Pengertian & Konsep Ruang Lingkup Machine Learning (ML)

 

1. Pengertian & Konsep Ruang Lingkup Machine Learning (ML)

Machine Learning adalah cabang dari AI yang fokus pada pengembangan algoritma agar komputer bisa "belajar" dari data secara mandiri tanpa harus diprogram secara eksplisit untuk setiap tugasnya.

Konsep Ruang Lingkupnya mencakup proses pengumpulan data, pembersihan data, pemilihan model (algoritma), pelatihan (training), hingga evaluasi hasil. Secara garis besar, ML terbagi menjadi tiga kategori utama:

• Supervised Learning: Belajar dari data yang sudah ada labelnya (contoh: memprediksi harga rumah).

• Unsupervised Learning: Mencari pola tersembunyi dalam data tanpa label (contoh: pengelompokan segmen pelanggan).

• Reinforcement Learning: Belajar melalui sistem reward (penghargaan) dan punishment (hukuman) berdasarkan tindakan yang diambil.

2. Implementasi ML dalam Kehidupan Sehari-hari

Sebagai pembuat konten dan pengguna teknologi, kamu pasti sering bersinggungan dengan ini:

• Rekomendasi Konten (Media Sosial & Streaming): Algoritma di balik For You Page (FYP) TikTok atau rekomendasi musik di Spotify menggunakan ML untuk mempelajari selera kamu berdasarkan durasi tonton dan interaksi.

• Filter Email (Spam Detection): ML secara otomatis mengenali pola kata-kata dalam email untuk memisahkan mana pesan penting dan mana yang "sampah".

• Virtual Assistant (NLP): Teknologi seperti Siri atau Google Assistant menggunakan ML untuk memahami perintah suara manusia dan memberikan jawaban yang relevan.

3. Maksud dari "Hukuman" terhadap AI

Dalam konteks Reinforcement Learning (Pembelajaran Penguatan), "hukuman" (penalty) bukanlah hukuman fisik atau emosional, melainkan nilai numerik negatif.

Logikanya begini:

1. Agen AI melakukan suatu tindakan.

2. Jika tindakannya salah atau menjauh dari target, algoritma memberikan skor minus.

3. Tujuan akhirnya adalah agar AI memaksimalkan total skor positif. Dengan adanya "hukuman" ini, AI belajar untuk menghindari kesalahan yang sama di masa depan agar skornya tidak turun.

4. Perbedaan AI, ML, dan Deep Learning

Ketiganya sering dianggap sama, padahal hubungannya adalah seperti lingkaran di dalam lingkaran (sub-set).

• Artificial Intelligence (AI): Lingkup paling luas. Mencakup teknik apa pun yang memungkinkan komputer meniru kecerdasan manusia (termasuk logika sederhana if-else).

• Machine Learning (ML): Bagian dari AI. Fokus pada kemampuan sistem untuk belajar dari data secara otomatis.

• Deep Learning (DL): Bagian dari ML. Menggunakan struktur yang disebut Neural Networks (Jaringan Saraf Tiruan) yang berlapis-lapis untuk memproses data yang sangat kompleks seperti gambar, suara, dan teks (seperti teknologi di balik ChatGPT atau pengenalan wajah).