Pengenalan Teknik Supervised Learning dalam Membangun Model Pemelajaran Mesin

Pengenalan Teknik Supervised Learning

Sebagai pecinta teknologi, tentunya kalian sudah tidak asing lagi dengan istilah kecerdasan buatan dan pemelajaran mesin. Namun, pernahkah kalian mendengar tentang konsep Supervised Learning? Supervised learning merupakan salah satu konsep atau teknik yang bisa kamu terapkan pada pemelajaran mesin.

Nah, pada artikel kali ini, kita akan membahas teknik tersebut. Namun, sebelum itu kita perlu mengetahui terlebih dahulu apa itu supervised learning.

Apa itu Supervised Learning?

Yuk, simak cerita singkat berikut untuk memahami apa itu supervised learning. Bayangkan jika kamu memiliki seorang adik yang ingin belajar mengetahui nama-nama hewan. Sebagai kakak yang baik, kamu pun berinisiatif untuk mengajaknya ke sebuah kebun binatang.

💻 Mulai Belajar Pemrograman

Belajar pemrograman di Dicoding Academy dan mulai perjalanan Anda sebagai developer profesional.

Daftar Sekarang

Ilustrasi berkunjung ke kebun binatang

Sebelum berangkat ke kebun binatang, adikmu melihat seekor kucing milik tetangga dan berkata, “Kak, lihat ada seekor kucing di sana.” Kamu pun menjawab, “Iya betul itu seekor kucing namanya Lulu. Ia merupakan peliharaan Bu Fara yang tinggal di samping rumah.” Sambil menggendong sang adik, kamu pun berkata, “Oke, sekarang ayo kita pergi ke kebun binatang.”

Ketika sampai di kebun binatang, adikmu melihat seekor harimau. Sambil menunjuk ke arah harimau tersebut ia berkata, “Kak, lihat ada kucing besar di sana.” Sambil menahan tawa kamu pun berkata, “Itu bukan kucing dek, melainkan seekor harimau dan ukurannya memang jauh lebih besar dari kucing.”

Tidak jauh dari kandang harimau, Adikmu melihat seekor singa yang sedang tertidur pulas. Ia pun menepuk pundakmu dan berbisik, “Kak, lihat di sana ada harimau yang sedang tidur.” Sambil tersenyum kamu berkata “Itu bukan harimau melainkan seekor singa.” Mendengar penjelasan tersebut, Adikmu pun berkata “Sttt! Jangan berisik nanti singanya bangun.”  Sambil menahan tawa, kamu pun mengajaknya untuk melihat jenis hewan lain.

Pada kandang yang lain, kalian melihat seekor jerapah. Sambil menunjuk ke arah hewan tersebut adikmu pun berkata “Kak! Itu hewan apa?” Sambil mengelus kepalanya kamu pun berkata “Itu merupakan seekor jerapah. Ia memiliki leher yang sangat panjang.” Kalian pun lanjut berkeliling dan berkenalan dengan jenis hewan lainnya. 

Pada ilustrasi di atas, adikmu dapat diibaratkan sebagai sebuah mesin yang belajar untuk membedakan nama-nama binatang, sedangkan kamu berperan sebagai supervisor. Pada proses belajar ini, Ia akan memberikan tebakan yang terkadang benar dan terkadang juga salah. Sebagai seorang supervisor, tugasmu adalah mengoreksi semua tebakan yang salah tersebut. Hal ini sangatlah mirip dengan cara sebuah mesin belajar.

Manusia berperan sebagai supervisor yang menyiapkan data dan label

Pada proses pemelajaran mesin, kita sebagai manusia berperan sebagai supervisor yang menyiapkan contoh (data) beserta jawabannya (label). Berbekal kedua hal tersebut, mesin akan belajar dan coba membuat sebuah prediksi. Pada awal proses pembelajaran, kualitas prediksi yang dihasilkan biasanya sangat buruk. Namun, seiring waktu kualitas tersebut akan semakin baik sama halnya dengan adikmu yang semakin baik dalam membedakan berbagai jenis hewan.

Proses pemelajaran mesin dengan memanfaatkan data dan label ini sering disebut sebagai Supervised Learning. Ia merupakan teknik pembelajaran mesin yang paling sering dijumpai di industri. Teknik ini umumnya diterapkan pada beberapa kasus, seperti sistem klasifikasi, regressi, prediksi time series, dll.

Oke, sekarang kita sudah memahami apa itu supervised learning. Namun, pertanyaan selanjutnya adalah bagaimana cara kerja dari teknik tersebut?

Cara Kerja

Seperti yang telah kita bahas sebelumnya, untuk melatih model dengan teknik supervised learning, kita membutuhkan data berukuran besar beserta label yang sesuai. Kedua hal tersebut akan digunakan oleh algoritma pemelajaran mesin untuk membuat sebuah rules berdasarkan pola yang terdapat pada data dan label tersebut. Rules inilah yang akan digunakan oleh mesin untuk membuat sebuah prediksi.

Proses pelatihan supervised learning

Mungkin kamu sudah bisa menebak bahwa kualitas dari hasil prediksi sangat bergantung pada rules yang dihasilkan oleh algoritma pembelajaran mesin. Kualitas dari hasil prediksi umumnya dinilai menggunakan parameter loss function dan metrik evaluasi.

Pada proses pembelajaran (proses training), rules yang dihasilkan algoritma pembelajaran mesin akan dioptimalkan berdasarkan nilai loss function. Proses pengoptimalan ini dilakukan dengan bantuan sebuah optimizer yang bertujuan untuk mengurangi nilai loss function yang dihasilkan.

Untuk menghasilkan sebuah rules yang paling optimal, umumnya sebuah optimizer akan membutuhkan beberapa iterasi (perulangan) training atau sering disebut epoch. Jadi, pada pemelajaran mesin, satu epoch berarti satu kali iterasi training.

Bagaimana apakah kamu sudah paham dengan teknik supervised learning? Jika kamu ingin mempelajari lebih lengkap terkait teknik ini, silakan kunjungi kelas machine learning Dicoding yang terdapat pada tautan berikut: Belajar Machine Learning untuk Pemula.


Belajar Pemrograman Gratis
Belajar pemrograman di Dicoding Academy dan mulai perjalanan Anda sebagai developer profesional.