Sebagai salah satu istilah yang relatif baru, machine learning sering dikaitkan dengan istilah-istilah lainnya sperti deep learning, artificial intelligence, data mining, data science dan expert system.
Apakah semua kata itu merupakan hal yang sama? Ataukah berbeda?
Perbedaan machine learning dan deep learning terletak pada aspek cakupan, data, tujuan, pemrosesan, intervensi manusia, dan kebutuhan komputasi. Deep learning termasuk bagian dari machine learning, di mana deep learning menggunakan algoritma yang meniru cara kerja manusia yaitu jaringan syaraf tiruan atau artificial neural network dan turunannya.
Perbedaan machine learning dan deep learning
Ditilik dari pengertiannya, Machine learning merupakan cabang aplikasi dari Artificial Intelligence dengan fokus pada pengembangan sebuah sistem yang mampu belajar sendiri tanpa harus berulang kali di program oleh manusia.
Sedangkan Deep learning termasuk bagian dari machine learning. Deep Learning adalah salah satu metode dari machine learning menggunakan algoritma yang meniru cara kerja manusia yaitu jaringan syaraf tiruan atau artificial neural network dan turunannya.
Sama halnya dengan cara manusia belajar dari pengalaman-pengalaman, algoritma deep learning akan “belajar” berulang kali untuk meningkatkan akurasi hasilnya.
Dengan demikian Machine Learning berbeda dengan Deep Learning.
Perbedaan Machine Learning dan Deep Learning adalah sebagai berikut.
Cakupan
Machine Learning adalah konsep yang lebih luas. Deep Learning merupakan bagian dari Machine Learning.
Data
Meskipun sama-sama membutuhkan data yang cukup, Deep Learning biasanya dilakukan pada data yang lebih banyak, dan hasilnya tidak cukup bagus jika datanya sedikit.
Proses
Machine Learning menggunakan algoritma untuk menggali data, belajar dari data itu, dan membuat keputusan yang tepat berdasarkan apa yang telah dipelajarinya.
Sedangkan Deep Learning menyusun algoritma berlapis-lapis untuk menciptakan “jaringan saraf tiruan”, sebuah struktur yang menyerupai otak manusia, yang dapat mempelajari dan membuat keputusan “cerdas” sendiri.
Algoritma Machine Learning memiliki struktur sederhana (meskipun tidak semuanya), seperti regresi linier atau decision tree. Sedangkan Deep Learning memiliki struktur jaringan saraf tiruan.
Struktur ini yang berlapis-lapis, seperti otak manusia kompleks dan saling terkait.
Spesifikasi hardware
Sama-sama membutuhkan komputer atau mesin canggih, Deep Learning membutuhkan spesifikasi yang lebih tinggi dari pada Machine Learning untuk menjalankan prosesnya.
Waktu pemrosesan
Biasanya, proses Deep Learning membutuhkan waktu yang lebih lama daripada Machine Learning.
Hal ini karena Deep Learning melakukan pemrosesan yang lebih kompleks pada data yang lebih besar.
Intervensi manusia
Pembelajaran mesin membutuhkan intervensi manusia yang lebih berkelanjutan untuk mendapatkan hasil. Pembelajaran mendalam lebih kompleks untuk disiapkan tetapi membutuhkan intervensi minimal setelahnya.
Interpretabilitas model
Keduanya tidak berfokus untuk digunakan untuk menjawab pertanyaan mengapa suatu fenomena terjadi, tetapi untuk melakukan prediksi. Meskipun demikian, proses Machine Learning relatif lebih mudah dijelaskan daripada Deep Learning.
Feature Extraction/ Feature Engineering
Pada Machine Learning, proses feature extraction dilakukan dalam sebuah proses tersendiri.
Sedangkan pada Deep Learning, proses ANN/ JST memungkinkan proses feature extraction “diserahkan” pada model.
Perbedaan Machine Learning dan Artificial Intelligence
Artificial Intelligence (AI) dapat diartikan secara harfiah sebagai kecerdasan buatan. Artificial Intelligence merupakan bidang dalam ilmu komputer yang bertujuan untuk membuat komputer atau mesin yang mampu bertindak dengan kecerdasan, seperti manusia.
Meskipun sekilas mirip, terdapat perbedaan antara machine learning dan AI.
Machine learning merupakan bagian dari Artificial Intelligence yang berfokus membuat sistem yang mampu belajar dari data-data yang didapatkannya, tanpa campur tangan pemrograman manusia terus menerus.
Dengan demikian, perbedaan mendasar antara Machine Learning dan Artificial Intelligence adalah:
Artificial Intellegence adalah konsep lebih luas, di mana mesin (atau komputer) dapat melakukan tugas dengan cara yang “intelegent” atau menyerupai manusia.
Sedangkan, Machine Learning adalah bagian dari AI yang didasarkan pada gagasan bahwa mesin dapat akses ke data, mempelajarinya, dan mengambil keputusan secara mandiri.
Perbedaan Machine Learning dan Data Mining
Data mining mengacu pada proses penjelajahan kumpulan data yang ada untuk menggali pola, hubungan, dan anomali yang sebelumnya tidak diketahui ada dalam data.
Jika dilihat dari definisi, Data Mining sangat mirip dengan Machine Learning.
Kemiripan itu antara lain:
- Keduanya adalah proses analisis data
- Keduanya bagus dalam melakukan pengenalan pola pada data yang diberikan
- Keduanya belajar dari data sehingga dapat membantu dalam pengambilan keputusan
- Keduanya membutuhkan data dalam jumlah (cukup) besar agar akurat
Sedangkan perbedaan antara machine learning dan data mining kurang lebih saya rangkum sebagai berikut:
Tujuan
Data mining digunakan pada kumpulan data yang ada untuk menemukan pola. Machine learning, berfokus pada melatih mesin untuk mempelajari kumpulan dataset ‘training’, dan kemudian membuat prediksi menggunakan kumpulan data baru.
Proses
Dalam data mining, proses dilakukan pada dataset untuk menemukan pengetahuan atau insight baru. Sedangkan machine learning berfokus pada proses belajar dari dataset yang diberikan.
Kemampuan untuk berkembang
Data mining mengikuti “aturan” yang statis. Sistem tidak “belajar” dan beradaptasi. Sedangkan belajar dan beradaptasi berdasarkan data-data baru yang dimasukkan ke dalam sistem adalh inti dari Machine Learning.
Intervensi manusia
Data mining adalah proses yang lebih manual yang bergantung pada intervensi manusia dan pengambilan keputusan. Namun, dengan machine learning, begitu aturan awal diterapkan, proses pencarian informasi dan ‘pembelajaran’ serta penyempurnaan dilakukan secara otomatis oleh komputer, dan berlangsung tanpa campur tangan manusia.
“Umur”
Data mining, biasa juga disebut Knowledge Data Discovery (KDD) muncul sejak 1930-an. Sedangkan Machine Learning mulai muncul sejak 1950an.
Perbedaan Machine Learning dan Data Science
Data Science adalah bidang yang mempelajari data dan bagaimana mengekstrak makna dari data dan mengkomunikasikannya.
Sementara Machine Learning berfokus pada alat dan teknik untuk membangun model yang dapat dipelajari sendiri dengan menggunakan data.
Machine Learning sering kali merupakan alat penting untuk Data Science, terutama untuk membuat prediksi dari data.
Berikut beberapa perbedaan antara Machine Learning dan Data Science:
- Tujuan. Data Science digunakan untuk menemukan insight dari data. Machine Learning digunakan untuk membuat prediksi atau klasifikasi data baru berdasarkan data yang sudah ada.
- Keahlian yang diperlukan. Data Science membutuhkan kemampuan analitik yang kuat disertai dengan keahlian domain atau bidang, SQL, Visualisasi dan kemampuan komunikasi. Machine Learning membutuhkan pemahaman matematika dan statistika yang kuat, pemrograman Python/R.
- Hasil akhir. Output dari Data Science berupa laporan atau angka-angka hasil insight dari data, yang dibutuhkan untuk pengambilan keputusan terkait pemecahan suatu masalah atau peningkatan keuntungan perusahaan. Sedangkan output dari Machine Learning adalah berupa model yang bisa dimanfaatkan untuk memecahkan masalah yang sama di masa depan.
Perbedaan Machine Learning dan Expert System (Sistem pakar)
Perbedaan antara Expert System dan Machine Learning adalah:
- Expert System sangat terstruktur untuk mensimulasikan langkah-langkah dan proses pengambilan keputusan yang diikuti oleh seorang pakar dalam bidang tertentu untuk melakukan tugas dan membuat keputusan.
- Machine Learning kurang terstruktur tetapi lebih kompleks, memungkinkan mesin membuat keputusan berdasarkan data, tidak memberi tahu secara khusus solusi apa yang harus dilakukan dan bagaimana melakukannya.
Perbedaan utamanya adalah bahwa sistem pakar adalah sistem berbasis aturan sedangkan Machine Learning didasarkan pada pemodelan data statistik. Artinya, sistem pakar menggunakan pernyataan if-then saat melakukan inferensi sementara sistem ML memproyeksikan input ke dalam model berdasarkan algoritma Machine Learning tertentu.
Expert System berguna ketika langkah-langkah untuk melakukan tugasnya terbatas dan berurutan.
Expert System juga lebih berguna ketika memungkinkan untuk kita mengekstrak pengetahuan dan keterampilan yang diperlukan dari pakar manusia.
Ketika solusi untuk suatu masalah melibatkan lebih banyak variabilitas dan ketidakpastian, Machine Learning seringkali merupakan pilihan yang lebih baik daripada Expert System.
Jadi, daripada mengembangkan proses terstruktur untuk memecahkan masalah, Kita cukup memasukkan sejumlah besar data yang relevan ke dalam mesin dan membiarkan model mencari cara untuk memecahkan masalah.
Ilustrasi Expert System vs Machine Learning
Ilustrasi yang cukup mudah diikuti mengenai Expert System vs Machine Learning adalah menggunakan analogi sistem otomasi penjawab telpon berikut .
Sistem telepon lama mirip dengan sistem pakar. Sistem memberi tahu penelepon untuk menekan 1 untuk penjualan, 2 untuk layanan pelanggan, 3 untuk dukungan teknis, dan 4 untuk berbicara dengan operator.
Sistem kemudian mengarahkan panggilan ke departemen yang tepat berdasarkan nomor yang ditekan oleh penelepon.
Sedangkan sistem telepon yang lebih baru dan lebih canggih menggunakan Machine Learning, tepatnya Natural Learning Processing (NLP).
Saat seseorang menelepon, penelepon mungkin mengatakan sesuatu seperti, “Saya mengalami masalah dengan ponsel pintar Android saya,” dan sistem mengarahkan panggilan ke divisi Technical Support.
Kesimpulan
Pada artikel ini, kita belajar mengenai perbedaan antara Machine Learning dengan beberapa istilah terkait seperti Deep learning, Artificial Intelligence, Data Mining, Data Science dan Expert System.
Machine Learning memiliki kesamaan dan perbedaan yang mendasar jika dibandingkan dengan istilah-istilah di atas.
Jika ada pertanyaan dan diskusi lebih lanjut, sila tulis di kolom komentar.
Selanjutnya, baca juga:
- 14 Contoh Penerapan Machine Learning dalam Kehidupan Sehari-hari
- Algoritma Machine Learning: Jenis-jenis dan Contoh Algoritma
- Supervised Learning dan Unsupervised Learning: Pengertian, Perbedaan, dan Contoh
