TIKET DQGRATIS UNTUK KAMU!
Sesi Belajar Excel Basic hingga Visualisasi Data Sederhana bersama DQLab  
DAFTAR SEKARANG
Pendaftaran ditutup dalam 0 Hari 17 Jam 28 Menit 55 Detik 

Yuk, Mengenal Penerapan Tipe-Tipe Machine Learning

Belajar Data Science di Rumah 05-Maret-2021
https://dqlab.id/files/dqlab/cache/dc623f02eec92b4f38be38a11c03242f_x_Thumbnail800.jpg

Machine Learning identik dengan Data Science dan sekitarnya. Hal ini dikarenakan dengan Machine Learning kita dapat dengan mudah untuk mengidentifikasi pola dan tren, serta sistem sudah terotomatisasi tanpa perlu campur tangan manusia. Selain itu Machine Learning dapat menangani data multidimensi dan data bervariasi.  Machine Learning memiliki manfaat yang sangat penting di berbagai industri, dengan Machine Learning data akan dilatih dengan menggunakan algoritma Machine Learning dan menggunakan model tersebut untuk pengambilan keputusan. Untuk itu, selain memahami serta menguasai tipe Machine Learning kita juga harus memahami penerapan dari masing-masing tipe Machine Learning tersebut. 


Dalam artikel ini akan membahas apa saja penerapan tipe-tipe Machine Learning yang bisa kamu coba dan kamu tambahkan sebagai portfolio data kamu, agar portfolio datamu semakin kaya dan outstanding. Kira-kira apa saja ya, penerapan tipe Machine Learning itu ? Yuk, simak artikel ini.

1. Klasifikasi Citra Sidik Jari

Klasifikasi termasuk kedalam salah satu tipe Machine Learning yaitu Supervised Learning. Algoritma Klasifikasi memiliki peran yang sangat besar khususnya dalam mengklasifikasikan citra. Dengan teknologi pengolahan citra (image processing) sangat memungkinkan untuk membantu manusia dalam mengenali suatu citra digital salah satunya untuk pengklasifikasian citra sidik jari. Machine Learning mampu mengidentifikasi data sidik jari dalam jumlah besar berdasarkan sifat yang dimiliki sidik jari seperti, perennial nature (guratan-guratan sidik jari), immutability, individuality (pola sidik jari yang berbeda tiap orang). Dengan menerapkan algoritma Machine Learning dapat meningkat kualitas citra sidik jari, mengingat kendala yang terjadi ketika menggunakan metode point minutiae adalah citra sidik jari memiliki kualitas yang rendah. Salah satu pemodelan yang dapat kamu terapkan untuk klasifikasi citra sidik jari adalah algoritma KNN.


Baca juga : 3 Jenis Algoritma Machine Learning yang Dapat Digunakan di Dunia Perbankan

2.  Klasterisasi Persebaran Virus Covid-19

Pandemi Covid-19 benar-benar melanda dunia saat ini. Untuk di Indonesia sendiri DKI Jakarta menjadi titik awal persebaran virus Covid-19, dan hingga kini juga masih menjadi provinsi yang menyumbangkan kasus Covid-19 di Indonesia. Dengan menerapkan algoritma Machine Learning kamu bisa melakukan klasterisasi persebaran virus Covid-19 di Jakarta atau provinsi manapun yang kamu butuhkan, berdasarkan parameter-parameter tertentu seperti jumlah kasus positif, ODP, PDP, pasien sembuh, populasi penduduk dan pasien meninggal. Sehingga data yang memiliki karakteristik yang sama akan dikelompokkan ke dalam satu cluster yang sama. Selain memperkaya portfolio mu, contoh penerapan ini juga dapat bermanfaat untuk banyak orang agar tetap meningkatkan pengawasan dan lebih peduli lagi terhadap lingkungan minimal sekitar tempat tinggal mereka. Salah satu pemodelan yang dapat kamu gunakan untuk klasterisasi persebaran Covid-19 adalah algoritma K-Means.

3. Asosiasi Cross-Selling Produk

Di industri retail atau perusahaan pemasaran pasti selalu menyimpan data transaksi mereka setiap harinya. Dimana hal tersebut akan membludak jika tidak segera dimanfaatkan secara tepat. Untuk mengatasi hal tersebut diperlukan sebuah metode untuk melakukan pengolahan data yang membludak tadi menjadi informasi baru yang dapat bermanfaat dalam pengambilan keputusan dan menentukan strategi bisnis salah satunya menetapkan cross-selling produk. Dengan menerapkan Machine Learning Association Rule yang memiliki prosedur Market Basket Analysis yang digunakan untuk mencari hubungan antar item dalam suatu dataset sehingga terbentuk suatu pola kebiasaan pelanggan dalam membeli suatu produk. Pola ini dapat dijadikan sebagai insight bagi perusahaan untuk menentukan strategi bisnis. Pemodelan yang dapat kamu terapkan untuk asosiasi cross-selling produk adalah FP-Growth yaitu pengembangan dari algoritma Apriori.


Baca juga : Belajar Data Science: Pahami Penggunaan Machine Learning pada Python

4. Yuk Mulai Belajar Menjadi Data Scientist Bersama DQLab!       


Gunakan Kode Voucher "DQTRIAL", dan simak informasi di bawah ini mendapatkan 30 Hari FREE TRIAL:

  1. Buat Akun Gratis dengan Signup di DQLab.id/signup

  2. Buka academy.dqlab.id dan pilih menu redeem voucher 

  3. Redeem voucher "DQTRIAL" dan check menu my profile untuk melihat masa subscription yang sudah terakumulasi. 

  4. Selamat, akun kamu sudah terupgrade, dan kamu bisa mulai Belajar Data Science GRATIS 1 bulan.

    Penulis: Rian Tineges

    Editor : Annissawd


    Postingan Terkait

    Sign Up & Mulai Belajar Gratis di DQLab!