Pernah belajar tentang matematika, fisika, kimia, biologi, sejarah, geografi, antropoligi dan ilmu-ilmu empiris lainnya? Kalau pernah, bagaimana cara kalian mempelajarinya? Tentu kalian diajarin oleh seorang guru bukan? Diajarin untuk mengetahui rumus fisika, bilangan matematika, struktur kimia dan lain sebagainya. Lalu bagaimana dengan belajar belajar melepaskan dirinya walau setengahku bersamanya?  Tentu kalian gak ada yang ngajarin kan. Kalian belajar sendiri dari pengalaman kalian. Itulah mengapa kalian gila sekarang.

Proses pembelajaran dengan disupervisi (diajarkan) dinamakan supervised learning. Sementara proses pembelajaran yang tidak diajarkan, dalam artian, mesin dibiarkan untuk mengambil keputusannya sendiri disebut dengan unsupervised learning. Kita akan membahasnya satu-per satu.

Supervised Learning

Supervised learning adalah paradigma pembelajaran dimana mesin akan diajari terlebih dahulu atau diberi tahu terlebih dahulu melalui sebuah label atau sebuah nilai sebelum akhirnya mampu membuat keputusannya sendiri. Ciri umum dari supervised learning adalah adanya satu nilai yang bertindak sebagai keputusan dalam data training-nya.

Contohnya Seperti Ini:

Tabel diatas memiliki satu buah kolom sebagai sebuah keputusan, yaitu kolom 'Status'. So, mesin sudah dikasih tau dulu nih bahwa applicant dengan data kolestrol = 186, gula darah = 137, mata = -0.5 dan kebugaran dalam kondisi baik adalah apllicant yang lolos. Dan begitu seterusnya. Nah data-data inilah yang nanti akan dijadikan pelajaran untuk menentukan keputusan berikutnya oleh si mesin.

Biasanya kasus-kasus supervised ditemukan pada kasus klasifikasi dan regresi. Algoritma-algoritma supervised learning antara lain: Naive Bayes, Decission Tree (sistem pakar), K-Nearest Neighbors (KNN), Support Vector Machine (SVM) dan Random Forest.

Unsupervised Learning

Unsupervised learning adalah proses pembelajaran dimana mesin akan belajar mengambil keputusan tanpa harus diajari terlebih dahulu. Ciri-ciri umum dari unsupervised learning adalah tidak adanya label atau satu data yang menjadi sebuah keputusan dalam data training-nya.

Contohnya seperti ini:

Berbeda dengan tabel sebelumnya, tabel ini tidak memiliki kolom 'Status' sebagai sebuah keputusan yang harus dipelajari. Mesin akan dengan sendirinya mengelompokan data dan memberikan keputusan bahwa suatu data masuk kedalam kelompok yang mana. Nanti tinggal manusia sebagai operator yang memutuskan bahwa hasil klasterisasi data termasuk kedalam label apa, sehingga tidak perlu melakukan labeling manual satu-per satu.

Biasanya kasus unsupervised learning ditemukan pada clustering, forecasting dan data masking. Adapun algoritma unsupervised antara lain: K-Means, Affinity Propagation, Spectral Clustering, DBSCAN, BERT dan Model-model LLMs.

Ada satu lagi jenis machine learning yang harus kalian pahami, yaitu Reinforcement Learning. Kalian bisa mempelajarinya pada artikel dibawah ini:

Baca Juga: Apa Itu Reinforcement Learning disini