Perbedaan Supervised dan Unsupervised Learning

Setelah sebelumnya kita belajar tentang apa itu machine learning dan bagaimana sejarahnya dari masa ke masa, saat ini kita akan mengupas lebih dalam tentang algoritma machine learning. Jenis algoritma machine learning secara umum dikategorikan menjadi 3, yaitu Supervised Learning, Unsupervised Learning, dan Reinforecement Learning. Namun sesuai dengan judulnya, kita hanya akan membahas tentang perbedaan Supervised Learning dan Unsupervised Learning, sedangkan untuk Reinforecement learning akan kita pelajari di lain waktu.

1. Supervised Learning

Dalam supervised learning atau disebut juga pembelajaran yang diawasi, kita diberikan satu set data dan sudah tahu seperti apa seharusnya bentuk output kita yang benar. Dengan kata lain, terdapat hubungan antara input dan output.

Algoritma Supervised Learning digunakan untuk menyelesaikan masalah “regresi” dan “klasifikasi”. Dalam masalah regresi, kita mencoba untuk memprediksi hasil dalam output kontinu. Artinya, kita mencoba memetakan variabel input ke beberapa fungsi kontinu. Sedangkan dalam masalah klasifikasi, kita mencoba memprediksi hasil dalam output diskrit. Dengan kata lain, kita mencoba memetakan variabel input ke dalam kategori diskrit. Hmm, bingung ya. Baiklah, perhatikan contoh di bawah ini untuk lebih memahami perbedaan regresi dan klasifikasi.

Contoh 1:

• Dengan data berupa ukuran rumah yang di jual, cobalah untuk memperkirakan harganya di pasaran. Harga sebagai fungsi ukuran adalah output yang berkelanjutan, sehingga ini adalah masalah regresi.
•  Contoh di atas juga bisa menjadi masalah klasifikasi dengan membuat output tentang apakah rumah itu “dijual dengan harga lebih atau kurang dari harga yang diminta.” Di sini kita akan mengklasifikasikan rumah berdasarkan harga ke dalam dua kategori terpisah.

Contoh 2:

• Regresi – Diberikan gambar seseorang, kita harus memprediksi usia mereka berdasarkan gambar yang diberikan.
• Klasifikasi – Diberikan data pasien yang memiliki tumor, kita harus memprediksi apakah tumor itu ganas atau jinak. 

2. Unsupervised Learning

Unsupervised learning (pembelajaran tanpa pengawasan) memungkinkan kita untuk menyelesaikan masalah yang kita tidak ketahui seperti apa hasil seharusnya. Kita dapat memperoleh struktur dari data di mana kita tidak perlu mengetahui pengaruh variabel.

Kita dapat memperoleh struktur ini dengan mengelompokkan data berdasarkan hubungan antar variabel dalam data. Dengan unsupervised learning tidak ada umpan balik berdasarkan hasil prediksi.

Contoh

• Clustering : Terdapat koleksi 1.000.000 gen yang berbeda, temukan cara untuk secara otomatis mengelompokkan gen-gen ini ke dalam kelompok yang entah bagaimana serupa atau terkait oleh variabel yang berbeda, seperti umur, lokasi, peran, dan sebagainya.
• Non-clustering : Sebuah algoritma bernama “Cocktail Party Algorithm”, memungkinkan kita menentukan struktur dalam lingkungan yang kacau. (Yaitu mengidentifikasikan suara dan musik individu dari suara di pesta koktail). Misalnya ada seseorang yang berbicara dengan sebuah microfon dengan latar belakang suara band yang sedang konser, teknik ini digunakan untuk membedakan mana suara band dan mana suara orang tersebut. 

Sekian dulu pembahasan tentang perbedaan supervised learning dan unsupervised learning. Selanjutnya kita akan bahas lebih mendalam tentang algoritma machine learning.