MIDYEAR PROMO! Segera Beli Paket Premium Belajar Data Science 6 Bulan hanya Rp. 99.000. DAFTAR

Pakai Kode: DQMIDYEAR. Berakhir 0 Days 7 Jam : 48 Menit : 5 Detik

Mengenal Tipe Machine Learning Bersama DQLab

Belajar Data Science di Rumah 19-Desember-2020
https://dqlab.id/files/dqlab/cache/ca62cfaf9bab99be6d6c871d909a93df_x_Thumbnail800.jpg

Tipe tipe algoritma pada Machine Learning terdiri dari Unsupervised Learning, Supervised Learning dan Semi Supervised Learning. Seperti yang pernah dibahas di artikel lainnya, Machine Learning tanpa data maka tidak akan bisa bekerja. Oleh sebab itu, hal yang pertama kali perlu disiapkan adalah data. Untuk menghasilkan pola atau suatu kesimpulan yang diinginkan, algoritma pada Machine Learning menghasilkan suatu model yang didasari sebuah data. Seperti yang sudah kamu ketahui dan pahami bahwa Machine Learning merupakan mesin yang mempelajari ilmu algoritma dan statistik, guna melakukan task tertentu tanpa adanya instruksi. Salah satu model kecerdasan buatan ini merupakan mesin yang bergantung pada suatu pola dan kesimpulan.

 

Jika kamu adalah seorang yang berasal dari non IT, tenang saja jangan khawatir karena setiap orang memiliki kesempatan yang sama untuk mempelajarinya. Karena pada dasarnya Machine Learning dan Data Science tidak hanya terbatas di background pendidikan tertentu, mengingat pada era digital transformation saat ini, ilmu ini dapat digunakan di semua lini bisnis.  Ingin tahu tipe-tipe algoritma yang dimiliki Machine learning? Yuk, simak pembahasan berikut!

 

1. Random Forest

Random Forest adalah salah satu metode berbasis klasifikasi dan regresi dimana terdapat proses agregasi decision tree. Oleh karena itu, prinsip dasar random forest mirip dengan decision tree. Masing-masing decision tree akan menghasilkan output yang bisa saja berbeda-beda. Nah, random forest ini akan melakukan voting untuk menentukan hasil mayoritas dari semua decision tree. Bedanya, random forest akan memberikan output berupa mayoritas hasil dari semua decision tree. Algoritma ini memberikan akurasi yang bagus dalam klasifikasi, dapat menangani data training yang jumlahnya besar, dan juga efektif untuk mengatasi data yang tidak lengkap.

 

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

 

2. K-Means Clustering

Seperti namanya, algoritma ini digunakan untuk kasus clustering. Metode ini akan melakukan proses pemodelan unsupervised dan melakukan pengelompokan data dengan sistem partisi. Cara kerja algoritma ini pada awalnya dengan membentuk sejumlah k titik, yang disebut dengan centroid (dimana nilai k merepresentasikan jumlah cluster). Kemudian titik-titik data (data points) yang ada akan membentuk cluster dengan centroid terdekat darinya. Secara otomatis, titik pusat (centroid) akan berubah seiring dengan pertambahan anggota tiap cluster-nya (yang mana adalah data points tadi). Oleh karena itu, setiap cluster yang telah terbentuk akan ‘mencari’ titik centroid barunya. Proses ini dilakukan berulang-ulang hingga diperoleh kondisi konvergensi, contohnya jika posisi centroid sudah tidak berubah. Terdapat dua jenis data clustering pada pengelompokan data, yaitu hierarchical dan non hierarchical, dan K-Means termasuk ke dalam metode non-hierarchical.

 

3. Decision Tree

Decision Tree merupakan salah satu algoritma yang sangat mudah dipahami dalam klasifikasi objek. Algoritma ini adalah salah satu algoritma Supervised Learning. Decision Tree membagi data menjadi himpunan bagian berdasarkan variabel inputnya. Algoritma ini merupakan jenis diagram alir yang membantu dalam proses pengambilan keputusan. Decision Tree ini menjadi alat pendukung keputusan yang menggunakan grafik atau model seperti pohon.

Grafik ini terdiri dari jumlah minimum ya/tidak pertanyaan dari sebuah pertanyaan, untuk menilai masing-masing probabilitasnya. Nilai probabilitas ini akan menjadi sebuah metode pengambilan keputusan dengan cara yang terstruktur dan sistematis untuk sampai pada kesimpulan yang tepat.

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


 

4. Tingkatkan Ilmu Datamu dengan Belajar bersama DQLab Sekarang!

Tidak memiliki background IT? Jangan khawatir, kamu tetap bisa menguasai Ilmu Data Science untuk siap berkarir di revolusi industri 4.0. Bangun proyek dan portofolio datamu bersama DQLab untuk mulai berkarir di industri masa kini! Sign up sekarang untuk #MulaiBelajarData di DQLab!

Simak informasi di bawah ini untuk mengakses gratis module ‘Introduction to Data Science’:

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

2. Akses module Introduction to Data Science

3. Selesaikan modulenya, dapatkan sertifikat & reward menarik dari DQLab

4. Subscribe DQLab.id untuk Akses Semua Module Premium!

Penulis : Salsabila Miftah Rezkia

Editor : Annissa Widya Davita

Share

Postingan Terkait

Mulai Bangun Karirmu Bersama DQLab!