Perkembangan era modern yang didukung teknologi yang canggih, pekerjaan yang dikerjakan secara manual mulai berkurang dengan teknologi canggih yang dapat bekerja secara otomatis. Salah satu teknologi canggih yang mulai banyak dikembangkan teknologi machine learning. Teknologi ini membutuhkan algoritma untuk mengerjakan tugas tanpa campur tangan manusia. Dengan berkembangnya ilmu komputasi kita dapat memprediksi apa yang akan terjadi di hari kedepannya.

Algoritma machine learning dibagi menjadi tiga, yaitu algoritma supervised learning, unsupervised learning, dan reinforcement learning. Pada artikel ini akan membahas ketiga algoritma tersebut dan implementasinya pada teknologi secara real life. Penasaran? Yuk simak artikel ini sampai akhir!

Algoritma Supervised

Algoritma Supervised merupakan algoritma yang paling popular pada machine learning. Pengunaan data yang digunakan algoritma supervised merupakan data berlabel, artinya algoritma akan mengidentifikasi fitur secara eksplisit dan melakukan prediksi maupun klasifikasi. Beberpa algoritma yang termasuk ke dalam algoritma supervised learning adalah regresi liner, random forest, dan artificial neural network. Random linier adalah algoritma yang digunakan untuk mengukur hubungan linier antara dua atau lebih variable. Random forest merupakan metode pembelajaran ansambel untuk melakukan klasifikasi, regresi, dan tugas lain melalui terbentuknya pohon keputusan dan output yang dihasilkan berupa kelas, modus atau mean dari pohon individu. Artfifical neural network diibaratkan seperti otak manusia yang mepelajari data sepanjang waktu, dan algoritma dasar dari deep learning

Salah satu apikasi algoritma supervised learning yang paling popular adalah pengenalan wajah. Teknologi ini menggunakan algoritma convolutional neural network (CNN), yang mampu mengidentifikasi fitur suatu gambar melalu berbagai fitur. CNN akan menyimpan fitur – fitur data di dalam database wajah yang sama dengan fitur di database.

Algoritma Unsupervised Learning

Unsupervised Learning algoritma yang menggunakan data label karena algoritma ini mampu belajar dari data dengan menemukan pola implisit. Algoritma unsupervised learning mengidentifikasi data berdasarkan kepadatan, struktur, segmen serupa, dan fitur serupa lainnya. Algoritma ini sering digunakan pada clustering, deteksi anomaly,dan deep belief network.Clustering adalah Teknik pengelompokan kumpulan objek serupa dalam grup yang sama berbeda dari objek grub lainnya. Teknik clustering yang sering digunakan antara lain : K-Means, DBSCAN, dan hierarki clustering. Teknik deteksi anomali merupakan teknik untuk deteksi pencilan dalam data tanpa label dengan asumsi sebagian besar sampel data berdistribusi normal dengan mengamati instance yang sesuai dengan kumpulan data lainnya

Algoritma Reinforcement Learning

Reinforcement learning adalah algoritma yang saling berinteraksi lingkungan secara dinamis agar mencapai target. Dengan algoritma Reinforcement Learning agen software dapat mengevaluasi perilaku ideal dalam suatu kasus. Contoh implemtasi algoritma reinforcement learning adalah sistem Active Query Answering (AQA) pada Google. Sistem AQA akan merumuskan ulang pertanyakan yang ditujukan oleh pengguna google. Contohnya, jika kita ingin mengajukan pertanyaan kepada bot AQA “berapa tanggal lahir Ir. Soekarno?” maka bot akan merumuskan kembalipertanyaan menjadi “kapan Ir. Soekarno lahir?” atau “Kelahiran Ir.Soekarno”.

sumber : https://www.dqlab.id/kenali-macam-algoritma-machine-learning

Views: 61