Machine learning adalah ilmu pengembangan algoritma yang memanfaatkan konsep matematis dan statistik dalam menjalankan tugas tertentu tanpa instruksi eksplisit. Pada prosesnya, machine learning akan berusaha mengenal pola yang terdapat dalam sebuah data serta menggunakannya untuk menghasilkan prediksi.
Salah satu contoh penerapan machine learning yaitu para data scientist dapat melatih model untuk mendiagnosis kanker dari gambar sinar-x. Hal ini dilakukan dengan cara melatih model dengan ribuan hingga jutaan gambar yang dipindai dengan diagnosis yang sesuai. Setelah proses pelatihan selesai, model akan mengenali pola dalam gambar tersebut. Lalu, model akan menggunakan pola tersebut untuk membantu para praktisi medis dalam mendiagnosa penyakit kanker.
Lalu, apa hubungannya antara machine learning dan data science?
Dasarnya, machine learning adalah salah satu alat atau pendekatan yang digunakan dalam data science. Secara garis besar, kita dapat mengelompokkan machine learning ke dalam tiga kategori yaitu seperti berikut.
1. Supervised learning.
Pendekatan machine learning yang menggunakan kumpulan data berlabel (labeled datasets). Kumpulan data ini dirancang untuk melatih atau “mengawasi” algoritma machine learning. Pada proses pelatihan inilah model belajar memahami pola yang terdapat dalam data dan labelnya. Pola ini selanjutnya akan digunakan untuk mengerjakan tugas yang spesifik seperti klasifikasi atau regresi. Klasifikasi digunakan untuk memprediksi kemungkinan sesuatu termasuk dalam kategori tertentu sedangkan regresi digunakan untuk memprediksi nilai numerik dari banyak kemungkinan nilai. Salah satu contoh penerapan supervised learning adalah face recognition yang terdapat pada smartphone, laptop, bahkan hingga pintu sekalipun.
2. Unsupervised learning.
Jika supervised learning memanfaatkan data dan juga label untuk melatih model, unsupervised learning hanya membutuhkan data (tanpa label) untuk melatih model. Pada prosesnya model akan belajar untuk mengidentifikasi pola tersembunyi yang terdapat dalam data. Pola ini selanjutnya akan digunakan untuk mengerjakan tugas yang spesifik, seperti membagi data ke dalam beberapa klaster, mendeteksi anomali dalam data, dll. Salah satu contoh penerapan unsupervised learning adalah adanya rekomendasi pada sebuah media sosial yang relate dengan favorit dan yang sering Anda buka pada laman tersebut.
3. Reinforcement learning.
Salah satu penerapan reinforcement learning adalah pada algoritma AlphaGo. AlphaGo adalah program komputer yang digunakan untuk menjalankan board game. Teknologi yang digunakan pada board game tersebut dikembangkan oleh DeepMind Technologies yang diakuisisi oleh Google. Pada Oktober 2015, permainan tersebut mampu mengalahkan pemain manusia profesional pada papan berukuran 19×19. Hal tersebut diakibatkan oleh program AlphaGo yang semakin canggih. Board game tersebut menggunakan reinforcement learning karena metode tersebut mampu meniru perilaku yang diinginkan. Pada board game tersebut, AlphaGo telah mempelajari lebih dari 30 gerakan manusia yang dapat ditiru sehingga seiring berjalannya waktu AlphaGo dapat mengalahkan permainan manusia.