Data Analytics (DA) Lead Niagahoster yakni Muhammad Sifaul Rizky yang menyampaikan materi terkait machine learning dalam OMITS 2022

Kampus ITS, ITS News – Kompetisi Olimpiade Matematika Institut Teknologi Sepuluh Nopember (OMITS) kembali hadir membuka pandangan bahwa Matematika tidak hanya perihal perhitungan saja. Lewat webinar-nya, OMITS kenalkan tiga tipe algoritma dalam machine learning, Sabtu (20/8).

Data Analytics Lead Niagahoster, Muhammad Sifaul Rizky mengatakan bahwa terdapat tiga tipe utama dalam algoritma machine learning. Machine learning sendiri merupakan mesin yang dikembangkan untuk dapat belajar dengan sendiri tanpa arahan dari penggunanya. Adapun ketiga algoritma tersebut adalah supervised, unsupervised, dan reinforcement.

Rizky mengulik, supervised learning merupakan algoritma paling populer dalam machine learning. “Sebenarnya, algoritma ini belajar dari data yang sudah ada jawabannya. Sebagai contoh, teman-teman mengetahui apabila satu tambah satu sama dengan dua,” papar alumnus ITS tersebut.

Muhammad Sifaul Rizky memberikan ilustrasi terkait tiga tipe algoritma dalam machine learning

Rizky pun menganalogikan, cara algoritma supervised learning bekerja mirip dengan manusia yang diberikan pengetahuan baru melalui teori yang sudah ada. Dalam hal ini, data yang dipelajari sudah termasuk ke dalam fakta atau data berlabel. Oleh karena itu, supervised learning mengidentifikasi data secara eksplisit dan melakukan prediksi atau klasifikasi yang sesuai.

Berbanding terbalik dengan supervised learning, Rizky menuturkan, unsupervised learning bekerja dengan metode yang berbeda. Unsupervised learning merupakan algoritma yang menganalisis dan mengidentifikasi data yang belum berlabel. “Dalam unsupervised learning, bisa saja satu ditambah satu hasilnya sama dengan sepuluh,” terang laki-laki yang andal mengoperasikan bahasa pemrograman Python itu.

Menyambung pernyataan sebelumnya, Rizky melanjutkan bahwa algoritma yang bekerja melalui metode unsupervised learning tidak bisa mengetahui kebenaran maupun kesalahan data. Namun, pendekatan yang digunakan lebih kepada mencari pola dari suatu data melalui teknik pengelompokan objek ke dalam suatu grup seperti logika klaster.

Klasifikasi dalam algoritma machine learning yang berupa supervised learning, unsupervised learning, dan reinforcement learning

Terakhir, Rizky menjelaskan terkait cara kerja algoritma reinforcement learning yang menurutnya mirip dengan supervised learning. Akan tetapi, algoritma-algoritma dalam reinforcement learning tidak dilatih menggunakan data yang sederhana. “Reinforcement learning mempelajari data melalui pengimplementasian konsep uji coba dan kegagalan atau trial and error,” ungkap Rizky.

Rizky kembali membuat analogi terkait kerangka berpikir reinforcement learning yang cenderung mengevaluasi perilaku dalam suatu kasus. Apabila jawaban yang diberikan benar maka akan mendapatkan umpan balik. Namun, apabila jawaban yang diberikan salah, tidak akan mendapatkan apa pun. Dengan demikian, reinforcement learning bekerja berdasarkan lingkungan yang dinamis untuk mencapai suatu target tertentu.

Muhammad Sifaul Rizky saat sesi pemberian sertifikat di akhir pemaparan

Mengakhiri pembahasan di atas, Rizky menjabarkan, ilmu mengenai machine learning tidak akan lepas dari data science. Kendati demikian, penerapan machine learning bermanfaat untuk mengekstrak data menjadi informasi yang berguna bagi keberlangsungan suatu usaha melalui siklus berupa pemahaman bisnis, pemahaman dan pengoperasian data, serta evaluasi dan pengembangan. (*)

Reporter: Yanwa Evia Java
Redaktur: Muhammad Faris Mahardika