Manfaat Machine Learning Dalam Kehidupan Sehari-hari

Machine Learning adalah salah satu cabang dari ilmu Kecerdasan Buatan, khususnya yang mempelajari tentang bagaimana komputer mampu belajar dari data untuk meningkatkan kecerdasannya.

Pada pembahasan artikel sebelumnya menjelaskan, saat ini AI dan Machine Learning sedang mengalami masa booming dan banyak dimanfaatkan dalam kehidupan sehari-hari. Berikut adalah beberapa contoh pemanfaatannya yang sering kita temui sehari-hari.

Baca Juga

1. Algoritma Pencarian (Web searching).

web searching dengan keyword "machine learning adalah"

Ketika anda mengetikan pencarian data pada Google seperti gambar diatas, maka yang dilakukan Google adalah menampilkan laman web paling relevan yang terkait dengan pencarian tersebut. Google melihat klik terakhir dari para penggunanya untukmemahami halaman web mana yang lebih relevan untuk ditampilkan pada suatu pencarian.

Untuk proses itulah machine learning bekerja. Machine Learning menggunakan teknik untuk membantu menangani data yang besar dengan cara yang cerdas dalam konteks ini untuk memberikan hasil pencarian yang tepat kepada pengguna.

2. Analisa Tulisan (Text Analysis).

Di era hoax yang merajalela, penting untuk menganalisakebenaran sebuah tulisan. disitulah machine learning diterapkan untuk menganalisa suatu teks, baik digunakan untuk menguji kebenaran tulisan, mengetahui sumbernya, atau mengklasifikasikannya berdasarkan kelompok tertentu.

Penerapan lain machine learning dalam text analysis diantaranya adalah untuk deteksi pesan spam, sentiment analysis, serta penerapkan pada information extraction.

Spam berarti machine learning akan menganalisa, menilai dan menyaring spam berdasarkan isi dan sumber dalam sebuah email.

Sentiment analysis maksdunya machine learning akan mengklasifikasikan opini pengguna sosial media apakah opini tersebut bernilai positif, netral atau negatif.

Information extraction berarti machine learning akan menganlisa potongan-potongan informasi dari suatu paragraf.

Gambar dibawah menunjukan contoh penerapan machine learning pada gmail untuk mendeteksi pesan yang tidak relevan untuk ditampilkan langsung di inbox dan mengalihkannya menjadi spam .

manfaat machine learning dalam memilah pesan spam

3. Pengenalan Gambar ( Image Recognition).

Mesin dapat belajar mengenali gambar-gambar yang diberikan kepadanya. Penerapan yang sering dijumpai adalah ketika kita menggunakan gambar pada facebook untuk memberikan tag / tanda pada teman-teman kita. Facebook memiliki fitur face detection yang mampu mendeteksi wajah, dan bahkan mengenali wajah siapa yang ada dlam gambar tersebut.

Facebook mengenali foto yang disorot cursor

4. Penerapan pada E-commerce.

Para pengelola e-commerce modern sudah menerapkan berbagai metode machine learning untuk memperlancar bisnisnya. Beberapa yang bisa dilakukan antara lain adalah meprediksi pergerakan pelanggan, termasuk memprediksi validasi dari sebuah transaksi.

Penerapan lain pada e-commerce diantarnya adalah untuk product recomender system. Sistem akan mengindetifikasi dan memberikan rekomendasi kepada customer, produk-produk mana yang menarik untuk dirinya. Hal itu dilakukan dengan melihat dan menganalisa history pembelian customer tersebut dari waktu ke waktu.

5. Penerapan pada Bidang Keuangan (Finance).

Machine learning dalam bidang keungan digunakan untuk mendeteksi potensi terjadinya fraud (kecurangan) baik dalam sebuah transaksi keungan maupun dalam sebuah pelaporan keungan. Machine learning juga dapat digunakan untuk mendeteksi potensi dari sebuah investasi yang akan dilakukan seseorang, memberikan analisa resiko kredit dan sebagainya.

6. Bidang Robotics.

Machine learning digunakan bidang Robotika untuk kasus-kasus bagaimana menanggapi ketidakpastian dalam lingkungan yang baru.
Contoh yang sekarang banyak dikembangkan adalah pada selft-driving car (Mobil otonom/mobil tanpa pengemudi/mobil tanpa sopir).

7. Ekstraksi Informasi.

Ekstraksi Informasi merupakan suatu bidang ilmu untuk pengelolaan Natural Language Processing (bahasa alami), dengan cara mencari informasi dari sekelompok teks yang tidak terstuktur menjadi informasi yang tersrtuktur sesuai dengan kebutuhan.

Saat ini internet menyediakan berbagai jenis informasi yang tidak terstruktur pada sebuah website, sehingga kebutuhan teknologi untuk menganalisa teks tersebut dan menemukan pengetahuan yang relevan dan terstruktur sesuai kebutuhan.