Pengertian Machine Learning: Cara Kerja, Metode dan Contohnya

Machine learning (ML) adalah salah satu cabang dari teknologi modern dan canggih bernama Artificial Intelligence (AI) atau kecerdasan buatan. Pengertian machine learning secara etimologi adalah pembelajaran mesin, apa maksudnya?

Kecerdasan buatan atau sering disebut dengan istilah AI, teryata terdiri dari beberapa cabang didalamnya, termasuk ML. Teknologi machine learning sama menariknya dengan AI itu sendiri, karena sama-sama menghasilkan mesin yang dapat bertingkah laku layaknya manusia.

Pengertian Machine Learning

Jika pernah membaca tentang Internet of Things atau IoT, pasti tahu bagaimana sebuah teknologi mampu membuat perangkat, benda dan obyek untuk dapat melakukan aktivitas sendiri. Teknologi Internet of Things (IoT), membuat benda seperti memiliki “otak” layaknya manusia.

IoT bisa berjalan berkat adanya kecerdasan buatan (AI) yang ditanamkan didalamnya, sehingga perangkat bisa beraktivitas sendiri secara otomatis tanpa intervensi manusia. Prinsip kerja teknologi IoT menggunakan machine learning yang merupakan cabang dari AI.

Sedangkan pengertian machine learning menurut IBM yaitu cabang dari ilmu komputer dan AI fokusnya pada penggunaan data dan algoritma, serta bagaimana meniru cara belajar manusia yang akurasinya akan semakin meningkat secara bertahap.

ML akan mempelajari data dan algoritma tertentu yang telah didapatkannya untuk melakukan suatu tugas. Jenis tugas yang dilakukan oleh machine learning beragam, tergantung dari apa “perintah” yang diberikan.

Sejarah Singkat Machine Learning

Awal eksistensi teknologi machine learning adalah pada tahun 1920-an oleh tiga orang ilmuwan bidang matematika. Mereka adalah Thomas Bayes, Andrey Markov dan Adrien Marie Legendre. Ketiganya mengemukakan konsep dan dasar-dasar machine learning (ML).

Sejak itulah, konsep teknologi ML mulai banyak dikembangkan dan diterapkan, salah satunya pada Deep Blue See buatan IBM, tahun 1996. Apa itu Deep Blue See? Ini adalah teknologi ML yang diimplementasikan pada permainan catur.

Deep Blue See dirancang untuk bisa melakukan pertandingan melawan pecatur profesional. Hasilnya, Deep Blue See mampu meraih kemenangan dalam pertandingan versus pemain catur profesional.

Cara Kerja Machine Learning (ML)

Hal yang tidak dapat dilepaskan dari pengertian machine learning yaitu bagaimana teknologi tersebut bekerja. Cara kerja machine learning pada prinsipnya berbeda-beda, menyesuaikan apa metode pembelajaran yang ditanamkan kepadanya.

Tetapi, pada dasarnya, mesin belajar dengan proses yang relatif sama, yaitu proses pengumpulan data dan eksplorasinya, pemilihan teknik atau model serta evaluasi terhadap hasilnya. Bagaimana cara kerja machine learning akan semakin jelas dengan melihat penerapannya pada Alpha Goma

Alpha Go adalah ML yang dibuat oleh Google yang dilatih untuk melakukan pertandingan melalui pemberian 100 ribu data game Go. Selanjutnya, Alpha Go yang sudah memiliki bekal pengetahuan strategi dan cara memainkan game Go, akan belajar bertanding melawan dirinya sendiri.

Jika kalah, maka ML pada Alpha Go akan berusaha memperbaiki cara bermainnya, dan diulang-ulang hingga ratusan bahkan jutaan kali. Proses memperbaiki cara bermain tersebut dilakukan sendiri oleh Alpha Go berdasarkan atas pengalamannya melakukan simulasi pertandingan.

Proses yang terjadi pada Alpha Go membuat pengalamannya dalam bermain game Go menjadi semakin bagus dan mampu menjadi juara pada tahun 2016. Artinya, machine learning (ML) mampu terus belajar dan meningkatkan akurasi selama masih terus digunakan.

Metode pada Machine Learning

Machine learning, yang merupakan domain dari ilmu komputer yang berbasis ilmu stastistika dan matematika komputansi, mampu mempelajari pola yang terdapat didalam data. Mengacu pada pengertian machine learning di atas, diperlukan metode tertentu untuk menjalankannya.

Setidaknya ada empat metode yang dijalankan pada teknologi machine learning, yaitu :

1. Supervised Learning

Metode yang pertama adalah supervised learning, yaitu algoritma ML yang memakai data terlabel. Mesin belajar untuk menerima informasi yang telah disematkan pada tabel atau label tertentu. Metode ini bertujuan untuk menghasilkan output sesuai input yang diberikan.

Output tersebut merupakan hasil pembelajaran dari pengalaman yang terjadi pada masa lalu. Algoritma pada metode ini dapat melakukan modifikasi model supaya mendapatkan output sesuai yang diinginkan.

2. Semi-Supervised Learning

Metode ini bisa dikatakan tidak jauh beda dengan supervised learning, tetapi hanya memakai data terlabel saja tanpa adanya algoritma. ML yang memakai metode ini tidak dilatih untuk membaca algoritma. Umumya, dipakai untuk data yang berlabel dalam jumlah relatif kecil.

Metode semi-supervised learning pada machine learning contohnya sering kita gunakan dalam kehidupan sehari-hari, yaitu fitur face unlock pada smartphone.

3. Unsupervised Learning

Selanjutnya ada unsupervised learning yang merupakan versus dari supervised learning. Artinya, ML yang memakai metode ini akan melakukan tugasnya pada data yang tidak diolah tanpa label, sehingga sistem tidak tahu mana jawaban yang benar dan yang salah.

Tujuan dari metode ini yaitu untuk melakukan eksplorasi data agar dapat menemukan apa yang menjadi struktur didalamnya. Umumnya, dipakai pada data-data yang sifatnya transaksional. Misalnya, data untuk mengidentifikasi segmen pasar.

4. Reinforcement Learning

Terakhir, ada reinforcement learning yang kerap dipakai di bidang robotik, game serta navigasi. Melalui metode ini, algoritma pada ML mampu menemukan perlakuan yang akan mengeluarkan output terbaik dari beberapa percobaan yang telah dilakukan berulang kali (trial and error).

Reinforcement learning terdiri dari tiga komponen pokok, yaitu agen sebagai pembuat keputusan, lingkungan yaitu apa saja yang telah melakukan interaksi dengan agen dan aksi, yaitu apa saja yang dapat agen lakukan.

Contoh Penerapan Machine Learning

Membahas tentang apa pengertian machine learning rasanya masih kurang kalau tidak dilengkapi dengan contoh-contohnya yang tidak jauh dari keseharian manusia. Apa sajakah contoh penerapan teknologi machine learning pada kehidupan sehari-hari? Inilah beberapa diantaranya.

1. Rekomendasi pada Marketplace Belanja Online

Orang zaman sekarang tentunya sudah tidak asing dan sering menggunakan aplikasi marketplace untuk berbelanja online. Setiap kali kita membuka halaman pada marketplace tersebut akan dimunculkan produk-produk rekomendasi untuk dibeli.

Rekomendasi produk tersebut muncul karena adanya teknologi ML yang mempelajari riwayat pembelian yang dilakukan sebelumnya.

2. Kategorisasi Email

Contoh berikutnya adalah kategori pada email yang dikirimkan pada akun kita, apakah termasuk email updates, spam, sosial, promosi dan sebagainya. Sistem ML akan membedakannya menurut algoritma yang dibaca.

3. Saran pada Search Engine

Tidak jauh beda dengan penerapan machine learning pada rekomendasi marketplace, ketika membuka mesin browser atau search engine juga akan terjadi hal yang sama. Teknologi ML akan memberikan rekomendasi topik yang berhubungan dengan apa yang dicari.

Mesin juga akan memunculkan beberapa rekomendasi kata kunci berdasarkan pada riwayat pencarian yang dilakukan sebelumnya.

Adanya teknologi machine learning memang lebih banyak membantu dan memudahkan pekerjaan manusia. Berdasarkan pada pengertian machine learning, memang teknologi tersebut dibuat agar bisa menirukan aktivitas manusia dan menjadi bagian dari Artificial Intelligence (AI).