Implementasi Mechine Learning menggunakan Python Library : Scikit-Learn (Supervised dan Unsupervised Learning)

Abstract

Machine learning merupakan suatu pendekatan kecerdasan buatan yang mempunyai kegunaan dalam meniru sikap manusia dalam pengambilan keputusan berdasarkan pengalaman data yang dimiliki. Dataset yang digunakan dalam penelitian ini digunakan untuk proses inputan program yang berguna untuk menganalisis data target dengan benar. Dataset yang digunakan yaitu dataset iris yang diperoleh dari repository dataset publik oleh UCI Repository. Metodologi penelitian yang digunakan yaitu harus melalui empat tahapan yaitu: 1) tahap pemahaman masalah, yaitu masalah mengenai bunga iris yang memiliki macam warna dan memiliki panjang sepal dan petal untuk dikaegorikan ke dalam spesies bunga iris sesuai dengan kecocokan data; 2) tahap pemilihan teknik, yaitu pemilihan teknik yang sesuai dengan tujuan dari pengelompokan bunga-bunga iris ke dalam spesiesnya iris sentosa, iris versicolor, atau iris virginica; 3) tahap persiapan data, yaitu menyiapkan dataset, kemudian menggunakan bahasa python dengan platform Jupiter Notebook atau Pycharm yang  menyediakan beberapa library untuk membuat machie learning, dan; 4) tahap implementasi, yaitu merupakan tahap akhir dalam menyelesaikan permasalahan. Proses implementasi machine learning menggunakan teknik supervised learning antara lain digunakan pada jenis klasifikasi dengan menggunakan algoritma K-Neighbors Classifier  dan pada jenis regresi menggunakan algoritma Linier Regression, sedangkan teknik unsupevised learning antara lain digunakan pada jenis reduksi dimensi dengan menggunakan algoritma PCA dan pada jenis klasterisasi/pengelompokan dengan menggunakan algoritma K-Means. Kedua teknik tersebut memanfaatkan library scikit-learn. Sehingga bahasa pemrograman Python yang diprogram memiliki keahlian yaitu memberikan hasil keluaran sesuai input dari dataset, metode dan algoritma yang digunakan