KOMPAS.com – Machine learning atau pembelajaran mesin adalah cabang dari kecerdasan buatan (AI) yang memungkinkan komputer untuk “belajar” dari data tanpa harus diprogram secara eksplisit.
Teknologi ini kini semakin dekat dengan kehidupan sehari-hari, bahkan sering kita gunakan tanpa disadari. Mulai dari rekomendasi film di Netflix, filter spam di e-mail, hingga sistem navigasi di Google Maps, semuanya menggunakan machine learning untuk memberikan pengalaman yang lebih cerdas dan personal bagi pengguna.
Lantas, apa sebenarnya pengertian machine learning dan bagaimana penerapannya dalam aktivitas harian pengguna? Selengkapnya berikut ini ulasannya.
Baca juga: OpenAI Siapkan Mainan AI, Barbie dan Hot Wheels Jadi Hidup Berkat ChatGPT
Apa itu Machine Learning?
Machine Learning (pembelajaran mesin) adalah cabang dari kecerdasan buatan (Artificial Intelligence/AI) yang memungkinkan komputer belajar dari data dan pengalaman sebelumnya untuk membuat keputusan atau prediksi tanpa diprogram secara eksplisit.
Dengan kata lain, komputer tidak hanya mengikuti instruksi tetap, tetapi bisa mengembangkan sendiri “pemahamannya” terhadap data yang diberikan.
Misalnya, ketika kita menonton film di Netflix atau membuka YouTube, lalu muncul rekomendasi film atau video yang sesuai dengan selera kita, itu adalah hasil kerja machine learning.
Komputer menganalisis riwayat tontonan kita, mencari pola, lalu memprediksi konten apa yang mungkin kita sukai selanjutnya.
Bagaimana cara kerja Machine Learning?
Dilansir dari laman Spiceworks, proses machine learning dimulai dengan memberikan data pelatihan (training data) kepada sebuah algoritma. Dari data tersebut, komputer mulai mengenali pola, hubungan antar data, dan akhirnya membentuk sebuah model prediktif.
Saat model ini menerima data baru, ia dapat memberikan prediksi atau keputusan berdasarkan pengalaman dari data sebelumnya.
Contohnya, jika pengguna memberikan ribuan gambar kucing dan anjing yang sudah diberi label, maka komputer akan belajar membedakan ciri-ciri masing-masing. Saat diberi gambar baru tanpa label, sistem dapat menebak apakah itu kucing atau anjing.
Jika prediksi belum akurat, model akan terus diperbaiki melalui proses belajar ulang menggunakan data tambahan. Inilah yang disebut proses iteratif dalam machine learning yaitu terus belajar, mengevaluasi, dan memperbaiki.
Jenis-jenis Machine Learning
Machine learning terbagi menjadi empat jenis utama, berdasarkan cara sistem belajar dari data:
Supervised Learning (Pembelajaran Terawasi)
Pada jenis ini, data pelatihan sudah diberi label. Sistem belajar dari data tersebut dan menghasilkan prediksi berdasarkan hubungan input-output yang diketahui. Contoh:
- Deteksi spam e-mail (email diberi label “spam” atau “bukan spam”)
- Aplikasi prediksi cuaca
- Sistem klasifikasi foto (anjing vs kucing)
Unsupervised Learning (Pembelajaran Tak Terawasi)
Sistem diberikan data tanpa label, dan bertugas menemukan pola atau pengelompokan di dalamnya.
Contoh: