Pembelajaran mesin (machine learning) telah merambah ke berbagai aspek kehidupan manusia. Seperti apa penerapannya dalam kehidupan sehari-hari?
Pengertian Machine Learning
Machine learning didefinisikan sebagai bentuk kecerdasan buatan (artificial intelligence) yang mengajarkan komputer untuk berpikir dengan cara yang mirip dengan yang dilakukan manusia, yakni belajar dan meningkatkan pengalaman masa lalu. Berdasarkan itu, machine learning membuat prediksi dengan intervensi manusia yang minimal.
Cara Kerja Machine Learning
Proses pembelajaran mesin dimulai dengan memasukkan data pelatihan ke dalam algoritma yang dipilih. Data pelatihan menjadi data yang diketahui atau tidak diketahui untuk mengembangkan algoritma machine learning akhir. Jenis input data pelatihan memang memengaruhi algoritma.
Data masukan baru dimasukkan ke dalam algoritma pembelajaran mesin untuk menguji apakah algoritma berfungsi dengan benar. Prediksi dan hasil kemudian diperiksa satu sama lain.
Jika prediksi dan hasil tidak cocok, algoritma akan dilatih ulang beberapa kali hingga ilmuwan data mendapatkan hasil yang diinginkan. Hal ini memungkinkan algoritma machine learning untuk terus belajar sendiri dan menghasilkan jawaban yang optimal, secara bertahap meningkatkan akurasi dari waktu ke waktu.
Baca juga: Apa Itu Artificial Intelligence dan Contohnya?
Contoh Penerapan Machine Learning
Sudah ada banyak contoh penerapan pembelajaran mesin dalam kehidupan manusia, seperti berikut ini.
1. Industri perawatan kesehatan
Machine learning semakin diadopsi di industri perawatan kesehatan. Sensor kesehatan sudah lazim dikenakan. Sensor seperti itu memantau data kesehatan pengguna untuk menilai kesehatan mereka secara real-time.
Selain itu, teknologi ini membantu praktisi medis dalam menganalisis tren atau peristiwa yang menandai yang dapat membantu dalam meningkatkan diagnosis dan perawatan pasien.
Selain itu, machine learning berkontribusi signifikan pada dua bidang, yakni penemuan obat dan perawatan yang dipersonalisasi. Pembuatan atau penemuan obat baru itu mahal dan melibatkan proses yang panjang.
Machine learning membantu mempercepat langkah-langkah yang terlibat dalam proses multilangkah tersebut. Misalnya, Pfizer menggunakan Watson IBM untuk menganalisis volume besar data yang berbeda untuk penemuan obat.
Terkait perawatan yang dipersonalisasi, produsen obat menghadapi tantangan berat untuk memvalidasi efektivitas obat tertentu pada sebagian besar populasi. Ini karena obat tersebut hanya bekerja pada sekelompok kecil dalam uji klinis dan mungkin menyebabkan efek samping pada beberapa subjek.
Untuk mengatasi masalah ini, perusahaan seperti Genentech telah berkolaborasi dengan GNS Healthcare untuk memanfaatkan machine learning dan platform simulasi artificial intelligence dalam perawatan biomedis untuk mengatasi masalah ini.
Teknologi ML mencari penanda respon pasien dengan menganalisis gen individu, yang memberikan terapi bertarget kepada pasien.
2. Sektor keuangan
Saat ini, sejumlah lembaga keuangan dan bank menggunakan teknologi machine learning untuk berbagai keperluan, seperti mencegah penipuan kredit. Jika sumber daya yang mereka miliki kurang menguasai, beberapa lembaga keuangan juga telah bermitra dengan perusahaan teknologi untuk memanfaatkan machine learning.
Citibank, contohnya, telah bermitra dengan perusahaan pendeteksi penipuan Feedzai untuk menangani penipuan perbankan online dan offline.
3. Sektor ritel
Situs web ritel secara ekstensif menggunakan pembelajaran mesin untuk merekomendasikan item berdasarkan riwayat pembelian pengguna. Pengusaha ritel menggunakan teknik machine learning untuk menangkap data, menganalisisnya, dan memberikan pengalaman belanja yang dipersonalisasi kepada pelanggan mereka.
Saat Anda menelusuri item–item di Amazon, misalnya, rekomendasi produk yang Anda lihat di beranda dihasilkan dari algoritma pembelajaran mesin.
Amazon menggunakan ‘jaringan saraf tiruan’ untuk menawarkan rekomendasi yang cerdas dan dipersonalisasi yang relevan bagi pelanggan berdasarkan riwayat pembelian, komentar, bookmark, dan aktivitas online terbaru mereka.
Netflix dan YouTube, contoh lainnya, sangat bergantung pada sistem rekomendasi untuk menyarankan acara dan video kepada penggunanya berdasarkan riwayat tontonan mereka.
Selain itu, situs ritel juga didukung dengan asisten virtual atau chatbot percakapan yang memanfaatkan machine learning, pengolahan bahasa alami (Natural Language Processing/NLP), dan Pemahaman bahasa alami (Natural Language Understanding/NLU) untuk mengotomatiskan pengalaman berbelanja pelanggan.
4. Industri perjalanan
Pembelajaran mesin memainkan peran penting dalam memperluas cakupan industri perjalanan atau travel. Wahana yang ditawarkan oleh Uber, Ola, dan bahkan mobil yang berjalan sendiri (self-driving) memiliki backend machine learning yang tangguh.
Pertimbangkan algoritma pembelajaran mesin Uber yang menangani harga dinamis perjalanan mereka. Uber menggunakan model pembelajaran mesin yang disebut ‘Geosurge‘ untuk mengelola parameter penetapan harga dinamis. Ini menggunakan pemodelan prediktif real-time pada pola lalu lintas, penawaran, dan permintaan.
Jika Anda terlambat menghadiri rapat dan perlu memesan Uber di area yang ramai, model penetapan harga dinamis akan dimulai. Anda memang bisa segera naik Uber, tetapi harus membayar dua kali lipat dari tarif reguler.
Selain itu, industri perjalanan menggunakan pembelajaran mesin untuk menganalisis ulasan pengguna. Komentar pengguna diklasifikasikan melalui analisis sentimen berdasarkan skor positif atau negatif. Ini digunakan untuk pemantauan kampanye, merek, dan sebagainya oleh perusahaan di industri perjalanan.
5. Media sosial
Dengan pembelajaran mesin, miliaran pengguna dapat terlibat secara efisien di jaringan media sosial. Pembelajaran mesin sangat penting dalam mendorong platform media sosial dari mempersonalisasi feed berita hingga menayangkan iklan khusus pengguna.
Misalnya, fitur penandaan otomatis Facebook menggunakan pengenalan gambar untuk mengidentifikasi wajah teman Anda dan menandainya secara otomatis.
Jejaring sosial dapat mengenali wajah-wajah yang dikenal dalam daftar kontak pengguna dan memfasilitasi penandaan otomatis.
Demikian pula, LinkedIn tahu dengan siapa sebaiknya Anda terhubung, bagaimana peringkat keterampilan Anda dibandingkan dengan rekan kerja dan hal-hal lain seputar hubungan bisnis. Semua fitur ini diaktifkan oleh pembelajaran mesin.
Baca Artikel Lainnya di Ajaib Kripto!
Untuk menemukan artikel menarik lainnya, ayo, cek halaman Belajar Ajaib Kripto! Download juga aplikasi Ajaib Kripto di iOS dan Play Store dengan klik button di bawah ini!
