Ini Tipe Machine Learning & Contoh Algoritmanya
Pada masa kini segala sesuatu yang kita lakukan pada umumnya melalui proses digital. Dibalik proses digital itu terdapat berbagai algoritma machine learning merupakan suatu mesin pembelajar yang dirancang untuk dapat bekerja tanpa arahan dari manusia. Machine learning ini termasuk bagian dari artificial intelligence atau kecerdasan buatan. Secara umum terdapat beberapa tipe Machine learning yaitu supervised learning, unsupervised learning dan reinforcement learning.
Beberapa tipe machine learning dapat digunakan sesuai dengan kebutuhan pengguna. Masing-masing tipe memiliki karakteristik serta kelebihan dan kekurangan masing-masing. Selain itu algoritma yang terdapat di dalamnya juga memiliki cara kerja yang sesuai untuk diterapkan dengan studi kasus tertentu. Pada artikel kali ini kita akan mencoba mengenali beberapa contoh algoritma dari supervised learning. Yuk simak artikel ini bersama-sama!
1. Support Vector Machine
Algoritma support vector machine merupakan salah satu jenis dari algoritma supervised learning, dimana dalam prosesnya memerlukan data yang berlabel dan data tidak berlabel. Algoritma ini secara umum cara kerjanya membagi data menjadi dua kelas dengan menggunakan garis vektor atau biasa disebut dengan hyperplane. Algoritma ini memiliki keunggulan yaitu baik untuk digunakan pada proses klasifikasi yang bersifat multiclass. Dengan demikian, tidak heran jika para praktisi data seringkali memilih algoritma ini sebagai pilihan algoritma awal.
Baca juga : Yuk Kenali Macam-Macam Algoritma Machine Learning!
2. ID3
Algoritma ID3 atau singkatan dari Iterative Dichotomiser 3 merupakan algoritma yang memiliki hasil akhir berupa pohon keputusan. Algoritma ini cara kerjanya dengan menggunakan nilai entropy dan nilai gain dengan beberapa langkah yaitu 1) mengambil semua atribut yang tidak digunakan dan menghitung nilai entropinya, 2) memilih atribut dengan nilai entropy paling minimum, 3) membuat simpul yang berisi atribut yang telah terpilih.
3. Naive Bayes Classifier
Naive Bayes Classifier (NBC) merupakan metode klasifikasi dalam machine learning yang termasuk ke dalam supervised learning. Algoritma ini memprediksi peluang di masa depan berdasarkan pengalaman di masa sebelumnya. Algoritma NBC menggunakan teorema Bayes yang ditemukan oleh Thomas Bayes pada abad ke-18. Teorema Bayes ini menerapkan teori perhitungan probabilitas atau peluang bersyarat yang dinyatakan sebagai
4. Algoritma Genetika
Adakalanya seseorang dalam menyelesaikan permasalahan memiliki banyak solusi, namun masih belum mengetahui manakah solusi yang lebih optimal. Terdapat salah satu teknik yang dapat digunakan yaitu menggunakan algoritma genetika. Algoritma genetika ini secara umum memiliki enam tahapan yaitu pembentukan kromosom dan populasi, menghitung nilai fitness, crossover, mutasi dan proses replacement serta syarat pemberhentian. Kekurangan dari algoritma ini adalah untuk menemukan nilai yang optimal memerlukan generasi yang banyak.
Baca juga : Kenali Algoritma Klasifikasi Machine Learning Terpopuler di Tahun 2021
Machine learning atau mesin pembelajar adalah salah satu bagian penting dalam proses analisis data yang perlu dipelajari dan diterapkan beberapa algoritmanya.
DQLab merupakan suatu platform belajar online yang berfokus pada pengenalan Data Science & Artificial Intelligence (AI) dengan menggunakan berbagai bahasa pemrograman populer. Selain itu DQLab merupakan platform edukasi pertama yang mengintegrasi fitur ChatGPT.
DQLab juga menggunakan metode HERO, yaitu Hands-On, Experiental Learning & Outcome-based, yang dirancang ramah untuk pemula. Untuk bisa merasakan pengalaman belajar yang praktis & aplikatif yuk langsung saja sign up di DQLab.id/signup
Penulis : Latifah Uswatun Khasanah
Editor : Annissa Widya Davita