Pengenalan Machine Learning

Pengantar Teknologi Sistem Cerdas

“ Machine Learning “

Disusun oleh :

Muhammad Ichsan Gustiawan ( 14117058 / 3KA26 )

SISTEM INFORMASI
UNIVERSITAS GUNADARMA
PTA 2019/2020

1. Definisi Machine Learning

Machine learning adalah cabang aplikasi dari Artificial Intelligence (Kecerdasan Buatan) yang focus pada pengembangan sebuah sistem yang mampu belajar "sendiri" tanpa harus berulang kali di program oleh manusia.jadi machine lerning akan melakukan tugasnya sendiri tanpa arahan dari penggunanya. Untuk meningkatkan kecerdasan bukan Cuma user saja, tetapi machine learning juga.

1.1 Bagian Machine Learning

Ketika Anda melihat situs web yang kompleks seperti Facebook, Amazon, atau Netflix, kemungkinan besar situs ini berisi beberapa model Machine Learning. Dari model yang didapatkan, kita dapat melakukan prediksi yang berbeda, tergantung pada tipenya. Jika hasil prediksi bersifat diskrit, maka dinamakan proses klasifikasi. Sistem pembelajaran mesin terdiri dari tiga bagian utama, yaitu :

Model : sistem yang membentuk prediksi atau identifikasi.
Parameter : sinyal atau faktor yang digunakan oleh model untuk membentuk keputusannya.
Pemelajaran : sistem yang menyesuaikan parameter dan model dalam prediksi versus hasil aktual.

Sistem pembelajaran mesin benar-benar akan menggunakan persamaan matematis untuk mengekspresikan semuanya, secara efektif ini akan membentuk garis tren dari apa yang diharapkan. Oleh karena itu hal yang pertama kali disiapkan adalah data. Data biasanya akan dibagi menjadi 2 kelompok, yaitu data training dan data testing.

1.2 Bagaimana machine learning bekerja?

Berikut ini adalah tahapan kerja machine learning:

Memilih data: pisahkan data menjadi 3 bagian, yakni data yang akan dilatih (training data), data yang akan digunakan untuk validasi (validation data), dan data yang digunakan untuk percobaan prediksi (test data).
Model data: gunakan training data untuk membangun model menggunakan fitur-fitur yang sesuai dengan tujuan.
Validasi model: uji model yang telah ada dengan validation data. Hal ini berguna untuk mendapatkan feedback dari input, process, dan ouput yang digunakan.
Test model: lihat perbandingan kinerja model yang sudah divalidasi dengan test data.
Gunakan test model: aplikasikan model yang sudah dilatih untuk membuat prediksi data baru.
Sesuaikan model: perbaiki kinerja algoritma dengan lebih banyak data, fitur yang berbeda, dan parameter yang disesuaikan.

1.3 Bagaimana mesin dapat belajar?

Berikut ini adalah cara-cara mesin belajar dan membentuk istilah machine learning:

Programming tradisional: Dengan cara ini, software engineer menulis sebuah program yang mengajarkan mesin untuk memecahkan masalah. Kemudian, mesin atau komputer mengikuti prosedur yang telah dibuat dan menghasilkan solusi.
Statistik: Metode statistik digunakan oleh analis untuk membandingkan hubungan beberapa variabel.
Machine Learning: Seorang data scientist menggunakan data set yang sudah dilatih untuk mengajarkan komputer hal-hal apa saja yang harus dilakukan. Sebagai contoh, dari big data yang sudah ada, mesin belajar mengklasifikasi spam dan non-spam email. Klasifikasi ini didapatkan dari data set yang sudah dilatih dan berbagai algoritma yang sesuai dengan klasifikasi yang diinginkan. Lalu, komputer belajar mengidentifikasi hubungan, tren, dan pola data tersebut.
Aplikasi pintar: Aplikasi pintar menaikkan akurasi hasil AI. Contohnya, drone bisa menghasilkan pemetaan lahan pertanian yang akurat berdasarkan pengumpulan data.

2. Sejarah Sistem Pengetahuan

Sejak pertama kali komputer diciptakan manusia sudah memikirkan bagaimana caranya agar komputer dapat belajar dari pengalaman. Hal tersebut terbukti pada tahun 1952, Arthur Samuel menciptakan sebuah program, game of checkers, pada sebuah komputer IBM. Program tersebut dapat mempelajari gerakan untuk memenangkan permainan checkers dan menyimpan gerakan tersebut kedalam memorinya.

Istilah machine learning pada dasarnya adalah proses komputer untuk belajar dari data (learn from data). Tanpa adanya data, komputer tidak akan bisa belajar apa-apa. Oleh karena itu jika kita ingin belajar machine learning, pasti akan terus berinteraksi dengan data. Semua pengetahuan machine learning pasti akan melibatkan data. Data bisa saja sama, akan tetapi algoritma dan pendekatan nya berbeda-beda untuk mendapatkan hasil yang optimal

3. Konsep Dasar Sistem Berbasis Pengetahuan

Konsep tersebut meliputi kemampuan suatu individu dalam meningkatkan kecerdasan tersebut untuk belajar tanpa terkecuali pada sebuah mesin. Mesin yang mampu belajar, akan meningkatkan produktivitas manusia. Maka ia juga akan memiliki kekuatan yang mungkin tidak dimiliki mesin lainnya.

3.1 Manfaat Pembelajaran Machine Learning

Jika Anda hanya mengenal wajah teman Anda dalam gambar, berarti Anda tidak memakai modelpembelajaran mesin. Inti pembelajaran mesin adalah meramalkan hal-hal berdasarkan pola dan faktor lain yang telah dilatih. Apa yang menjadikan sesuatu itu jadi lebih mudah untuk di kuasai. Pengenalan dilakukan dengan cara yang simple tanpa menghabiskan banyak waktu.

3.2 Pembelajaran Machine membutuhkan pelatihan

Layaknya manusia machine juga butuh di berikan pembelajaran, seperti anda mengatakan bahwa itu adalah apel namun pada dasarnya apel itu berwana merah rata-rata, namun apel ada yang berwarna hijau dan berbagai ukuran dan bentuk.

3.3 Contoh Aplikasi Machine Learning

· Penelusuran web : Halaman peringkat berdasarkan apa yang anda klik

· Biologi komputasional : Obat desain rasional di komputer berdasarkan eksperimen masa lalu.

· E-commerce : Memprediksi customer churn. Apakah transaksi itu salah atau tidak.

· Robotika : Bagaimana menangani ketidakpastian di lingkungan baru. Seperti otonom dan Mobil self-driving.

· Pengambilan informasi : Ajukan pertanyaan melalui database di seluruh web.

· Debugging : Ini didunakan dalam masalah ilmu komputer seperti debugging.

4. Contoh Kasus di Kehidupan Sehari-hari

Penerapan teknologi machine learning mau tidak mau pasti telah dirasakan sekarang. Setidaknya ada dua dampak yang saling bertolak belakang dari pengembangan teknolgi machine learning. Ya, dampak positif dan dampak negatif.

Salah satu dampak positif dari machine learning adalah menjadi peluang bagi para wirausahawan dan praktisi teknologi untuk terus berkarya dalam mengembangkan teknologi machine learning. Terbantunya aktivitas yang harus dilakukan manusia pun menjadi salah satu dampak positif machine learning. Sebagai contohnya adalah adanya fitur pengecekan ejaan untuk tiap bahasa pada Microsoft Word. Pengecekan secara manual akan memakan waktu berhari-hari dan melibatkan banyak tenaga untuk mendapatkan penulisan yang sempurna. Tapi dengan bantuan fitur pengecekan ejaan tersebut, secara real-time kita bisa melihat kesalahan yang terjadi pada saat pengetikan.

Akan tetapi disamping itu ada dampak negatif yang harus kita waspadai. Adanya pemotongan tenaga kerja karena pekerjaan telah digantikan oleh alat teknologi machine learning adalah suatu permasalahan yang harus dihadapi. Ditambah dengan ketergantungan terhadap teknologi akan semakin terasa. Manusia akan lebih terlena oleh kemampuan gadget-nya sehingga lupa belajar untuk melakukan suatu aktivitas tanpa bantuan teknologi.

4.1 Dampak positif

kesempatan bagi para wirausahawan dan praktisi teknologi untuk terus berkreasi dalam mengembangkan machine learning. Tentunya untuk membantu aktivitas manusia sebagi sesuatu yang menguntungkan. Itulah salah satu dampak positif dari machine learning. Contohnya adalah untuk pengecekan ejaan untuk tiap bahasa yang ada dalam microsoft Word.

Pengecekan manual akan menghabiskan waktu untuk beberapa hari, juga memerlukan banyak tenaga untuk mendapatkan penulis yang sempurna. Namun, dengan bantuan fitur pengecekan tersebut, maka secara real-time kesalahan yang terjadi saat pengetikan kita bisa langsung melihatnya.

4.2 Dampak Negatif

kita harus waspada. Yang takut di khawatirkan yaitu adanya pengurangan tenaga kerja. Kenapa? Karena pekerjaan yang seharusnya di kerjakan oleh banyak orang, sekarang telah digantikan oleh alat teknologi yang disebut sebagai machine learning. Hal tersebut merupakan suatu permasalahan yang akan kita hadapi. Ditambah dengan ketergantungan terhadap teknologi yang semakin banyak dan berkembang di kehidupan kita. Kadang manusia lebih nyaman dengan perkembangan teknologi sekarang ini seperti gadget.