Kuliah Tamu kembali hadir di ITTelkom Surabaya. Kali ini berkolaborasi dengan Program Studi Teknik Elektro yang membahas tentang bagaimana cara kerja machine learning. Diisi oleh Dimas Adiputra selaku dosen Teknik Elektro dan moderator acara serta Alamsyah Hanzah yang menjabat sebagai Ketua Data Science Indonesia (Gojek) Komunitas dibawah Data Science Indonesia sekaligus narasumber utama, mereka membagikan pengalaman dan pengetahuan mengenai machine learning. Tidak hanya kedua pemateri pengisi acara saja, kuliah tamu Prodi Teknik Elektro juga disambut oleh Dekan Fakultas Teknik Elektro ITTelkom Surabaya yakni Purba Daru Kusuma. Diikuti oleh 1000 peserta, Kuliah Tamu sukses membuat mereka penasaran dengan machine learning yang tergolong pada kecerdasan buatan (AI).
Machine learning adalah cabang aplikasi dari Artificial Intelligence (Kecerdasan Buatan) yang focus pada pengembangan sebuah sistem yang mampu belajar “sendiri” tanpa harus berulang kali di program oleh manusia. Pembelajaran mesin atau machine learning memungkinkan komputer mempelajari sejumlah data (learn from data) sehingga dapat menghasilkan suatu model untuk melakukan proses input-output tanpa menggunakan kode program yang dibuat secara eksplisit. Proses belajar tersebut menggunakan algoritma khusus yang disebut machine learning algorithms. Sebelum machine learning diperkenalkan atau muncul, sebelumnya para ahli membuat model untuk mempresentasikan sebuah kenyataan yang ditangkap oleh parameter-parameter terbatas. Seperti kecepatan dengan jarak, pada saat itu mereka bereksperimen mengenai kecepatan dengan jarak sehingga hal tersebut bisa masuk kategori modeling. Demikian yang sering digunakan untuk bisnis atau ke arena lainnya.
“AI saat ini ada dimana-mana, banyak sekali jenisnya salah satunya machine learning,” ujar Alamsyah.
Model dari Machine Learning ini sendiri tidak begitu saja terstruktur. Dalam hal ini disebut validation data, validasi data ini kemudian di masukkan kedalam sebuah model untuk menguji akurasi dan melakukan penyesuaian. Dari sinilah Machine ‘Learning’ atau belajar dimulai. Ketika metrik yang di inginkan tercapai dan model dapat menyelesaikan tugas dengan sukses secara sendirinya, hal ini biasa disebut sebagai Supervised Learning. Metode dari Supervised Learning ini biasa disebut sebagai classification. Dalam klasifikasi, target variabel memiliki beberapa kategori. Contohnya, fitur spam filter yang ada di website-website email. Machine Learning mempelajari elemen apa yang menjadikan suatu email termasuk kedalam kategori spam dan bukan. Metode lain dari Supervised Learning ada juga yang disebut sebagai Regression. Proses dari regresi bersifat berkelanjutan. Sebagai contoh adalah fluktuasi harga rumah dan penghitungan efek dari diet. Dua contoh tersebut termasuk kedalam regresi (regression). Supervised Learning adalah salah satu contoh tipe Machine Learning yang paling umum hingga hari ini. Beberapa produk yang mengaplikasikan Supervised Learning pun cukup berpengaruh dalam membantu aktifitas manusia.
Selain Supervised Learning, juga terdapat Unsupervised Learning sebagai tipe lain nya dari Machine Learning. Berbeda dari Supervised Learning, Unsupervised Learning tidak memiliki data atau hasil, karena tipe ini cenderung mempelajari pola dari data ketimbang output dari olahan data. Salah satu metodenya bernama Clustering (pengelompokan). Dalam clustering, data yang ada akan di kumpulkan berdasarkan kemiripan nya satu sama lain. Aspek atau metode ini biasa digunakan oleh perusahaan dengan data yang besar. Banyak juga digunakan untuk riset pasar ketimbang untuk pelanggan (output produk). Meski kuliah tamu diadakan di tengah pandemi Covid-19, tetapi tidak menyurutkan semangat mereka untuk mengikuti acara tersebut.