algoritma yang mampu menerapkan informasi yang ada pada data yang dilakukan dengan memberikan label.

Ada beberapa jenis Algoritma Supervised Learning tergantung dari tujuan terbentuknya, yaitu:

Baca Juga : PENGERTIAN LAPTOP: Sejarah, Fungsi & Komponen Laptop

• Klasifikasi : Logistik Regression, Decision trees, Random Forest.
• Regresi : Linear Regression, Neutral Networks SVM.

2. Unsupervised Machine Learning Algoritma (Tidak ada Target yang Ditetapkan).

Model ini merupakan algoritma mesin pembelajaran yang dalam proses belajarnya, hanya memberikan sejumlah sampel tanpa kabel. Model ini tidak memiliki target yang akan dicapai atau yang harus ditetapkan. Algoritma ini dipakai pada suatu data yang tidak memiliki informasi yang bisa menerapkannya secara langsung. Pada algoritma ini, tidak ada pelatih yang membantu dalam menentukan kinerja dan output terjadi benar atau salahnya.

Macam – macam algoritma unsupervised berdasarkan tujuannya, seperti:

• Clustering : K-means, Hierarchical.
• Asosiasi : Asosiasi Rules.

3. Semi – Supervised Machine Learning Algoritma

Jenis algoritma ini dipakai untuk melakukan pembelajaran melalui data yang memiliki label atau tidak. Sistem yang memakai algoritma jenis ini bisa meningkatkan ketepatan pada outputnya.

4. Reinforcement Learning

Jenis learning ini adalah algoritma mesin yang pada saat proses pembelajarannya terhadap hal baru tidak memerlukan manusia dan digerakkan oleh mesin. Terdapat 2 komponen yang ada pada Reinforcement, yaitu agent dan environment. Agent itu berarti ‘dipaksa’ dengan sendirinya mempelajari bagaimana akan bertindak menghadapi environment agar mencapai tujuan yang dicapainya. Tidak ada dataset yang diberi di Reinforcement ini.

Baca Juga : Firma

Dalam proses pembelajaran dari jenis ini akan belajar dari pengalaman yang diperoleh. Seperti pengalaman ketika bermain catur dan terjadi skak, tidak jauh dari hal itu. Dari pengalaman tersebut, kita dipaksa untuk memahami apa yang harus dilakukan dan apa yang tidak harus dilakukan dalam menghadapi apapun dan membuat strategi agar bisa memenangkannya.

Setelah mengetahui garis besar yang diatas secara umum, berikit ada penjelasan terkait contoh dari algoritma diatas.

1. Logistik Regresi
   Ini biasanya digunakan untuk menghitung nilai probabilitas sehingga menghasilkan nilai berada di 0 – 1.
2. Decission Trees
   Ini biasanya menggunakan konsep struktur flowchart bercabang dengan menggunakan aturan keputusan yang dibuat designer.
3. Random Forest
   Ini merupakan kumpulan dari contoh yang diatas. Prinsip dasar dari algoritma ini tidak beda jauh dengan contoh yang b. masing – masing decision trees akan menghasilkan output yang berbeda. Algoritma ini melakukan voting untuk menentukan hasil dari semua contoh yang diatas.
4. Neural Network
   Algoritma ini terinspirasi dari kinerja jaringan saraf manusia. Arsitektur algoritma ini sama halnya dengan saraf manusia. Secara garis besar, algoritma ini pada layer tiap data akan diolah dan diteruskan hingga ke layer terakhir.
5. Hierarchical Clustering
   Dilihat dari prinsipnya, ini akan melakukan clustering seperti model berjenjang berdasarkan data yang sama. Sehingga pada ujung hierarki akan terbentuk cluster yang modelnya berbeda dari yang satu dengan yang lainnya, tetapi bentuk dari cluster itu sendiri sama dari yang satu dengan yang lainnya

Algoritma dipakai sesuai dengan tujuan dari pemakaiannya. Jika terjadi satu masalah dapat diselesaikan tidak hanya dengan satu algoritma saja. Tiap dari algoritma tersebut memiliki kekurangan ataupun kelemahannya. Maka dari itu  kita bisa mengelompokkan atau memilih dari beberapa algoritma dalam menyelesaikan dan mendapatkan hasil yang diinginkan.

Penulis : Yazid H