MACHINE LEARNING VS DEEP LEARNING

Perkembangan teknologi saat ini membuat banyak sekali industri atau perusahaan untuk berlomba mewujudkan teknologi paling canggih. Kita sudah pasti sering mendengar tentang perusahaan yang berskala besar. Hal ini, tentu saja tidak terlepas dari istilah yang digunakan seperti Artificial Intelligence, Machine Learning, Deep Learning, atau bahkan Natural Language Processing.

Industri atau perusahaan terus berlomba-lomba untuk mengembangkan ilmu tersebut karena kecanggihan teknologi yang ada didalamnya, sehingga akan membantu proses bisnis ketika ilmu tersebut diterapkan dalam perusahaan tersebut. Oleh karena itu, saya akan membagikan tentang apa perbedaan Machine Learning dan Deep Learning? Mari kita simak penjelasannya!

Apa Itu Algoritma Machine Learning Dan Deep Learning?

Machine Learning

Dikutip dari IBM, Machine Learning merupakan cabang dari kecerdasan buatan (AI) dan ilmu komputer yang berfokus pada penggunaan data dan algoritma untuk meniru cara manusia belajar dan secara bertahap dapat meningkatkan akurasinya. Machine learning merupakan komponen penting dari bidang ilmu tentang perkembangan data. Melalui penggunaan statistik, algoritma machine learning dilatih untuk membuat klasifikasi atau prediksi dalam pengembangan data.

Secara umum bisa dikatakan bahwa machine learning adalah metode analisis data yang dilakukan dengan otomatisasi pembuatan model analitis. Sebagai cabang dari AI, machine learning didasarkan pada gagasan bahwa sistem dapat belajar dari data, mengidentifikasi pola, dan membuat keputusan dengan sedikit intervensi manusia dalam proses tersebut.

Deep Learning

Deep Learning merupakan salah satu metode implementasi dari Machine Learning yang bertujuan untuk meniru cara kerja otak manusia menggunakan Artificial Neural Network atau jaringan nalar buatan. Deep Learning dengan sejumlah algoritmanya sebagai "neuron" akan bekerja sama dalam menentukan dan mencerna karakteristik-karakteristik tertentu pada suatu rangkaian data. Program dalam Deep Learning biasanya menggunakan kapabilitas yang lebih kompleks dalam mempelajari, mencerna, dan juga mengklasifikasikan data.

Jenis-jenis Algoritma Machine Learning Vs Deep Learning

Machine Learning

1. Supervised Learning

Supervised Learning merupakan jenis algoritma Machine Learning yang mempunyai variabel input dan output. Tujuannya adalah untuk memperkirakan fungsi dari pemetaan, sehingga ketika kita ingin memasukkan input data yang baru, kita dapat memprediksi output dari input tersebut. Supervised Learning memerlukan dataset untuk digunakan sebagai data training. Oleh karena itu, dibutuhkan effort untuk mengumpulkan dan melakukan label tag pada sample dataset tersebut, selain itu proses training juga membutuhkan waktu. Metode dari Supervised Learning dapat dikelompokkan menjadi dua yaitu regresi dan klasifikasi.

2. Unsupervised Learning

Unsupervised Learning merupakan jenis learning yang hanya mempunyai variabel input tapi tidak mempunyai variabel output yang berhubungan. Tujuan dari Machine Learning ini adalah untuk memodelkan struktur data dan menyimpulkan fungsi yang mendeskripsikan data tersebut.

Unsupervised Learning adalah salah satu tipe algoritma Machine Learning yang digunakan untuk menarik kesimpulan dari dataset. Metode ini hanya akan mempelajari suatu data berdasarkan kedekatannya saja atau yang biasa disebut dengan clustering. Metode Unsupervised Learning yang paling umum adalah clustering, yang digunakan pada analisa data untuk mencari pola-pola tersembunyi atau pengelompokan dalam data.

3. Semi-Supervised Learning 
Semi-Supervised Learning merupakan tipe learning dimana input data yang digunakan dalam jumlah besar dan hanya sebagian data yang akan dilabeli. Maka dari itu, permasalahan ini berada di antara Supervised dan Unsupervised Learning. Sistem yang memakai jenis algoritma ini biasanya dapat meningkatkan efisiensi pada output yang dihasilkan.

Deep Learning

1. Deep Neural Network (DNN) 
Jenis algoritma ini merupakan sebuah struktur algoritma yang berlapis-lapis dengan model sirkuit saraf kranial manusia dan hewan yang dirancang untuk mengenali pola yang disebut neural network (NN).

2. Artificial Neural Networks (ANN) 
Artificial Neural Networks yang biasa disingkat dengan ANN adalah bagian yang paling ajaib dari Deep Learning. ANN ini mensimulasikan kerja otak kita yang tersusun jaringan saraf yang disebut neuron. Sama seperti sistem otak manusia, dalam jaringan Artificial Neural Network ini si mesin menerima informasi pada titik-titik yang disebut nodes yang terkumpul pada satu layer untuk kemudian diteruskan dan diproses ke layer selanjutnya yang disebut hidden layers.

3. Convolutional Neural Network (CNN) 
Algoritma ini menggunakan neural network tipe propagasi maju dengan abstraksi informasi lokal dan universalitas posisi. Contoh penggunaan utama dari algoritma CNN ini adalah pengenalan gambar. Secara komputasi, metode CNN ini lebih irit daya, bayangkan jika terdapat suatu gambar berukuran 1920×1080 pixel. Ini berarti ada 2.073.600 nodes yang harus dibuat pada layer input. Belum lagi jika gambar tersebut berwarna di mana setiap pixel terdiri dari 3 warna RGB. Berarti jumlah nodes yang sudah banyak tadi harus dikalikan 3. Bisa dibayangkan berapa jumlah nodes pada layer pertama. CNN memindai bagian per bagian area kecil di dalam gambar tersebut untuk dijadikan node. Setiap angka dalam nodes merupakan hasil penghitungan matriks dari filter/kernel. Dalam CNN, terdapat bagian yang sama antara node satu dengan node yang ada di sebelahnya.

Implementasi Teknologi Machine Learning Vs Deep Learning

Machine Learning

Munculnya layanan kesehatan berbasis online berguna dalam membantu masyarakat dalam melaksanakan pengecekan dini juga bantuan layanan medis dari rumah sakit. Layanan kesehatan online ini salah satunya adalah online assessment. Pengguna layanan ini akan diajukan beberapa pertanyaan mengenai riwayat kesehatan yang nantinya membantu pengguna ketika konsultasi langsung dengan dokter mengenai gejala yang dideritanya.

Deep Learning

Dilansir dari Tech in Asia, Deep Learning dapat dianggap sebagai otak yang lebih baik yang dapat meningkatkan cara belajar komputer. Algoritma ini dapat meningkatkan kemampuan asisten virtual, seperti Siri dari Apple atau Google Assistant dari Google untuk menangani hal-hal yang belum dikenali dengan baik oleh kedua asisten digital itu. Selain itu, pengimplementasian Deep Learning juga bisa dilihat dari AlphaGo milik Google. AlphaGo merupakan gim sejenis catur. Dengan bermain melawan pemain Go profesional, Deep Learning AlphaGo mempelajari bagaimana ia bermain di tingkat yang belum terjamah sebelumnya oleh AI. Hebatnya, apa yang dilakukannya tersebut tanpa instruksi apapun ketika melancarkan gerakan-gerakan spesifik.

Machine Learning dan Deep Learning pada dasarnya memiliki perbedaan meskipun sama-sama bersinggungan dengan Artificial Intelligence. Perbedaan-perbedaan itu, dapat diuraikan seperti berikut :

MACHINE LEARNING	DEEP LEARNING
Bagian dari Artificial Intelligence	Bagian dari Machine Learning
Lebih besar dan umum dibandingkan Deep Learning	“Deep” mengacu pada kedalaman Neural Networks
Memerlukan panduan lewat AI dengan bantuan tangan manusia	Bisa membenahi dan menentukan algoritma dalam penyesuaian melalui Neural Networks
Masih memerlukan pemrograman manusia dalam metode komputasinya	Mampu mempelajari sendiri metode komputasinya seolah-olah memiliki otak sendiri

Terima Kasih.
Salam,

#PYN