unsupervised learning

Bagaimana cara kerja unsupervised learning?

Unsupervised learning bekerja lewat beberapa langkah utama berikut ini:

1. Input data.

Proses dimulai ketika engineer ML atau data scientist memasukkan data ke algoritma machine learning untuk dilatih. Data yang digunakan ini tidak memiliki label atau kategori, jadi setiap data yang masuk dianggap sebagai input mentah (unlabeled sample) tanpa petunjuk apa pun.

2. Identifikasi pola.

Tujuan utama dari unsupervised learning adalah agar algoritma bisa menemukan pola dari data yang diberikan, lalu mengelompokkan data berdasarkan kemiripan yang ditemukan. Caranya adalah dengan menganalisis struktur dalam data dan mengekstrak fitur-fitur penting. Misalnya, jika diberikan data berupa gambar hewan, algoritma bisa mengelompokkan gambar menjadi hewan berbulu, bersisik, dan berbulu halus (seperti unggas). Seiring waktu, algoritma ini bisa bikin sub-kelompok sendiri berdasarkan detail yang semakin spesifik. Proses ini sepenuhnya dilakukan tanpa diajari dulu cara membedakan kategori tertentu.

3. Clustering dan asosiasi.

Tugas unsupervised learning biasanya dikategorikan menjadi clustering dan asosiasi. Clustering fokus pada pengelompokan data ke dalam klaster berdasarkan kemiripan, sedangkan asosiasi mencoba mencari hubungan atau pola antar item dalam satu set data.

Teknik ini sering dipakai di analisis pasar untuk memahami hubungan antar produk, meningkatkan strategi rekomendasi, dan penjualan silang. Contohnya, fitur “Customers who bought this item also bought” milik Amazon atau playlist “Discover Weekly” di Spotify memanfaatkan metode ini untuk menyesuaikan pengalaman pengguna berdasarkan kebiasaan konsumsi.

4. Evaluasi.

Pada tahap evaluasi, engineer ML akan menilai seberapa berguna atau akurat pola yang ditemukan. Contohnya, apakah klaster yang terbentuk masuk akal, atau apakah teknik reduksi dimensi sesuai dengan properti data yang sudah diketahui.

5. Aplikasi.

Setelah model unsupervised learning selesai dilatih, pola dan insight yang ditemukan bisa diterapkan ke berbagai hal—mulai dari pengkategorian berita, penargetan pelanggan dengan strategi marketing yang berbeda, hingga klasifikasi gambar secara kontekstual.

Perbedaan antara unsupervised, supervised, dan semi-supervised learning

Di dunia data science dan model ML, ada tiga pendekatan umum yang sering digunakan: unsupervised learning, supervised learning, dan semi-supervised learning. Berikut ini adalah beberapa perbedaan dan karakteristik masing-masing:

• Supervised learning adalah teknik ML yang mirip dengan unsupervised, tapi di sini data yang digunakan sudah diberi label dan ada variabel target yang ingin dipelajari. Misalnya, foto hewan diberi label apakah itu kucing, anjing, atau burung. Jadi, sistem dilatih dengan input dan output yang sudah ditentukan.
• Model supervised akan terus dilatih sampai bisa mengenali pola antara input dan output. Contoh algoritmanya adalah klasifikasi, decision tree, regresi, dan predictive modeling.
• Perbedaan utamanya adalah supervised learning butuh data yang sudah diberi label, sedangkan unsupervised tidak.
• Unsupervised learning lebih sulit ditebak hasilnya. Misalnya, sistem bisa saja membedakan kucing dan anjing secara otomatis, tapi juga bisa bikin kategori aneh seperti “anjing berbulu keriting” yang bikin hasil jadi makin rumit dari yang diharapkan.
• Semi-supervised learning adalah jalan tengahnya, yaitu gabungan antara data yang berlabel dan tidak berlabel. Teknik ini dimulai dengan beberapa contoh berlabel, lalu sistem belajar dari data tidak berlabel sisanya menggunakan metode unsupervised untuk memperkuat hasil supervised-nya.
• Keuntungan semi-supervised adalah kita masih bisa memberi arahan (label) pada data, tapi tetap membiarkan sistem belajar sendiri sebagian dari pola yang tersembunyi.

Satu lagi teknik ML yang cukup populer adalah reinforcement learning, yaitu model yang belajar dari sistem hadiah dan hukuman. Di sini, tindakan yang diinginkan diberi nilai positif dan yang tidak diinginkan diberi penalti.

Clustering dan jenis-jenis unsupervised learning lainnya

Dalam praktiknya, unsupervised learning sering difokuskan pada clustering—yaitu proses mengelompokkan data yang mirip dan memisahkan yang berbeda.

Engineer ML dan data scientist bisa memilih berbagai jenis algoritma clustering, yang secara umum terbagi ke dalam beberapa kategori berdasarkan cara kerjanya:

• Exclusive clustering. Dalam metode ini, satu data hanya boleh masuk ke satu cluster (disebut juga hard clustering). Contohnya k-means clustering, di mana data dibagi ke dalam k kelompok berdasarkan rata-rata terdekat.
• Overlapping clustering. Di sini, satu data bisa termasuk ke beberapa cluster sekaligus, dengan tingkat keanggotaan berbeda. Contohnya soft/fuzzy k-means clustering.
• Hierarchical clustering. Metode ini terbagi jadi dua: agglomerative (menggabungkan data yang tadinya terpisah) dan divisive (memecah satu cluster besar jadi beberapa kecil berdasarkan perbedaan).
• Probabilistic clustering. Pengelompokan berdasarkan kemungkinan sebuah data termasuk ke dalam suatu distribusi. Contohnya adalah model Gaussian Mixture yang biasa dipakai buat merepresentasikan sub-populasi dalam satu populasi besar.

Manfaat dari Unsupervised Learning

Berikut ini adalah beberapa manfaat dan penerapan dari unsupervised learning:

• Dapat menangani tugas yang kompleks. Unsupervised learning lebih efektif dibanding supervised learning ketika berhadapan dengan data awal yang kompleks dan tidak terstruktur. Jadi, teknik ini cocok banget buat tugas-tugas rumit seperti mengelompokkan data dalam jumlah besar ke dalam klaster-klaster tertentu.
• Tidak perlu interpretasi label. Engineer ML atau data scientist memang melatih algoritma dengan data, tapi mereka tidak perlu memberi label atau menjelaskan tiap data poin satu per satu.
• Bisa mengambil makna dari data mentah. Alat AI dapat menganalisis dan memahami data mentah jauh lebih cepat dibanding manusia.
• Mampu mengungkap pola tersembunyi dalam data tidak terstruktur. Dengan unsupervised learning, kita bisa mengenali faktor umum dari kumpulan data besar yang tampaknya acak dan tidak beraturan.
• Bisa bekerja secara real time. Unsupervised learning bisa langsung mengidentifikasi pola dari data yang mengalir secara langsung (live streaming data).
• Biaya lebih rendah dibanding supervised learning. Karena tidak perlu proses labeling secara manual, unsupervised learning jadi lebih hemat waktu dan biaya.
• Mirip cara kerja otak manusia. Metode ini meniru bagaimana manusia belajar—dengan pengenalan pola secara bertahap sebelum akhirnya memahami suatu informasi.

Tantangan dari Unsupervised Learning

Meskipun banyak keunggulannya, unsupervised learning juga punya beberapa tantangan yang perlu diperhatikan:

• Hasil bisa sulit diprediksi. Karena tidak ada label, sulit mengevaluasi seberapa akurat hasil keluaran model unsupervised learning.
• Waktu pelatihan cenderung lebih lama. Model perlu dilatih dengan banyak data, dan proses belajar dari data mentah bisa cukup memakan waktu.
• Kurangnya insight langsung. Menemukan pola tersembunyi dari data besar yang tidak diklasifikasi bisa jadi rumit dan menantang.
• Sulit untuk diinterpretasi. Pola atau klaster yang ditemukan sering kali tidak mudah dimengerti karena tidak ada kategori yang sudah didefinisikan sebelumnya.
• Berisiko overfitting. Model mungkin mengenali pola yang hanya berlaku pada data pelatihan, tapi gagal saat diterapkan ke data baru.
• Berpotensi melebih-lebihkan kemiripan. Dalam clustering, sistem bisa saja mengelompokkan data yang tampaknya mirip padahal punya perbedaan penting. Ini bisa menjadi masalah pada kasus seperti segmentasi pelanggan, di mana setiap individu seharusnya dipahami secara unik.

Praktik Terbaik dalam Unsupervised Learning

Beberapa praktik terbaik yang bisa dilakukan dalam implementasi unsupervised learning meliputi:

• Pemahaman terhadap data. Mengenali sifat, distribusi, dan potensi pola dalam data sangat penting untuk mendapatkan hasil terbaik dari unsupervised learning.
• Feature engineering. Tahapan ini krusial untuk memilih dan mengekstrak fitur yang relevan, karena sangat memengaruhi kinerja metode clustering dan reduksi dimensi.
• Preprocessing data. Membersihkan data dari outlier, nilai yang hilang, dan melakukan standardisasi bisa meningkatkan akurasi output model secara signifikan.
• Metode evaluasi. Gunakan metrik evaluasi yang sesuai, misalnya reconstruction error untuk reduksi dimensi, dan silhouette score untuk clustering.
• Pengujian dan validasi. Pastikan model diuji pada data baru untuk mengetahui apakah hasilnya bisa digeneralisasi atau tidak.
• Maintenance model. Model harus selalu dimonitor dan diperbarui, terutama jika datanya dinamis. Revisi secara berkala penting agar model tetap relevan dan akurat.
• Dokumentasi dan interoperabilitas. Proses mulai dari preprocessing, pemilihan model, hingga tuning parameter harus terdokumentasi dengan baik. Ini akan membantu pemahaman dan pengambilan keputusan berdasarkan hasil clustering atau pola yang ditemukan.

Contoh dan Penerapan Unsupervised Learning

Dua penerapan paling umum dari unsupervised learning adalah analisis eksploratif dan reduksi dimensi.

Analisis eksploratif menggunakan algoritma untuk menemukan pola yang sebelumnya tidak diketahui. Banyak perusahaan menggunakan ini sebagai langkah awal untuk melakukan segmentasi pelanggan.

Reduksi dimensi biasanya dipakai untuk visualisasi data dan meningkatkan performa algoritma ML. Teknik seperti PCA (Principal Component Analysis) atau autoencoder akan mengurangi jumlah fitur dari data agar lebih fokus ke fitur-fitur yang relevan. Ini juga sering dianggap sebagai cara untuk menghapus noisy data. Misalnya, perusahaan bisa menggunakan reduksi dimensi untuk “membaca” gambar buram dengan menghilangkan latar belakang yang tidak penting.

Selain itu, unsupervised learning juga digunakan untuk hal-hal berikut:

• Deteksi anomali berbasis clustering. Mengelompokkan data dan mengidentifikasi outlier tanpa perlu label sebelumnya.
• Association rule mining. Mendeteksi pola keterkaitan antar item, biasa digunakan untuk analisis kebiasaan belanja pelanggan, deteksi gejala penyakit, atau aktivitas mencurigakan.
• Cybersecurity. Sistem keamanan berbasis unsupervised learning bisa mendeteksi potensi serangan siber beserta cara dan lokasi terjadinya.
• Segmentasi pelanggan. Tim marketing bisa menyusun strategi iklan yang lebih personal berdasarkan kelompok pelanggan tertentu.
• Pencitraan medis. Dalam bidang kesehatan, fitur unsupervised ML dimanfaatkan untuk diagnosis lewat perangkat radiologi atau patologi.
• Validitas prognosis. Umumnya digunakan di dunia medis, aplikasi ini memprediksi kondisi pasien dari waktu ke waktu dengan mengelompokkan mereka berdasarkan masalah kesehatan yang mirip.
• Recommendation engine. Sistem ini menganalisis data browsing, belanja, atau tontonan pengguna untuk memberikan rekomendasi yang dipersonalisasi.
• Kompresi gambar. Unsupervised learning bisa mengurangi ukuran file gambar dengan menghapus informasi berulang, sehingga menghemat ruang penyimpanan.
• Computer vision. Digunakan untuk mengenali objek dalam gambar tanpa butuh label, cocok buat tugas-tugas visual seperti deteksi objek otomatis.

Masa Depan Teknologi Unsupervised Learning

Teknologi unsupervised learning saat ini berkembang sangat pesat. Berdasarkan laporan dari Allied Market Research, nilai pasar global unsupervised learning yang mencapai $4,2 miliar pada tahun 2022 diperkirakan akan melonjak hingga $86,1 miliar di tahun 2032.

Pertumbuhan ini didorong oleh semakin banyaknya data yang tersedia serta perkembangan pesat dalam teknologi AI dan ML. Meskipun masih ada tantangan, seperti sulitnya interpretasi hasil, permintaan tinggi untuk deteksi anomali dan keamanan siber diprediksi akan membuka banyak peluang baru bagi perkembangan unsupervised learning di masa depan.

Pelajari lebih lanjut tentang teknik unsupervised learning, termasuk clustering, untuk membantu proses pengelompokan data secara efisien.