Perbedaan Supervised Learning dan Unsupervised Learning

Sobat Data tahu ngga sih kalau pada pengolahan data kita sering bertemu dengan berbagai algoritma, nah algoritma tersebut dapat kita gunakan sesuai dengan kebutuhan data kita dan tujuan pengolahan data yang kita lakukan. Dalam pengolahan data kita juga pasti menggunakan algoritma tertentu agar mendapat hasil yang terbaik kan ? Nah dari sini Sobat Data tahu ngga kalau algoritma-algoritma yang kita gunakan sebenarnya dibagi menjadi 2 bagian pendekatan loh. Dua pendekatan tersebut adalah Supervised Learning dan Unsupervised Learning. Jadi apa sih perbedaan dari Supervised Learning dan Unsupervised Learning ? Jika Sobat Data belum tahu, tenang aja karena akan dibahas dalam artikel ini.

1. Supervised Learning

Supervised Learning merupakan sebuah pemodelan dimana algoritmanya dapat membangkitkan suatu fungsi yang memetakan input ke output yang diinginkan. Pada Supervised Learning kita mengolah data yang memiliki label sehingga tujuan pengolahan tersebut adalah mengelompokkan data ke data yang sudah ada. Proses pengolahan data yang kita lakukan jika menggunakan Supervised Learning juga memerlukan data training, data training sendiri digunakan dalam meprediksi maupun mengklasifikasi data. Sobat Data tau ngga kalau penggunaan pendekatan Supervised Learning dalam kehidupan sehari-hari bisa ditemukan pada kasus prediksi harga saham, klasifikasi pelanggan, klasifikasi gambar dan lain-lain. Adapun algoritma-algoritma yang termasuk dalam Supervised Learning adalah :

  1. Decision Trees
  2. KNN (K-Nearest Neighbor)
  3. Feature Extraction
  4. Naïve Bayes
  5. SVM (Support Vactor Machines)
  6. Artificial Neural Network
  7. Unsupervised Learning

2. Unsupervised Learning

Unsupervised Learning merupakan sebuah pemodelan dimana algoritmanya memodelkan sekumpulan input secara otomatis tanpa adanya panduan output yang diinginkan. Berbeda dengan Supervised Learning, pada Unsupervised Learning kita mengolah data yang tidak memiliki label, sehingga tujuan kita dalam menggunakan Unsupervised Learning adalah mengelompokkan suatu data yang hampir sama dengan data tertentu. Pada Unsupervised Learning kita juga tidak membutuhkan data training loh Sobat Data dalam melakukan prediksi maupun klasifikasi. Contohnya nih kita dapat menggunakan Unsupervised Learning dalam melakukan segmentasi pelanggan pada toko X. Algorimta yang termasuk dalam Unsupervised Learning sebagai berikut :

  1. K-means
  2. Hierarchical Clustering
  3. DBSCAN
  4. Fuzzy C-Means
  5. Self-Organizing Map

Sampai sini sudah paham kan Sobat Data mengenai perbedaan Supervised Learning dan Unsupervised Learning? Dapat disimpulkan bahwa ketika kita akan melakukan pengolahan data yang memiliki target klasifikasinya, kita dapat menggunakan algoritma-algoritma pada Supervised Learning. Sebaliknya, jika dalam proses pengolahan kita hanya ingin membagi data ke dalam kelompok-kelompok tertentu, maka dapat menggunakan Unsupervised Learning.

Penulis : Nadea Putri Nur Fauzi (Mahasiswa Sains Data)

patekphilippe.io

Related Post

Bridging Technology for Humanity
Jl. D.I Panjaitan No. 128 Purwokerto 53147, Jawa Tengah – Indonesia

Telp : 0281-641629

WA  : 0812-2831-9222

Email : [email protected]

Website Official : ittelkom-pwt.ac.id

Website PMB : pmb.ittelkom-pwt.ac.id

Negara : Indonesia

Telp

WA

Email

Website Official

Website PMB

Negara

Fakultas Teknik Telekomunikasi dan Elektro (FTTE)

Fakultas Informatika (FIF)

Fakultas Rekayasa Industri dan Desain (FRID)

Bridging Technology for Humanity
Jl. D.I Panjaitan No. 128 Purwokerto 53147, Jawa Tengah – Indonesia

Telp

WA

Email

Website Official

Website PMB

Negara

Fakultas Teknik Telekomunikasi dan Elektro (FTTE)

Fakultas Informatika (FIF)

Fakultas Rekayasa Industri dan Desain (FRID)

Copyright ©2024 All Rights Reserved By PMB Institut Teknologi Telkom Purwokerto