Wajib Tahu, 3 Tipe Algoritma Machine Learning

Goals dari data science adalah untuk menemukan pola serta kesimpulan di balik suatu dataset yang tersedia agar bisa lebih berguna. Untuk mencapai goals tersebut menguasai algoritma Machine Learning merupakan langkah terbaik yang harus ditempuh agar bisa menemukan pola yang kita inginkan. Seperti yang telah kamu ketahui bahwa Machine Learning membahas tentang bagaimana cara mesin dapat belajar sendiri sehingga mesin tersebut dapat melakukan tugas tertentu tanpa terprogram secara eksplisit. Jadi, jika kamu ingin mempelajari lebih lanjut tentang Machine Learning, bagaimana kamu harus memulainya ? Untuk memulai mempelajarinya, kamu bisa mulai dari memahami tipe-tipe algoritma Machine Learning itu ada apa saja.

Pada dasarnya, cara kerja Machine Learning dalam menggunakan algoritma terprogram yang menerima dan menganalisis data inputan untuk kemudian dapat memprediksi nilai keluaran. Ketika data inputan tersebut dimasukkan ke dalam algoritma ini, mereka akan mempelajari dan mengoptimalkan operasi berdasarkan data tersebut. Dari tiap algoritma-algoritma tersebut ada 3 tipe algoritma Machine Learning yang akan kami bahas, diantaranya Supervised Learning, Unsupervised Learning, dan Reinforcement Learning. Apa saja yang membedakan ketiganya ? Mari kita simak bersama-sama.

1. Supervised Learning 

Supervised Learning merupakan jenis algoritma Machine Learning digunakan pada dataset yang sudah memiliki label tertentu mencakup input dan output yang diinginkan. Sederhananya jenis algoritma Supervised Learning harus diberi contoh terlebih dahulu untuk mempelajari data. Caranya dengan menerapkan dataset yang telah diberi label sebelumnya. Jadi, meskipun kita telah mengetahui jawaban yang benar untuk masalah tersebut, algoritma ini mengidentifikasi pola dalam data, belajar dari pengamatan dan membuat prediksi. Algoritma membuat prediksi dan akan kamu koreksi hingga menemukan algoritma yang memiliki tingkat akurasi yang tinggi dan optimal. Contoh sederhananya, ketika ingin memprediksi pesan yang termasuk spam atau bukan terlebih dahulu kita memberi label pada pesan tersebut dengan label "spam" dan "no spam". 

Adapun algoritma Machine Learning yang termasuk dalam jenis Supervised Learning dibagi menjadi 3 bagian antara lain:

• Klasifikasi : terdiri dari algoritma yaitu, Naïve Bayes Classifier, SVM, Logistic Regression, KNN, Decision Tree, dan Random Forest

• Regresi : terdiri dari algoritma yaitu, Logistic Regression, Decision Tree, dan Random Forest.

• Forecasting : terdiri dari algoritma yaitu,Linear Regression, SVM, Time Series Forecasting, Neural Network

Baca juga : 3 Jenis Algoritma Machine Learning yang Dapat Digunakan di Dunia Perbankan

2. Unsupervised Learning

Kebalikan dari Supervised Learning, Algoritma Unsupervised Learning mengacu pada kesimpulan pola yang mendasari sekumpulan data tak berlabel atau tanpa referensi apa pun ke hasil atau prediksi berlabel, meskipun tanpa label kita memiliki data-data aktual yang dapat digunakan untuk mengobservasi data tersebut berdasarkan kriteria yang sejenis untuk mendapatkan suatu kesimpulan. Alih-alih memberikan label atau instruksi, mesin akan menentukan korelasi dan hubungan antar data-data tersebut dengan cara menganalisanya. Sederhananya, dalam proses belajar mesin dibiarkan menafsirkan sendiri kumpulan data yang besar dan menangani data tersebut dengan sesuai. Contoh sederhananya, ketika kamu menemukan kucing yang tidak kamu ketahui jenisnya maka kamu melakukan pengamatan pada hewan tersebut dengan melihat ciri-ciri yang dimiliki seperti, jenis bulu, bentuk dan ukurannya. Dengan pengamatan tersebut kamu dapat membuat kesimpulan yang akan dijadikan sebagai referensi.

Adapun algoritma Machine Learning yang termasuk dalam jenis Unsupervised Learning dibagi menjadi 2 bagian antara lain:

• Clustering: terdiri dari algoritma yaitu, Hierarchical clustering, non hierarchical clustering, K-NN dan K-Means Clustering.

• Association Rules: terdiri dari algoritma yaitu, Hierarchical clustering, non hierarchical clustering, K-NN dan K-Means Clustering

3. Reinforcement Learning

Reinforcement Learning berfokus pada proses pembelajaran yang diatur, dimana algoritma Machine Learning ini dilengkapi dengan serangkaian tindakan, parameter, dan nilai akhir. Dengan menentukan aturan, algoritma Machine Learning kemudian mencoba mengeksplorasi berbagai opsi dan kemungkinan, memantau dan mengevaluasi setiap hasil untuk menentukan mana yang paling optimal. Reinforcement Learning mengajarkan percobaan dan kesalahan pada mesin. Ia cenderung belajar dari pengalaman masa lalu dan mulai menyesuaikan pendekatannya dalam menanggapi situasi untuk mencapai hasil yang terbaik. Adapun algoritma Machine Learning yang termasuk ke dalam Reinforcement Learning adalah Q-Learning, State-Action-Reward-State-Action (SARSA), Deep Q Network (DQN), Deep Deterministic Policy Gradient (DDPG), Actor Critic, Monte Carlo Tree Search (MCTS).

Baca juga : Belajar Data Science: Pahami Penggunaan Machine Learning pada Python

4. Yuk Mulai Belajar Menjadi Data Scientist Bersama DQLab!       

Gunakan Kode Voucher "DQTRIAL", dan simak informasi di bawah ini mendapatkan 30 Hari FREE TRIAL:

1. Buat Akun Gratis dengan Signup di DQLab.id/signup

2. Buka academy.dqlab.id dan pilih menu redeem voucher 

3. Redeem voucher "DQTRIAL" dan check menu my profile untuk melihat masa subscription yang sudah terakumulasi. 

4. Selamat, akun kamu sudah terupgrade, dan kamu bisa mulai Belajar Data Science GRATIS 1 bulan.

Penulis : Rian Tineges

Editor : Annissa Widya