Yuk, Kenali 3 Algoritma dalam Data Science

Data science merupakan suatu disiplin ilmu yang mempelajari tentang data. Ilmu data ini merupakan ilmu yang luas dan subyektif. Data science bukanlah ilmu yang berdiri sendiri, melainkan ilmu kombinasi dari beberapa bidang seperti matematika, statistika, informasi teknologi, sistem informasi, serta strategi bisnis. Terdapat tiga komponen dalam data science, yaitu organising (mengorganisir), packaging (memanipulasi dan menggabungkan), dan delivering (dapat diakses). Dalam data science terdapat pula beberapa jenis algoritma data science yang sering diterapkan untuk memecahkan suatu permasalahan.

Algoritma merupakan urutan langkah demi langkah logis yang digunakan untuk menyelesaikan suatu masalah secara sistematis. Algoritma tidak dapat lepas dari pemrograman yang mana hal itu menjadi salah satu hal penting dalam menyelesaikan masalah big data. Terdapat beberapa jenis algoritma yang digunakan sesuai dengan jenis data yang ada, yaitu algoritma supervised learning, algoritma unsupervised learning dan algoritma reinforcement learning.

1. Algoritma Supervised Learning

Algoritma Supervised Learning atau algoritma pembelajaran terpadu merupakan suatu algoritma dimana data yang digunakan dalam algoritma ini adalah data yang memiliki label atau kelas, artinya algoritma ini mengidentifikasi fitur secara eksplisit dan memprediksi atau klasifikasi yang sesuai. Dalam data pada algoritma supervised learning terdapat dibagi menjadi dua, yaitu data latih dan data uji. Adapun macam-macam algoritma supervised learning yang sering digunakan adalah Naive Bayes Classifier, K-Nearest Neighbour, Regresi Linier, Random Forest, Decision Tree dan Artificial Neural Network.

Baca juga : Awali Kursus Data Science Gratis Di Era Pandemi Bersama DQLab

2. Algoritma Unsupervised Learning

Algoritma Unsupervised Learning atau algoritma tanpa pembelajaran terpadu merupakan kebalikan dari algoritma supervised learning. Data yang digunakan dalam algoritma ini adalah data yang tidak memiliki label. Algoritma unsupervised learning mengidentifikasi data berdasarkan kepadatan, struktur, segmen serupa dan fitur serupa. Algoritma yang sering digunakan adalah clustering, deteksi anomali dan deep belief network. Adapun teknik clustering yang umum digunakan adalah K-Means, DBSCAN dan hirarki clustering.

3. Algoritma Reinforcement Learning

Algoritma reinforcement learning berbeda dengan algoritma supervised learning maupun unsupervised learning. Algoritma ini dimaksudkan untuk membuat komputer dapat belajar sendiri dari lingkungan (environment) melalui sebuah agent. Reinforcement Learning biasanya digunakan untuk membantu menemukan situasi mana yang membutuhkan tindakan. serta dapat membantu menemukan action mana yang menghasilkan reward tertinggi selama periode yang lebih lama,

Baca juga : Kursus Data Science Jakarta: Tips Cermat Belajar Data Science bersama DQLab!