Machine Learning merupakan salah satu cabang dari ilmu Kecerdasan Buatan/Artificial Intelligence (AI). AI sendiri didefinisikan sebagai studi tentang bagaimana komputer mampu melakukan hal-hal cerdas yang dilakukan manusia secara lebih baik (Rich & Knight, 1991). AI sebagai area penelitian, aplikasi dan instruksi
yang terkait dengan pemrograman komputer untuk melakukan kecerdasan dalam pandangan manusia (Simon, 1987). Secara mendasar menurut Paul Y Gloess AI merupakan cabang dari ilmu komputer yang mempelajari bagaimana komputer seolah-olah memiliki kecerdasan dalam memecahkan masalah (Kristanto, 2004). Kecerdasan buatan pada pengaplikasiannya secara garis besar terbagi tujuh cabang, yaitu machine learning, natural language processing, expert system, vision, speech, planning dan robotics. Cabang dari kecerdasan buatan tersebut dimaksudkan untuk mempersempit ruang lingkup saat pengembangan atau belajar AI, karena pada dasarnya kecerdasan buatan memiliki ruang lingkup yang sangat luas.
Apa Itu Machine Learning (ML)?
Machine Learning adalah salah satu disiplin ilmu dari Ilmu Komputer yang mempelajari bagaimana membuat komputer/mesin itu mempunyai suatu kecerdasan. Agar mempunyai suatu kecerdasan, komputer/mesin harus dapat belajar. Programmer menulis aturan eksplisit tentang bagaimana memecahkan masalah yang diberikan, programmer menginstruksikan komputer bagaimana belajar dari contoh, namun dalam banyak kasus, program komputer bahkan bisa menjadi lebih baik dalam tugas dari pada programmer.
Traditional Programming Versus Machine Learning
Berikut perbedaan antara pemrograman tradisional dengan machine learning.
Era Machine Learning.
- Era Sebelum 1980: hampir semua metode learning melakukan pembelajaran untuk menghasilkan linear decision surfaces. Metode-metode pembelajaran linier ini sudah memiliki pijakan teori yang kuat.
- Era 1980-an: Decision trees dan ANN menjadi pelopor dalam pembelajaran nonlinier. Namun, pijakan teorinya masih lemah. Kedua metode juga sering terjebak pada optimum lokal.
- Era 1990 sampai sekarang: telah dikembangkan metode-metode learning nonlinier yang efisien berbasis computational learning theory. Metode-metode pembelajaran nonlinier ini memiliki pijakan teori yang sudah mapan.
Taxonomy of Machine Learning
Berikut ini taksonomi dari machine learning.
Manfaat Machine Learning
Machine learning merupakan salah satu bidang ilmu pengetahuan yang berperan besar di dalamnya. Jika kita sadari hampir semua orang menggunakan produk yang dihasilkan oleh penerapan machine learning. Berikut ini Manfaat dan Contoh Penerapan Machine Learning seperti: Search Engine, Google dan mesin pencari lainnya sudah dari dulu menerapkan machine learning untuk melakukan perangkingan laman suatu website; Prediksi saham, cuaca, dkk; Deteksi hoax: memilah berita di internet sebagai hoax atau bukan; Spam filtering: email, pesan di media sosial; Deteksi kecurangan (fraud detection): internet, finansial, dsb; Sistem perekomendasi (recommender system): memberikan rekomendasi produk, buku, hotel, penerbangan, film, dsb; Machine Learning untuk Computer Vision (Autonomous car,Pengenalan Wajah, Verifikasi sidik jari, iris mata, suara atau ciri-ciri biometrik lainnya) dan masih banyak lainnya yang sudah diterapkan dalam kehidupan sehari-hari.
Referensi:
Dr. Teguh Wahyono, Fundamental of Python For Machine Learning.
Dr. Suyanto, S.T., M.Sc. Lecturer note Introduction ML (http://suyanto.staff.telkomuniversity.ac.id)
Beta Nurinasari, M.Kom Lecture Note Pengantar ML (https://bethanurinasari.files.wordpress.com)
Prof. Widodo Budiharto, Machine Learning & Computational Intelligence
Hermit Notebook: https://hermit-notebook.site/en/notebook/computer-sciences/artificial-intelligence/machine-learning/taxonomy-of-machine-learning/
Advernesia, https://www.advernesia.com/blog/data-science/10-manfaat-dan-contoh-penerapan-machine-learning/
