Yuk, Belajar Machine Learning dari K-Drama "Start-Up"!

Belajar Machine Learning dapat dilakukan dari mana saja, bahkan dari film sekali pun. Tentunya ketika materi tentang Machine Learning yang pada dasarnya merupakan bahasan yang cukup berat kemudian dikemas dalam bahasa yang lebih ringan, maka akan menjadi sesuatu yang sangat menarik bagi orang awam. Tidak hanya itu, ketika kita berhasil menerapkan analogi dari Machine Learning ke dalam kehidupan kita, maka hal itu akan lebih mudah untuk diingat dan diimplementasikan.

Salah satu drama korea yang dapat menambah pengetahuan dan pemahaman kita akan Machine Learning adalah K-Drama yang berjudul "Start-Up". Dengan adanya drama korea ini, maka kita dapat memahami bahwa sebenarnya selama ini pun kita telah banyak menerapkan proses Machine Learning dalam kehidupan kita namun hanya saja kita tidak menyadarinya. Wah, gak kebayangkan? Berikut ini akan dibahas tentang penerapan Machine Learning yang sebenarnya erat kaitannya dalam kehidupan kita sehari-hari yang ada di K-Drama "Start-Up". Penasaran kan? Check this out!

1. Semakin Banyak Data, Semakin Banyak Waktu yang Dibutuhkan Machine Learning

Dalam K-Drama "Start-Up", salah satu hal yang menarik tentang Machine Learning adalah ketika Seo Dal-Mi sebagai CEO Samsan Tech menjadi begitu bingung untuk mengambil keputusan karena terlalu banyak mempertimbangkan omongan orang lain. Kemudian Nam Do-San memintanya untuk mengabaikan semua perkataan orang lain dan menganalogikan kehidupan seperti Machine Learning.

Saat terlalu banyak data yang digunakan, maka Machine Learning akan membutuhkan waktu yang lebih lama untuk memprosesnya dan dengan tahap yang lebih berat. Sehingga ketika kita ingin menghasilkan hasil yang jauh lebih baik, maka kita harus mengabaikan data yang tidak penting dan juga tidak berpengaruh dalam model. Begitu pun dengan permasalahan hidup, karena kita tidak dapat menyenangkan semua orang, maka kita hanya perlu fokus pada tujuan dan mengabaikan kritikan yang tidak membangun.

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

2. Sesuaikan Pemiliham Model dengan Dataset

Ketika Samsan Tech sedang mengikuti program Hackathon (audisi masuk ke Sandbox), beberapa kali terlihat hasil pengujian model dari pendeteksian tulisan masih menghasilkan performa yang cukup buruk. Mereka telah mencoba berbagai cara seperti mengganti activation function, bahkan hingga melakukan hyperparameter tuning, Ada yang tahu kenapa? Ternyata mereka menggunakan model yang seharusnya digunakan untuk dataset video, sementara data yang mereka miliki merupakan data gambar.

Memilih model yang tepat dalam Machine Learning ternyata menjadi hal yang sangat krusial. Dalam proses pemilihan model, tentunya kita harus memperhatikan dataset yang akan digunakan, karena pada dasarnya tidak semua dataset dapat diproses dengan menggunakan model yang sama. Bayangkan saja ketika kita ingin mendeteksi visual yang tidak bergerak, namun kita menggunakan pemodelan untuk visual yang bergerak? Tentunya akan kurang relevan. Sehingga proses pemilihan model ini sangat penting untuk diperhatikan ya!

3. Hyperparameter Tuning

Masih di episode yang sama, Nam Do-San sempat meminta teman-temannya untuk melakukan hyperparameter tuning agar mendapatkan hasil performa yang jauh lebih baik dari yang telah mereka dapatkan. Apa sih hyperparameter tuning? Hyperparameter tuning merupakan pemilihan kelompok parameter yang digunakan dalam Machine Learning. Singkatnya, ketika model yang akan dibuat terbilang cukup kompleks, maka variabel yang dapat mempengaruhi output harus dilakukan pemetaan ulang (tuning). Hyperparameter tuning ini biasanya dilakukan untuk meningkatkan performa dari model yang diciptakan.

Sebenarnya hyperparameter tuning ini jika dianalogikan dalam kehidupan kita merupakan sebuah cara untuk menata ulang hidup kita agar menjadi lebih baik. Misalkan selama ini kita merupakan seseorang yang negative vibes karena dipengaruhi oleh banyak hal yang sangat kompleks, kemudian kita dapat menata ulang parameter apa saja yang akan mempengaruhi output sehingga kita dapat menjadi lebih positif. Nah, tahapan itulah yang disebut sebagai hyperparameter tuning.

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

4. Mulai Terapkan Ilmunya dengan Belajar Data Science bersama DQLab!

Tidak memiliki background IT? Jangan khawatir, kamu tetap bisa menguasai Ilmu Data Science untuk siap berkarir di revolusi industri 4.0. Bangun proyek dan portofolio datamu bersama DQLab untuk mulai berkarir di industi masa kini! Sign up sekarang untuk #MulaiBelajarData di DQLab!

Simak informasi di bawah ini untuk mengakses gratis module "Introduction to Data Science":

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

2. Akses module Introduction to Data Science

3. Selesaikan modulenya, dapatkan sertifikat & reward menarik dari DQLab

4. Subscribe DQLab.id untuk Akses Semua Module Premium!

Penulis : Gifa Delyani Nursyafitri 

Editor : Annissa Widya Davita