Apa itu Machine Learning - secara intuitif

Pada artikel ini saya akan membahas (lagi) tentang apa itu Machine Learning. LAGI. hahaha. Kenapa bahas lagi? Karena pada artikel sebelumnya saya rasa masih terlalu formal dan kurang intuitif. Jadi artikel ini akan singkat saja fokus ke pengenalan ML yang mudah-mudahan lebih intuitif dari artikel sebelumnya.

Jadi ceritanya ketika saya sedang mengikuti course-nya Tensorflow di Udacity, ada part yang membahas pengenalan tentang ML. Dan pas diliat, contohnya lumayan bagus dan mudah dimengerti. Jadi contoh tadi saya buat sebagai bahan presentasi saya di sharing session di kantor. Setelah itu baru kepikiran, kenapa gak di-share juga di blog, akhirnya ditulis lah blog post ini. Nah contoh tersebut seperti ini:

Terdapat dua deret angka, pasangan antara input dan output seperti di atas. Dari pola angka tersebut kita diminta menebak angka output dari input baru yang diberikan (pada kasus di atas, input: 38). Nah, kalo kita mau memecahkan tersebut dengan programming biasa, apa yang kita lakukan? Pertama-tama cari polanya dulu kan? Cari rumusnya, algoritmanya. Baru kita bisa dapat output dari input yang kita berikan. Kira-kira seperti ini:

1
2
3
def function(C):
  F = 1.8 * C + 32
  return F

Seperti yang disebutkan, pada kasus biasa, manusia harus mencari dulu rumusnya (pola tadi sebenarnya konversi Celcius ke Fahrenheit). Nah dengan machine learning, komputer yang mencari rumus/pola nya berdasarkan data yang telah diketahui.

Visualisasi

Contoh tadi mari kita plot agar mudah dibayangkan. Input untuk sumbu X, output untuk sumbu Y.

Lingkaran-lingkaran biru merupakan contoh data tadi yang diketahui input dan outputnya. Sedangkan kotak merah merupakan angka yang ingin kita tebak outputnya. Coba perhatikan, lingkaran biru tersebut membentuk sebuah pola, yaitu garis. Ketika kita mengetahui garis tersebut, output dari kotak merah bisa kita ketahui dengan meletakkan kotak tersebut di garis sesuai nilai X nya.

Dalam machine learning, garis tersebut adalah modelnya. Dan garis tersebut yang dicari (atau di learn) oleh algoritma ML. Contoh di atas sebenarnya merupakan problem Regressi, yaitu salah satu problem umum yang bisa dipecahkan oleh jenis ML Supervised Learning, selain Klasifikasi. Tulisan selanjutnya mungkin akan membahas regresi vs klasifikasi (atau paling-paling di lanjut d artikel ini).

Kesimpulan

Kesimpulannya sederhana aja, perbedaan machine learning dengan pemrograman biasa adalah pada kasus biasa, manusia harus mencari dulu rumusnya. Sedangkan dengan machine learning, komputer yang mencari rumus/pola nya dengan belajar dari data. Sedikit contoh lain dengan Decision Tree, yang kalau sekilas mirip dengan If-else biasa. Dengan If-else biasa, programmer yang menentukan kondisi di IF nya (membuat Tree nya). Sedangkan dengan ML, si Algoritma yang menentukan IF nya kapan kondisinya harus bagaimana.