Lebih Mengenal Machine Learning

Daftar Isi

Tidak hanya machine learning/deep learning/tensorflow tapi proses manajemen data pun penting adanya untuk mengetahui informasi datanya dahulu agar bisa digunakan untuk proses selanjutnya, seperti memanfaatkan metadata. 

Kita tahu bahwa sekarang ini berada di revolusi Industri 4.0 yang sedang berfokus ke Internet of Things (IoT) dengan menggunakan Artificial Intellegence (AI) sehingga mesin akan berjalan layaknya robot atau dapat berjalan secara otomatis (Automation Systems). Hal ini menjadikan data-data yang dihasilkan menjadi lebih relevan karena nantinya Industri akan memproduksi data dengan jumlah yang besar. Oleh sebab itu, data nantinya perlu segera di analisa (Quality Analysis). untuk adanya pengecekan data seperti :

  1. Apakah ada yang akan terjadi setelahnya kemudian?
  2. Apakah ada pengetahuan yang dapat dihasilkan atau tidak?
  3. Apakah data bisa dimanfaatkan sebagai prediksi ke depan atau tidak?

Kenapa diperlukan Machine Learning?

Sebelumnya, kita perlu mengetahui bahwa Machine Learning adalah bidang yang merupakan bagian dari Artificial Intelligence (AI) yang digunakan agar sistem komputer secara otomatis dapat belajar dari data dengan sendirinya tanpa diberi instruksi pemrograman. Sementara itu, Artificial Intelligence (AI) adalah cabang ilmu computer yang menekankan pengembangan intelijen mesin, pola berpikir dan bekerja seperti manusia. Biasanya dibutuhkan proses dan pengetahuan penalaran yang kompleks dan canggih. 

Sehingga, Machine Learning diperlukan untuk menggali data dan memberikan informasi seakurat mungkin dalam bentuk :

  1. Deskripsi: Menampilkan pola data untuk dianalisa dan penemuan masalah.
  2. Prediksi: Melakukan prediksi berupa nilai, probabilitas maupun data dan kemudian merekomendasikannya sebagai alat bantu pengambil keputusan maupun secara otomatis digunakan oleh sistem. 

Tujuan Machine Learning

  1. Mengumpulkan, mengekstrak, query, membersihkan serta mengumpulkan data untuk di analisis.
  2. Melakukan analisis visual dan statistik pada data.
  3. Membangun, mengimplementasikan dan mengevaluasi masalah sains data menggunakan model dan algoritma yang sesuai.
  4. Menggunakan alat visualisasi data yang sesuai untuk memberikan gambaran hasil dari proses analisa.
  5. Membuat laporan yang jelas dan dapat di reproduksi ke stakeholders.
  6. Mengidentifikasi masalah Big Data dan memahami bagaimana sistem terdistribusi dan teknologi komputasi paralel untuk menyelesaikan tantangan ini.
  7. Menerapkan pertanyaan, pemodelan dan validasi proses penyelesaikan masalah ke dataset dari berbagai industri untuk memberikan wawasan tentang masalah dari solusi dunia nyata.
Baca Juga :   Mengenal K-Means

Berikut proses pada Machine Learning :

  1. Pengumpulan Data: Proses pengumpulan data mentah yang diperlukan untuk penyelesaian masalah. Data dapat berupa video, gambar, teks, dll dengan skala yang besar maupun kecil. 
  2. Persiapan Data: Juga dikenal sebagai pra permrosesan data. Proses pembersihan data, mencari data yang eror maupun data ganda, value yang tidak lengkap, mentransformasi data, hingga diskritisasi data. No quality data! Data cleaning-Data integration-data transformation-data reduction-data discretization
  3. Analisa Data: Algoritma Machine Learning akan melakukan analisa mendalam untuk proses pencarian pattern data dan menemukan pengetahuan dari data.
  4. Visualisasi Data: Teknik menyajikan data secara visual melalui grafik, chart , peta agar tampilan menarik namun tetap informatif.
  5. Evaluasi & Validasi: Mengukur kinerja dari model untuk membantu mengoptimalkan parameter pada model itu sendiri sehingga lebih akurat dan efektif. 

Baca juga : Memilih Algoritma Machine Learning yang Tepat

Perlu kita tahu bahwa Machine Learning berbeda dengan pemrograman tradisional pada umumnya. Perbedaan ini dapat kita lihat pada gambar di bawah ini :

Pemrograman Tradisional VS Machine Learning

Pemrograman Tradisional membutuhkan data yang sebagai input dan program yang sudah dibuat untuk menghasilkan output. Sementara, Machine Learning hanya membutuhkan data sebagai input dan contoh output yang diinginkan. Kemudian sistem akan mencari dengan sendirinya program perhitungannya.

Semoga bermanfaat!!