Apa itu Supervised Learnig?
Supervised learning adalah suatu pendekatan dalam pembuatan AI. Disebut “supervised” karena dalam pendekatan ini, machine learning dilatih untuk mengenali pola antara input data dan label output. Tidak hanya itu, machine learning juga dilatih untuk mengidentifikasi hubungan yang mendasari koneksi input data dengan label output.
Jika diibaratkan, supervised learning adalah belajar di sekolah. Saat belajar di sekolah, Anda mempelajari materi atau mata pelajaran yang sudah ditentukan. Supervised learning pun demikian, machine learning dilatih untuk mempelajari data yang telah diberi label khusus.
Contoh algoritma yang digunakan pada supervised learning meliputi :
- Clasification (Categorical) and Regression (Numerical)
- Logistic Regression
- Model Ensemble
- Time series
Unsupervised learning atau pembelajaran tak terarah adalah teknik pembelajaran mesin di mana pengguna tidak perlu mengawasi modelnya. Sebaliknya, pembelajaran tak terarah memungkinkan model bekerja sendiri untuk menemukan pola dan informasi yang sebelumnya tidak terdeteksi, terutama yang berkaitan dengan data yang tidak berlabel.
Algoritma unsupervised learning memungkinkan pengguna untuk melakukan tugas pemrosesan yang lebih kompleks dibandingkan dengan supervised learning. Namun, pembelajaran tak terarah bisa lebih tidak terduga dibandingkan dengan metode pembelajaran alami lainnya. Algoritma pembelajaran tak terarah termasuk pengelompokan, deteksi anomali, jaringan saraf, dan lain-lain.
Contoh algoritma yang digunakan pada supervised learning meliputi
- K-Means
- hierarcikal clastering
- DBMSCAM
Perbedaan yang paling mendasar terletak pada bagaimana algoritma komputer bekerja dalam masing-masing pendekatan. Pada supervised learning, algoritma dilatih terlebih dulu baru bisa bekerja. Sedangkan algoritma komputer unsupervised learning telah dirancang untuk bisa langsung bekerja walaupun tanpa dilatih terlebih dulu.
Untuk memudahkan Anda, berikut adalah beberapa poin yang membedakan supervised dan unsupervised learning:
1. Kegunaan
Jika dilihat dari kegunaannya, kedua pendekatan ini sangat berbeda. Supervised learning akan membantu Anda untuk mengumpulkan atau memproduksi output data dari pengalaman yang sudah pernah terjadi. Hal ini mirip dengan memori manusia. Anda baru bisa mengingat nama seseorang ketika sudah pernah berkenalan atau bertemu.
Sementara itu, unsupervised learning lebih sering digunakan untuk menemukan seluruh pola yang tidak dikenal dalam data. Contoh penerapan yang sudah sering digunakan dalam kehidupan sehari-hari adalah prediksi waktu pada peta digital. Saat menggunakan peta digital untuk mencari rute menuju lokasi tertentu, sistem akan mencantumkan prediksi waktu tempuh. Padahal, Anda belum pernah berkendara ke lokasi tersebut.
2. Proses kerja
Pada model supervised learning, Anda akan mendapatkan variabel data input dan output. Namun, hal ini tidak terjadi pada unsupervised learning. Pada pendekatan tersebut, Anda hanya akan mendapatkan data input.
Ini karena supervised learning memungkinkan Anda untuk mengumpulkan atau memproduksi output data yang didapat dari pengalaman sebelumnya. Sementara itu, unsupervised learning tidak dirancang untuk “belajar” dari pengalaman sebelumnya sehingga tidak menghasilkan output data.
3. Proses belajar
Seperti yang sudah Anda ketahui, machine learning melakukan pembelajaran untuk bisa mengenali data. Namun, proses belajar tiap pendekatan machine learning berbeda-beda. Ada yang melakukannya secara real-time, tapi ada juga yang melakukannya secara offline atau mempersiapkan materi belajar sebelum berhadapan langsung dengan data.
Pada supervised learning, algoritma komputer melakukan pembelajaran secara offline sebelum menghadapi data. Artinya, komputer “dibekali” sejumlah materi tertentu agar nanti dapat mengenali data dengan mudah.
Hal ini tidak terjadi pada unsupervised learning. Pada pendekatan ini, algoritma komputer mempelajari data secara real-time. Itu artinya, ketika komputer berhadapan dengan data, pada saat itu juga, komputer belajar mengenali data.
Kesimpulan
Baik supervised maupun unsupervised learning adalah pendekatan yang dilakukan algoritma komputer dalam mengenali pola pada data. Supervised mengenali data dari label khusus yang telah diberikan sebelumnya, sedangkan unsupervised mengenali data secara real-time begitu data disajikan.
