BEDUG MERIAH Diskon 95%
Belajar Data 6 BULAN Bersertifikat hanya Rp150K!

0 Hari 1 Jam 44 Menit 0 Detik

Kelebihan dari Tipe Supervised Machine Learning

Belajar Data Science di Rumah 01-Maret-2023
https://dqlab.id/files/dqlab/cache/d3c9430704d6f2780cea9157612b79ba_x_Thumbnail800.jpeg

Supervised machine learning menjadi salah satu tipe machine learning yang perlu dikuasai oleh praktisi data karena fungsinya yang sederhana dan sangat dibutuhkan dalam kehidupan nyata. Misalnya, ketika praktisi data harus mengelompokkan sebuah email menjadi spam atau bukan, mendeteksi adanya fraud atau tidak, memprediksi curah hujan atau cuaca di wilayah tertentu. Begitu banyaknya kebutuhan akan prediksi tersebut, membuat supervised machine learning sangat populer. 


Tipe machine learning ini tentunya memiliki cara kerja khusus sehingga membedakan dengan tipe lainnya. Bahkan supervised machine learning juga memiliki beragam kelebihan dan kekurangan. Bagaimana cara kerja supervised machine learning dalam menyelesaikan permasalahan? Yuk, simak penjelasan lebih detailnya di bawah ini!


1. Supervised Machine Learning

Supervised machine learning adalah tipe machine learning yang memerintahkan mesin untuk mempelajari training data berlabel sehingga dengan basis data yang diketahui tersebut, maka mesin dapat memprediksi output yang dihasilkan. Pada supervised learning, training data digunakan untuk mesin agar menjadi ‘supervisor’ yang mengajari mesin untuk memprediksi hasil output dengan benar. Secara sederhana, konsep yang digunakan sama dengan guru sedang mengajari murid suatu konsep dasar agar bisa digunakan untuk menyelesaikan soal yang serupa. 


Tujuan dari supervised machine learning adalah untuk menentukan fungsi pemetaan yang sesuai dari variabel (x) terhadap variabel (y). Dalam kehidupan nyata, supervised learning sering digunakan untuk menyelesaikan permasalahan klasifikasi gambar, deteksi kecurangan atau fraud, filter spam, dan lain-lain. Perhatikan contoh berikut agar memiliki gambaran yang lebih detail berkaitan dengan supervised learning.



Gambar 1 adalah data dari sebuah toko pakaian. Dengan data yang dimiliki, kalian bisa melakukan prediksi apakah customer tersebut memutuskan untuk membeli atau tidak. Kode 0 berarti tidak membeli, kode 1 berarti memutuskan membeli. 


Sedangkan gambar 2 adalah prediksi kecepatan angin berdasarkan data temperatur, tekanan, kelembaban, dan arah angin. Dengan data tersebut, pekerja yang bergerak di bidang cuaca dan iklim dapat memberikan prediksinya.


Baca juga : Yuk Kenali Macam-Macam Algoritma Machine Learning!


2. Bagaimana Supervised Machine Learning Bekerja?

Seperti pembahasan sebelumnya, supervised learning bekerja dengan cara mengajarkan mesin menggunakan dataset yang sudah diberi label sehingga informasi tersebut dapat digunakan untuk menghasilkan prediksi. Setelah proses training selesai, maka dengan diberi data yang baru (test data) maka mesin dapat mengenali outputnya. Penjelasan cara kerja supervised machine learning dapat dengan mudah dipahami melalui bagan berikut.


Machine Learning

Misalkan kalian memiliki sejumlah data yang berisi macam-macam bentuk. Seperti segitiga, segi empat, atau segi enam. Masing-masing bentuk bangun tersebut telah diberi label dan memiliki ciri-cirinya. Dengan memberikan input, maka mesin akan mempelajari data tersebut. Mesin kemudian akan menemukan informasi seperti:

  • Jika suatu bentuk memiliki empat sisi dengan setiap sisinya sama panjang, maka bentuk ini berlabel Square.

  • Jika suatu bentuk memiliki tiga sisi, maka bentuk ini berlabel Triangle.

  • Jika suatu bentuk memiliki enam sisi sama panjang, maka bentuk ini berlabel Hexagon.

Selanjutnya, ketika kalian melakukan testing model dengan test data tanpa label yang sudah disiapkan, mesin akan dengan mudah mengidentifikasi data tersebut. Dalam contoh di atas, maka mesin bisa memberi label output yaitu Square dan Triangle. 


3. Jenis-jenis Supervised Machine Learning

Machine Learning

Supervised machine learning secara lebih detail terbagi menjadi 2 jenis yaitu regresi dan klasifikasi. Mari simak penjelasan masing-masing.

  • Regresi. Algoritma regresi digunakan jika terdapat hubungan antara variabel input dan variabel output. Metode ini digunakan untuk memprediksi data kontinu, seperti prediksi cuaca, market tren, prediksi harga produk, dan lainnya. Beberapa algoritma yang populer pada jenis ini adalah linear regression, regression trees, non-linear regression, bayesian linear regression, dan polynomial regression.

  • Klasifikasi. Klasifikasi digunakan ketika variabel output yang diharapkan adalah kategorial atau artinya outputnya berupa kelas atau segmen seperti Ya-Tidak, Male-Female, Salah-Benar, dan sebagainya. Algoritma yang populer digunakan pada jenis ini adalah random forest, decision trees, logistic regression, dan support vector machine. 


Baca juga : Kenali Algoritma Klasifikasi Machine Learning Terpopuler di Tahun 2021


4. Kelebihan dan Kekurangan Supervised Machine Learning

Machine Learning

Sebagai tipe machine learning yang sering digunakan, tentu supervised machine learning memiliki kelebihan dan kekurangan masing-masing. Berikut beberapa kelebihan yang dimiliki supervised machine learning.

  • Dengan data sebelumnya, tipe ini dapat dengan mudah memprediksi output secara akurat.

  • Melalui supervised machine learning, label data atau informasi data dapat dengan tepat kita terima terutama berhubungan dengan proses klasifikasi.

  • Banyak digunakan untuk menyelesaikan permasalahan di industri teknologi seperti deteksi spam pada email, atau kecurangan (fraud).

Sedangkan kekurangan yang dimiliki supervised machine learning adalah sebagai berikut.

  • Tipe ini cukup sulit untuk digunakan pada data yang kompleks.

  • Karena prosesnya mempelajari data yang dimiliki sebelumnya, maka tipe ini kesulitan menentukan output pada data dengan label yang belum dikenali sama sekali.

  • Training model membutuhkan waktu yang lama.

  • Kita perlu mengenali atau memiliki informasi mendalam terhadap dataset yang dimiliki karena ini yang digunakan mesin atau model untuk menghasilkan output.

Machine learning memiliki tipe lainnya seperti unsupervised learning dan reinforcement learning. Tipe ini tentunya memiliki fungsi yang berbeda dengan supervised learning. Sebelum menjadi praktisi data yang ahli, kalian wajib loh untuk memahami perbedaan tipe machine learning tersebut.  


Mulai tertarik untuk belajar lebih dalam? Pembahasan lebih detail ini dapat Sahabat DQ temukan di modul pembelajaran DQLab. Di sini kalian akan belajar mulai dari dasar hingga penerapan machine learning di beragam kasus. Sangat cocok bagi kalian yang pemula atau memiliki latar belakang Non IT. Selain modul pembelajaran di desain khusus, setiap praktik yang ada juga sudah secara mudah dilengkapi dengan Live Code Editor sehingga kalian tidak perlu install aplikasi tambahan. Yuk, segera Sign Up dan nikmati metode pembelajarannya!


Penulis : Dita Feby 

Editor : Annissa Widya  


Mulai Karier
sebagai Praktisi
Data Bersama
DQLab

Daftar sekarang dan ambil langkah
pertamamu untuk mengenal
Data Science.

Buat Akun


Atau

Sudah punya akun? Login