Kenali Algoritma di Beberapa Tipe Machine Learning

Pada era revolusi industri 4.0 ini semakin muncul berbagai teknologi canggih yang tentunya sangat memudahkan kegiatan keseharian kita. Berbagai kecanggihan teknologi ini diiringi dengan berbagai ilmu yang berkaitan dengan teknologi. Salah satu ilmu tersebut adalah machine learning. Terdapat berbagai tipe machine learning pula yang dapat digunakan untuk memudahkan para praktisi data dalam menganalisis data dan menentukan teknik yang tepat dengan data yang digunakan.

Machine learning (pembelajaran mesin) merupakan salah satu cabang dari artificial intelligence (kecerdasan buatan). Machine learning ini sudah sering digunakan para praktisi data dalam mengolah data terutama data yang berukuran besar atau biasa disebut dengan big data. Big data ini perlu dianalisis dengan teknik yang tepat dan sesuai dengan jenis data serta tujuan penelitian. Dalam prakteknya, terdapat beberapa algoritma machine learning yang sering digunakan. Apa saja kah itu? Yuk, simak bersama-sama!

1. Decision Tree

Decision tree atau biasa disebut dengan pohon keputusan merupakan salah satu algoritma machine learning yang sering digunakan untuk proses klasifikasi. Algoritma ini disebut dengan decision tree dikarenakan output dari algoritma ini adalah berbentuk skema yang berbentuk seperti pohon. Algoritma ini memiliki beberapa elemen penting yang tidak bisa terlewatkan seperti root node (akar), branches (ranting) dan leaf node (daun). Kelebihan dari algoritma ini adalah mudah dibaca dan disiapkan tanpa menggunakan perhitungan yang rumit serta proses data cleaning yang cenderung lebih sedikit.

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

2. K-Means

Algoritma K-Means termasuk ke dalam tipe algoritma unsupervised learning yang salah biasanya digunakan untuk klasterisasi. Algoritma ini adalah salah satu algoritma pengklasteran yang menggunakan nilai rata-rata. Dalam algoritma ini data dibagi menjadi beberapa bagian dan memiliki fungsi objektif. K-Means bertujuan untuk meminimalisasikan fungsi objektif yang telah diset dalam proses clustering. Langkah awal dari metode ini adalah dengan menentukan jumlah cluster sebanyak k lalu menghitung nilai rata-rata. Setelah itu akan dilanjutkan dengan beberapa tahapan k-means clustering.

3. Support Vector Machine

Support Vector Machine atau biasa disingkat dengan SVM merupakan algoritma klasifikasi yang termasuk ke dalam tipe supervised learning. Algoritma SVM ini nantinya akan membagi data menjadi dua kelas dengan menggunakan hyperplane. Tujuan dari algoritma ini adalah untuk mencari hyperplane atau pemisah yang dapat memaksimalkan ajark antar kelas data. Caranya adalah dengan mengukur margin lalu mencari nilai titik maksimalnya. 

4. Association Rule

Association rule adalah salah satu algoritma yang diterapkan pada data mining deskriptif yang bertujuan untuk menemukan aturan asosiasi di antara item-item data. Association rule ini ampuh untuk digunakan dalam pelaksanaan strategi cross-selling. Algoritma ini bisa juga digunakan untuk memantau menemukan sejumlah aturan asosiasi dari basis data transaksi peminjaman buku sehingga dapat menjadi rujukan bagi perpustakaan untuk penempatan buku-buku.

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

Terdapat berbagai tipe machine learning beserta algoritmanya yang perlu diketahui oleh praktisi data. Pengetahuan ini tentunya membantu praktisi data dalam mengembangkan proses analisis agar sesuai sasaran dan lebih valid. Beberapa algoritma itu dapat kamu pelajari di DQLab. DQLab menyediakan berbagai modul gratis untuk belajar dari dasar dengan bahasa yang mudah dipahami.

DQLab menyajikan materi secara teori maupun praktek. Selain itu di DQLab pun menyediakan berbagai modul dan ebook dengan materi yang beragam sesuai kebutuhan.

Cara bergabungnya sangat mudah. Langsung saja sign up di DQLab.id/signup dan nikmati belajar data science DQLab. 

Penulis : Latifah Uswatun Khasanah

Editor : Annissa Widya Davita