Machine learning atau pembelajaran mesin adalah cara membangun sistem yang mengenali pola dalam data untuk membuat prediksi atau klasifikasi. Alih-alih menulis aturan untuk setiap kemungkinan, kita memberikan contoh dan menjalankan proses pelatihan yang menyesuaikan sebuah model. Gagasan ini mungkin terasa abstrak, tetapi penerapannya ada pada penyaring surel, rekomendasi, deteksi penipuan, dan pengenalan gambar.
Untuk memulai, Anda tidak perlu menghafal semua algoritma. Pelajari cara merumuskan pertanyaan, mengenali data yang mewakilinya, dan mengukur apakah jawabannya berguna. Model rumit dengan data yang salah sering kalah bermanfaat dari aturan sederhana yang dirancang dengan baik. Panduan ini menjelaskan istilah utama dan menawarkan proyek awal berisiko rendah.
Machine learning, AI, dan pemrograman tradisional
Kecerdasan buatan adalah bidang luas. Machine learning merupakan salah satu keluarga teknik di dalamnya, sedangkan deep learning adalah keluarga lebih khusus di dalam machine learning. AI generatif memakai model terlatih untuk menghasilkan konten, sementara banyak proyek pembelajaran mesin memprediksi kategori atau nilai.
Dalam pemrograman tradisional, manusia mendefinisikan aturan dan program menerapkannya pada data. Dalam pembelajaran mesin, manusia menentukan sasaran, menyediakan contoh, dan pelatihan mencari parameter yang mengurangi kesalahan. Hasilnya tetap perangkat lunak: ia membutuhkan masukan, pengujian, penerapan, izin, pemeliharaan, serta penanggung jawab.
Contoh sederhana
Bayangkan Anda ingin mengelompokkan pesan dukungan berdasarkan topik. Anda mempunyai pesan lama dan kategori yang pernah diberikan petugas. Setiap pesan adalah masukan, sedangkan kategorinya adalah label. Pelatihan mencari pola yang menghubungkan keduanya. Saat pesan baru masuk, model mengusulkan kategori. Itu tidak membuktikan model memahami masalah; ia memberikan perkiraan berdasarkan kemiripan yang dipelajari.
Kosakata penting
Contoh, fitur, dan label
Contoh adalah satu unit dalam kumpulan data, misalnya satu baris. Fitur adalah variabel yang dipakai untuk memprediksi, seperti panjang pesan, kata tertentu, atau kanal masuk. Label adalah hasil yang ingin dipelajari, misalnya “tagihan” atau “akses”. Tidak semua proyek mempunyai label; dalam pengelompokan, sistem mencari struktur tanpa jawaban yang sudah diketahui.
Model, pelatihan, dan inferensi
Model adalah fungsi berparameter yang mengubah masukan menjadi keluaran. Pelatihan berarti menyesuaikan parameter menggunakan contoh. Inferensi adalah penggunaan model terlatih pada data baru. Pemisahan ini membantu menilai biaya, privasi, dan pembaruan: model mungkin dilatih sebulan sekali, tetapi menjalankan prediksi setiap menit.
Loss dan metrik
Fungsi loss atau kerugian mengarahkan penyesuaian model selama pelatihan. Metrik dipakai untuk menilai kegunaan, misalnya akurasi, presisi, recall, atau galat absolut. Memilih metrik adalah keputusan produk. Jika melewatkan kasus berbahaya lebih mahal daripada meninjau peringatan palsu, akurasi keseluruhan dapat menyembunyikan persoalan utama.
Jenis pembelajaran yang umum
Supervised learning
Pembelajaran terawasi menggunakan contoh dengan jawaban yang sudah diketahui. Klasifikasi memprediksi kategori; regresi memprediksi angka. Menyaring pesan, memperkirakan permintaan, dan mengenali kelas gambar adalah contoh penggunaannya. Mutu label sangat penting: bila orang berbeda memakai kriteria yang bertentangan, model akan mempelajari ketidakkonsistenan tersebut.
Unsupervised learning
Pembelajaran tak terawasi bekerja tanpa label eksplisit untuk menemukan kelompok, mengurangi dimensi, atau mendeteksi struktur. Teknik ini membantu eksplorasi, tetapi kelompok matematis bukan otomatis segmen yang berguna. Manusia harus menafsirkan artinya dan tidak boleh menambahkan karakteristik yang tidak terdapat dalam data.
Reinforcement learning
Dalam pembelajaran penguatan, agen memilih tindakan dan menerima imbalan dari lingkungan. Metode ini cocok untuk masalah berurutan tertentu, tetapi bukan titik awal paling sederhana. Rumusan imbalan dapat menghasilkan jalan pintas yang tidak terduga karena agen mengoptimalkan sinyal, bukan niat yang tidak dituliskan.
Siklus lengkap sebuah proyek
1. Tentukan keputusan
Mulailah dari siapa yang memakai prediksi dan tindakan apa yang dilakukan setelahnya. “Menerapkan machine learning kepada pelanggan” bukan tujuan. “Memprioritaskan permintaan untuk ditinjau manusia agar waktu pembacaan awal berkurang, tanpa menutup permintaan secara otomatis” dapat diukur dan membatasi dampak.
2. Tetapkan tolok ukur awal
Bandingkan model dengan cara yang sekarang digunakan dan dengan aturan sederhana. Jika sebagian besar kasus berasal dari satu kategori, selalu menebak kategori itu bisa menghasilkan akurasi yang terlihat tinggi. Model harus melampaui pembanding yang relevan, bukan sekadar menampilkan angka yang menarik.
3. Kumpulkan dan pahami data
Dokumentasikan asal, izin, periode, kolom, nilai kosong, serta potensi bias. Pastikan data masukan tersedia sebelum keputusan dibuat. Variabel yang baru dicatat setelah hasil terjadi dapat membocorkan jawaban dan membuat eksperimen tampak sangat baik, padahal sistem nyata tidak akan memilikinya.
Literasi data sama pentingnya dengan algoritma. Buat kamus variabel, simpan data asli sebagai salinan yang tidak diubah, dan catat seluruh transformasi.
4. Pisahkan data latih, validasi, dan uji
Data latih menyesuaikan model. Data validasi membantu memilih konfigurasi. Data uji disimpan untuk evaluasi akhir. Jika contoh yang sama muncul di beberapa bagian, hasilnya terlalu optimistis. Untuk data berbasis waktu, hormati urutannya; memakai data masa depan untuk meramalkan masa lalu tidak menggambarkan operasi.
5. Latih solusi sederhana
Mulailah dari algoritma yang dapat dijelaskan dan fitur yang terbatas. Dokumentasi scikit-learn menunjukkan pola umum: menyiapkan data, melatih estimator, dan melakukan prediksi melalui pipeline. Pipeline mengurangi perbedaan tidak sengaja antara persiapan pelatihan dan inferensi.
6. Nilai berdasarkan segmen
Rata-rata dapat menutupi kegagalan. Periksa metrik menurut kategori, sumber, bahasa, periode, dan kelompok sah lainnya. Baca contoh nyata dari false positive, false negative, dan prediksi dengan keyakinan rendah. Jangan memakai atribut sensitif tanpa tujuan, landasan, dan evaluasi yang tepat.
7. Tentukan ambang dan tindakan
Banyak model menghasilkan skor, bukan kebenaran. Ambang mengubah skor menjadi tindakan. Kasus berkeyakinan tinggi dapat masuk antrean tertentu, sedangkan yang meragukan ditinjau manusia. Sesuaikan ambang dengan biaya kesalahan dan kapasitas peninjau, serta catat siapa yang boleh mengubahnya.
8. Pantau setelah penerapan
Data berubah. Produk, istilah, dan perilaku baru muncul. Catat distribusi masukan, kesalahan yang dikonfirmasi, latensi, serta keputusan manusia. Tentukan kapan model perlu dilatih ulang, dijeda, atau dihentikan. Kerangka manajemen risiko AI NIST menekankan pengelolaan sepanjang siklus, bukan hanya sebelum peluncuran.
Overfitting dan generalisasi
Model yang overfit mempelajari rincian data latih yang tidak berulang pada data baru. Kinerjanya terlihat tinggi selama pelatihan, lalu turun dalam penggunaan nyata. Ini dapat terjadi karena model terlalu fleksibel, contoh terlalu sedikit, atau terlalu banyak variasi dicoba pada data validasi yang sama.
Tidak ada satu obat untuk semua kasus. Pemisahan data yang benar, validasi silang bila sesuai, regularisasi, fitur lebih sedikit, data yang lebih representatif, dan pembandingan jujur dengan tolok ukur dapat membantu. Kursus machine learning resmi Google menyediakan latihan lanjutan untuk konsep tersebut.
Kesalahan umum pemula
- Memilih algoritma sebelum mendefinisikan keputusan.
- Mengandalkan akurasi pada data yang kelasnya sangat timpang.
- Membersihkan data sebelum menyimpan salinan asli dan aturan transformasi.
- Memasukkan informasi yang tidak tersedia saat prediksi nyata dibuat.
- Berulang kali menyesuaikan model terhadap data uji.
- Mengabaikan perbedaan biaya false positive dan false negative.
- Menganggap korelasi membuktikan sebab-akibat.
- Menerapkan model tanpa antrean tinjauan, pemantauan, dan pemilik.
Proyek pertama yang berisiko rendah
Pilih kumpulan data publik berukuran kecil atau data sintetis, lalu rumuskan pertanyaan tanpa dampak pribadi. Contohnya mengelompokkan spesies bunga atau memprediksi satu ukuran dari ukuran lain. Buat lembar proyek berisi tujuan, sumber, lisensi, variabel, pembagian data, tolok ukur, metrik, dan keterbatasan. Bangun model sederhana lalu tampilkan confusion matrix atau distribusi galat.
Setelah itu, ubah hanya satu hal: fitur, algoritma, atau parameter. Bandingkan dengan metode yang sama. Jelaskan mengapa hasil mungkin tidak dapat digeneralisasi. Laporan semacam ini mengajarkan lebih banyak daripada satu angka dan membangun kebiasaan yang dapat direproduksi.
Kapan Anda tidak membutuhkan machine learning
Jika aturan stabil sudah menyelesaikan masalah, gunakan aturan tersebut. Bila contoh tidak mencukupi, label tidak dapat dirumuskan, atau kesalahannya tidak dapat diterima, cari desain lain. Pencarian biasa, validasi formulir, atau daftar prioritas kadang memberi nilai lebih besar dengan pemeliharaan lebih rendah serta penjelasan lebih baik.
Machine learning tidak mengubah data menjadi objektivitas. Ia memformalkan pilihan tentang apa yang diukur, apa yang dioptimalkan, dan kesalahan mana yang diterima. Memahami pilihan-pilihan itulah awal pembelajaran yang sebenarnya.
Pertanyaan umum
Apakah saya perlu matematika tingkat lanjut?
Anda dapat memulai dengan statistik dasar, aljabar, dan eksperimen terpandu. Model yang lebih rumit membutuhkan pendalaman, tetapi kuasai dahulu data, evaluasi, dan tolok ukur.
Apakah Python wajib?
Tidak. Tersedia alat visual dan bahasa lain. Python populer karena ekosistemnya, tetapi cara merumuskan masalah, membagi data, dan mengevaluasi hasil tidak bergantung pada alat.
Berapa banyak data yang dibutuhkan?
Tidak ada angka universal. Kebutuhan bergantung pada kerumitan, kebisingan, variasi, dan biaya kesalahan. Kurva pembelajaran serta uji dengan data representatif lebih berguna daripada aturan umum.
Apakah hasil uji yang baik menjamin kinerja produksi?
Tidak. Distribusi dapat berubah, integrasi dapat gagal, latensi muncul, dan manusia beradaptasi. Penerapan memerlukan pemantauan, batas, serta cara menghentikan model.
