Skip to content Skip to sidebar Skip to footer

Perbedaan Antara Algoritma dan Model Dalam Machine Learning

 Assalamualaikum Wr.Wb - Salam Sejahtera dan Salam Budaya

Dalam ilmu Data Mining perlu suatu penggunaan metode-metode dalam pembelajaran datanya. Nah, dalam hal ini perlu untuk melakukan suatu teknik yang disebut machine learning. Dalam machine learning akan melibatkan antara algoritma dan model machine learning.

Untuk pemula, ini akan terasa membingungkan karena algoritma machine learning biasa digunakan secara bergantian dengan model machine learning. Apakah kedua metode iku sama atau berbeda ?. 

Oleh karena itu, mari kita bahas dalam artikel ini dan kamu akan menemukan perbedaan antara algoritma dan model dalam pembelajaran mesin pada ilmu data mining.

Sebagai gambaran, yang akan kita bahas adalah 

  1. Apa itu Algoritma dalam machine learning ?
  2. Apa itu Model dalam machine learning ?
  3. Prosedur Algoritma vs Model 
  4. Machine Learning adalah pemrograman otomatis.
Machine Learning
sumber : pixabay

Apa itu Algoritma Dalam Machine Learning ?

Algoritma dalam machine learning adalah sebuah tahapan atau prosedur yang dijalankan pada sebuah data untuk pembentukan "model" dalam machine learning.

Secara umum Algoritma dalam data mining atau pembelajaran mesin akan melakukan "pengenalan pola" serta algoritma juga "belajar" dari dataset atau biasa dinamakan dengan training data.

Dalam ilmu data mining ada banyak Algorima yang terdapat pada machine learning. Misalnya dalam algoritma untuk klasifikasi ada yang dinamakan Naive Bayes. Kemudian algoritma untuk klaster ada yang disebut dengan k-meand. Pada bentuk atau pola regresi ada algoritma yang dinamakan linear regresi

Baca Juga : Proses dan Tahapan dari Ilmu Data Mining

Contoh Algoritma Dalam Machine Learning :

Dibawah ini adalah beberapa contoh algoritma berdasarkan teknik atau metode pembelajarannya.

  • Regresi
    • Regresi Linier Sederhana
    • Regresi Linier Berganda
    • Regresi Logistik
  • Decision Tree
    • Algoritma CHART
    • Algoritma ID3
    • Algortima C4.5
  • Bayesian
    • Naive Bayes
  • Artificial Neural Network
    • Perceptron
    • Probabilistic Neural Network
    • Backpropagation
    • Gradient Descent
  • Support Vector Machine
  • Instance-Based Learning
    • k-Nearest Neighbor (k-NN)
  • Unsupervised Learning
    • K-Means Clustering
    • Hierarchical Clustering
  • Ensemble Learning
    • Bagging
    • Random Forest
    • Gradient Boosting
  • Deep Learning

Misalnya, kamu mungkin melihat algoritma machine learning dijelaskan dengan kodesemu atau dalam aljabar linear di jurnal penelitian dan artikel-artikel. Kamu mungkin melihat efisiensi komputasi dari algoritma pembelajaran mesin tertentu dibandingkan dengan algoritma lainnya.

Algoritma dalam machine learning konsepnya sama dengan algoritma lainnya dalam ilmu komputer. Dengan demikian, algoritma machine learning memiliki sejumlah kriteria yaitu :

  1. Algoritma machine leaning dapat dideskripsikan menggunakan matematika statistik dan pseudocode
  2. Efisiensi Algoritma dapat dianalisis dan dideskripsikan
  3. Algoritma pembelajaran mesin dapat diimplementasikan dengan salah satu dari berbagai bahasa pemrograman modern.
Contoh paling populer adalah librabry scikit-learn yang digunakan dengan bahasa pemrograman Python. Ada juga PHP-ML Librabry untuk bahasa pemrograman PHP Versi 7.

Apa itu 'Model' Dalam Machine Learning ?

Sebuah "Model" dalam ilmu data mining atau machine learning adalah keluaran atau hasil dari algoritma pembelajaran yang telah dijalankan pada set data. Model mempresentasikan apa yang dipelajari oleh algoritma pembelajaran mesin.

Dalam kata lain Model adalah "Benda" yang disimpan setelah menjalankan algoritma machine learning pada proses pelatihan data dan mewakili aturan, angka, dan struktur data khusus algoritma lainnya yang diperlukan untuk membuat prediksi.

Baca Juga : Pengujian Model dengan Cross Validation Menggunakan Rapidminer

Beberapa contoh mungkin sedikit memberi penjelasan tentang Model yang dimaksud :

  1. Algoritma Naive Bayes menghasilkan model yang terdiri dari nilai-nilai probabilitas, standar deviasi, mean dan Gaussian.
  2. Algoritma Regresi Linier menghasilkan model yang terdiri dari vektor koefisien dengan nilai-nilai tertentu.
  3. Algoritma Decision Tree menghasilkan model seperti pohon keputusan jika-maka dengan pernyataan tertentu.
  4. Algoritma ANN (Artificial Neural Network) menghasilkan model yang terdiri dari struktur grafik dengan vektor atau matriks bobot dengan nilai tertentu.
Bagi pemula jika masih bingung, mungkin analogi terbaiknya adalah dengan menganggap model machine learning sabagai suatu"program". Dalam arti lain 'program' ini adalah model yang terdiri dari data dan prosedur penggunaan data dalam membuat prediksi.

Misalnya, dalam Decision Tree yang memberikan model sebuah pohon keputusan dengan pernyataan-pernyataan tertentu. Maka kamu dapat membuat beberapa atribut yang telah masuk dalam pernytaan pohon keputusan yang diambil sebagai input untuk membuat prediksi.

Prosedur Algoritma vs Model 

Setelah kamu sudah sedikit paham tentang "algoritma" dan "model". Pada bagian ini saya akan memberikan sedikit contoh bagaimana prosedur Algroitma dan Model berjalan dalam suatu prosedur untuk melakukan prediksi.

Algoritma k-NN (k-Nearest Neighbor)

  • Algoritma = Simpan data pelatihan (set training data)
  • Model
    • Data Model : Seluruh Set Data Pelatihan
    • Algoritma Prediksi : Temukan nilai k terkecil dan pilih variabel target nya yang paling mirip.

Algoritme k-NN  tidak memiliki " algoritma " selain menyimpan seluruh set data pelatihan. Oleh karena itu, data model adalah keseluruhan set data pelatihan dan semua pekerjaan ada dalam algoritma prediksi, yaitu bagaimana baris data baru berinteraksi dengan set data pelatihan yang disimpan untuk membuat prediksi.

Algoritma Regresi Linear

  • Algoritma = Temukan sekumpulan koefisien yang meminimalkan kesalahan pada dataset pelatihan.
  • Model
    • Data Model : Vektor Koefisien
    • Algoritma Prediksi : Koefisien ganda dan jumlah dengan baris input.

Algoritma regresi linier melakukan proses optimasi (atau diselesaikan secara analitis menggunakan aljabar linier) untuk menemukan satu set bobot yang meminimalkan jumlah kesalahan kuadrat pada dataset pelatihan.

Baca Juga : Perhitungan Confusion Matrix Multi-Class

Machine Learning adalah Program Otomatis

Dalam machine learning telah sukses diaplikasikan pada berbagai bidang dalam kehidupan kita sehari-hari. Dengan semakin melimpahnya data, banyak aplikasi berbasis machine learning yang semakin cerdas dengan akurasi yang semakin mendekati, sebagian bahkan sudah melampaui kemampuan manusia. 

Dalam pengertian ini, model machine learning adalah program yang secara otomatis ditulis atau dibuat atau dipelajari oleh algoritma pembelajaran mesin untuk menyelesaikan masalah kita.

Berikut contoh-contoh aplikasi yang menggunakan teknik machine learning.

Iklan Ads Facebook

Pengguna media sosial di Indonesia berjumlah sangat banyak, dari remaja hingga orang tua, contoh media sosial adalah Facebook. Nah, disini apakah kamu pernah mendapatkan iklan-iklan yang entah kenapa selalu berkaitan dengan status-status, berita, atau informasi yang sering kamu cari.

Apakah hal itu kebetulan semata ?. Tentu tidak dong. Facebook telah mempelajari status-status kamu, aktivitas kamu. Nah, bagaimana cara mempelajarinya ?. Disinilah Facebook sudah menggunakan teknik machinel learning untuk mempelajari semua penggunanya, termasuk kamu yang sering menggunakan Facebook. 

Untuk apa hal itu dilakukan Facebook ?. Disini Facebook bisa memasang iklan ads yang sesuai dengan profil penggunanya. Dengan target iklan yang tepat sesuai segmen pasar dari setiap penggunanya, tentu saja pemasang iklan ads bersedia membayar mahal kepada Facebook.

Sistem Prediksi

Tidak hanya pada dunia bisnis. Dalam dunia pendidikan machine learning juga telah sering digunakan untuk meningkatkan layanan dan studi pendidikannya. Dalam contoh, pada suatu lembaga pendidikan akan membuat suatu Sistem Informasi Prediksi Kelulusan untuk setiap siswanya. Ini biasa digunakan untuk mengambil keputusan guna untuk memperbaiki agar lembaga pendidikan itu bisa lebih baik lagi dalam hal pembeljarannya.

Contohnya kamu bisa lihat di sini -->

Kesimpulan

Nah, dalam artikel ini saya harap kamu telah menemukan perbedaan antara "Algoritma" dan "Model"  machine learning dalam ilmu data mining. Mungkin berikut ini adalah ringkasan dari hal-hal yang telah kamu pelajari diatas tadi :
  1. Algoritme machine learning adalah prosedur yang diimplementasikan dalam kode dan dijalankan pada data.
  2. Model machine learning dikeluarkan oleh algoritma dan terdiri dari data model dan algoritma prediksi.
  3. Algoritme machine learning menyediakan jenis pemrograman otomatis di mana model pembelajaran mesin mewakili program.
Mungkin, sebagian banyak orang menganggap bahwa machine learning masuk dalam pengertian kecerdasan buatan. Namun menurut saya pribadi bahwa machine learning bukanlah kecerdasan buatan, karena prosesnya lebih ke mengumpulkan banyak data yang kemudian dianalisis dengan algoritma-algoritma dan model tertentu dalam bentu matematis.

Terimakasih, semoga informasi ini bisa bermanfaat, apabila kamu berkenan bisa bantu donasi untuk pengembangan blog yang saya bangun melalui link ini https://saweria.co/muiz27 .

Sekian semoga bermanfaat dan berkah. Satu kata "Jangan Lupa Bernafas dan Tetap Bersyukur".

Wassalamualaikum Wr.Wb.- See You Later

Sumber Referensi : https://machinelearningmastery.com/


Abdul Muiz Khalimi
Abdul Muiz Khalimi Tertulis sebuah kata yang ditulis oleh Penulis.