Perbedaan Supervised Learning dan Unsupervised Learning Pada Machine Learning

Perbedaan Supervised Learning dan Unsupervised Learning Pada Machine Learning

  November 15, 2022    ALDI

---

 Dalam ranah machine learning dan data science, istilah supervised learning dan unsupervised learning kerap terdengar. Apa pengertian dua istilah tersebut? Apa perbedaannya?

Pengertian Supervised

Supervised merupakan sebuah proses pengelompokkan data – data yang dimana telah memiliki label dan akan dimasukkan/dikelompokkan berdasarkan labelnya, juga algoritma yang terdapat pada supervised bertujuan untuk memperkirakan atau memprediksi fungsi pada bidang pemetaan sehingga ketika ada variable input (X) kita pun dapat memprediksi variable output (Y).

Pengelompokan data pada supervised disebut dengan classification atau klasifikasi, yang mana klasifikasi sendiri merupakan aktivitas proses pengkatagorian sekumpulan data-data menjadi kedalam

kelas-kelas yang dapat dilakukan pada data yang terstruktur maupun tidak terstruktur. Proses klasifikasinya sendiri dimulai dengan memprediksikan kelas pada titik data, kemudian kelas-kelas tersebut sering disebut juga sebagai label, target, kategori.

Untuk kekurangan algoritma pada supervised sendiri yaitu seperti menghasilkan batas keputusan yang terlalu berlebihan, tetapi itu terjadi jika kita tidak memiliki sampel secara proper atau tepat ke dalam kelas-kelas datanya, juga membutuhkan lebih banyak sampel dari setiap kelas-kelas untuk tahap klasifikasi, dan juga membutuhkan biaya dan waktu yang lebih untuk hal tersebut (proses komputasi).

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.