Machine Learning
Cabang kecerdasan buatan yang memungkinkan sistem komputer belajar dari data secara otomatis untuk membuat prediksi atau keputusan tanpa perlu diprogram secara eksplisit.
Machine Learning (ML) adalah cabang dari Artificial Intelligence (AI) di mana algoritma dilatih menggunakan data historis sehingga dapat membuat prediksi atau keputusan pada data baru tanpa aturan yang dikodekan secara manual.
Tipe-Tipe Machine Learning
| Tipe | Deskripsi | Contoh |
|---|---|---|
| Supervised Learning | Model dilatih dengan data berlabel (input + output) | Prediksi harga rumah, klasifikasi email spam |
| Unsupervised Learning | Model menemukan pola dari data tidak berlabel | Segmentasi pelanggan, deteksi anomali |
| Reinforcement Learning | Model belajar dari reward/punishment atas aksinya | Game AI, robot navigasi, rekomendasi |
Alur Kerja Machine Learning
- Problem Definition: Tentukan tujuan dan tipe ML yang sesuai
- Data Collection: Kumpulkan data yang relevan dan cukup
- Data Preparation: Bersihkan, transformasi, dan split data (train/validation/test)
- Feature Engineering: Pilih dan buat fitur yang informatif
- Model Training: Latih algoritma pada data training
- Evaluation: Ukur performa pada data test (accuracy, F1, AUC)
- Deployment: Terapkan model ke production
Contoh Algoritma ML
- Regresi: Linear Regression, Ridge, Lasso
- Klasifikasi: Logistic Regression, Random Forest, XGBoost
- Clustering: K-Means, DBSCAN
- Dimensionality Reduction: PCA, t-SNE, UMAP
Istilah Terkait
Deep Learning
Machine Learning & AISubset dari Machine Learning yang menggunakan jaringan saraf tiruan berlapis-lapis (neural network) untuk belajar representasi data secara hierarkis dari data besar.
Computer Vision
Machine Learning & AIBidang AI yang memungkinkan komputer menginterpretasi dan memahami informasi visual dari dunia nyata seperti gambar dan video, mencakup tugas seperti deteksi objek, segmentasi, dan OCR.
Udah paham Machine Learning? Lanjut latihan SQL dan Excel yuk!
Latihan interaktif, langsung di browser.