Algoritma Machine Learning Populer bagi Data Scientist - Diffalgo

 

Machine Learning adalah sesuatu yang krusial bagi profesi Data Scientist. Machine Learning berfungsi untuk melatih dataset agar dapat menghasilkan prediksi tertentu. Terdapat banyak sekali algoritma machine learning dalam data science. Untuk saat ini, terdapat setidaknya 10 algoritma machine learning yang populer dalam dunia data science. Sebelum jadi seorang Data Scientist, pastikan kamu mengetahui 10 algoritma machine learning paling populer ini. 

Algoritma Machine Learning sendiri dibagi menjadi tiga kategori yaitu Supervised Learning, Unsupervised Learning dan Reinforcement Learning. Setiap kategori machine learning ini memiliki perbedaan tertentu.

• Supervised Learning

Algoritma machine learning supervised learning memprediksi suatu data dengan fitur input dan label output yang sudah diketahui.

• Unsupervised Learning

Algoritma machine learning unsupervised learning adalah kategori machine learning yang digunakan untuk menemukan pola atau hubungan tersembunyi dari suatu kumpulan data.

• Reinforcement Learning

Algoritma machine learning reinforcement learning fokus untuk melatih dataset berdasarkan reward untuk perilaku yang diharapkan dan punishment untuk perilaku yang tidak diharapkan. Secara umum, reinforcement learning berfungsi untuk melihat dan interpretasi suatu environment, melakukan sesuatu serta belajar melalui trial dan eror. 

Lalu apa saja algoritma machine learning yang populer di kalangan Data Scientist? Berikut ini adalah sepuluh algoritma machine learning populer yang wajib diketahui bagi seorang Data Scientist. 

• Decision Tree

Decision tree adalah algoritma machine learning yang dapat digunakan untuk classification dan regression. Algoritma supervised learning ini bekerja dengan membuat struktur mirip ranting dahan pohon yang dapat memecah data menjadi subset-subset lebih kecil berdasarkan aturan dan kondisi tertentu. Hasil akhir dari pemecahan data adalah prediksi atau klasifikasi pada setiap poin data.

Adapun kelebihan dari algoritma machine learning Decision Tree adalah 

• mudah untuk dimengerti dan intepretasi, 
• dapat menangani data numerikal dan kategorikal, 
• serta dapat menangani beberapa fitur input.

Contoh kasus nyata dalam penggunaan algoritma machine learning Decision Tree adalah diagnosa medis dimana Decision Tree dapat digunakan untuk menentukan kemungkinan besar penyebab gejala pasien berdasarkan catatan medis pasian di masa lalu dan hasil tes. 

• K-Nearest Neighbors (KNN)

Algoritma machine learning KNN secara sederhana bekerja dengan cara identifikasi K titik data yang paling dekat dengan titik data tertentu. K titik data akan masuk dalam kelompok titik data yang paling dekat dengannya. Dengan kata lain, K titik data memiliki ciri-ciri yang sama dengan titik data terdekat.

KNN memiliki beberapa keunggulan di antaranya 

• Mudah untuk dimengerti dan diimplementasikan, 
• Dapat digunakan untuk classification dan regression
• Bersifat fleksibel karena ukuran kedekatan tetangga/nearest neighbors (K) dapat ditentukan sesuai kebutuhan

Contoh nyata penggunaan algoritma machine learning KNN adalah untuk skor kredit. KNN dapat digunakan untuk memprediksi calon kreditur yang berkemungkinan besar dapat membayar kreditnya.

• Support Vector Machine (SVM)

Support Vector Machine adalah salah satu algoritma supervised learning yang dapat digunakan baik dalam classification dan regression. SVM bekerja dengan menemukan 

Keunggulan dari algoritma machine learning Support Vector Machine adalah dapat menangani data berdimensi tinggi, efektif dalam penangan kasus yang memiliki batas pemisah yang jelas antar kelas, dan dapat dikernel untuk menangani batasan-batasan non linear.

Contoh penggunaan algoritma machine learning Support Vector Machie adalah pengenalan wajah. SVM dapat digunakan untuk klasifikasi perbedaan wajah berdasarkan beberapa fitur input seperti ukuran mata dan hidung. 

• Naive Bayes

Naive Bayes adalah algoritma machine learning yang menggunakan teorema Bayes dalam membuat prediksi. Teorema Bayes mengatakan bahwa seluruh fitur input adalah independen satu sama lain yang membuatnya naive tapi juga dapat membuat prediksi secara cepat dan akurat.

Beberapa keunggulan dari algoritma machine learning Naive Bayes antara lain:

• Sederhana dan mudah untuk diimplementasikan
• Cepat dan efisien
• Dapat menangani input fitur-fitur dalam jumlah besar

Salah satu contoh penggunaan algoritma machine learning Naive Bayes adalah deteksi email spam. Deteksi email spam dengan Naive Bayes dilakukan dengan cara klasifikasi email berdasarkan beberapa ciri-ciri yaitu siapa pengirimnya, isi subjek email, dan isi dari email itu sendiri.  

• Linear Regression

Linear Regression adalah jenis algoritma machine learning yang secara umum menggunakan metode statistik untuk memodelkan hubungan antara variabel dependent dan satu atau lebih variabel independen. Linear Regression diasumsikan bahwa hubungan antara variabel adalah linear dan menggunakan asumsi ini untuk membuat prediksi tentang variabel dependen berdasarkan nilai dari variabel independen.

Kelebihand dari algoritma machine learning Linear Regression adalah

• Simpel dan mudah diimplementasikan
• Dapat menangani beberapa variabel independen
• Dapat diperluas dengan menyertakan regularisasi untuk mencegah overfitting

Contoh kasus nyata dalam penggunaan algoritma machine learning Linear Regression adalah prediksi harga stok barang. Linear Regression menggunakan model hubungan antara harga stok barang pada perusahaan dengan faktor-faktor penentu harga seperti pendapatan dan kondisi pasar saat ini

• Logistic Regression

Logistic Regression adalah variasi dari algoritma machine learning linear regression yang digunakan dalam classification. Cara kerjanya hampir mirip dengan linear regression. Logistic Regression tidak memprediksi output dengan data continuous tetapi memprediksi probabilitas/kemungkinan dari input yang diberikan untuk kelas tertentu.

Kelebihan dari algoritma machine learning Logistic Regression antara lain adalah:

• Dapat menangani beberapa fitur input
• Menghasilkan output berupa probabilitas
• Dapat teregulasi untuk mencegah overfitting

Kasus nyata dalam kehidupan sehari-hari dalam penggunaan algoritma machine learning Logistic Regression adalah skor kredit. Logistic Regression digunakan untuk memprediksi kemungkinan besar calon kreditur mengalami gagal bayar berdasarkan beberapa faktor seperti riwayat kredit dan penghasilan.

• Artificial Neural Networks (ANN)

Artificial Neural Network atau dikenal dengan neural network atau deep learning network adalah tipe algoritma machine learning yang terinspirasi dari struktur dan fungsi kerja dari otak manusia. Artificial Neural Network mengandung banyak lapisan neuron yang dapat memproses dan mentransformasi inputan data untuk menghasilkan sebuah output.

Kelebihan dari Artificial Neural Network adalah

• Dapat menangani variabel yang bersifat kompleks dan variabel-variabel yang memiliki hubungan non linear
• Dapat belajar dan beradaptasi dengan data baru sepanjang waktu
• Dapat menangani banyak fitur input dalam jumlah besar

Contoh penggunaan algoritma machine learning ANN dalam kehidupan sehari-hari adalah pengenalan gambar dengan cara mengklasifikasi gambar-gambar berdasarkan konten.

• Random Forest

Random Forest adalah algoritma machine learning yang menggunakan beberapa decision tree untuk membuat prediksi. Cara kerjanya yaitu dengan melatih banyak decision tree dalam subset acak pada suatu data dan mengkombinasikan beberapa hasil prediksi untuk membuat sebuah prediksi akhir. Cara kerja Random Forest dapat meningkatkan nilai akurasi dan stabilitas dari hasil prediksi dibandingkan dengan menggunakan satu decision tree.

Random Forest secara singkat dapat melakukan beberapa hal yaitu:

• Dapat menangani tugas baik classification atau pun regression
• Dapat menangani input fitur dalam jumlah besar
• Dapat menangani ioverfitting

Contoh penggunaan algoritma machine learning Random Forest adalah deteksi fraud atau kecurangan pada transaksi keuangan dimana Random Forest dapat digunakan untuk identifikasi aktivitas-aktivitas mencurigakan dalam setiap transaksi. 

• Gradient Boosting

Gradient Boosting adalah salah satu algoritma machine learning yang menonjol dalam kecepatan prediksi dan tingkat akurasi. Algoritma ini bekerja dengan cara melatih pembelajaran data yang lemah secara berurutan dengan perbaikan kesalahan pada pembelajaran sebelumnya sampai menghasilkan prediksi yang memuaskan.

Gradient Boosting memiliki beberapa keunggulan.

• Dapat menangani baik dalam classification dan regression, 
• menangani fitur-fitur input dalam jumlah besar, dan 
• dapat memperoleh prediksi dengan tingkat akurasi yang tinggi.

Contoh penggunaan algoritma machine learning Gradient Boosting dalam kehidupan sehari-hari adalah untuk memprediksi churn customer. Prediksi churn customer adalah identifikasi konsumen yang berkemungkinan besar untuk berhenti menggunakan produk atau jasa dari perusahaan.

• Clustering

Clustering adalah salah satu dari algoritma unsupervised learning yang digunakan untuk menyatukan titik-titik data menjadi beberapa kelompok berdasarkan kemiripannya. Algoritma clustering ini bekerja dengan memecah data menjadi beberapa kelompok sehingga titik-titik data dalam suatu kelompok menjadi lebih mirip satu sama lain dibandingkan titik-titik data dalam kelompok lainnya.