Ya, Bagaimanapun Kita Bukan Machine Learning

Hai, saya hijrah ke sini sebentar karena ada sedikit masalah di blog sebelah. Mungkin nanti di-copy deh ke blog sebelah.. *ga penting*

Ohya, besok saya UTS terakhir. Mata kuliahnya namanya Machine Learning. Belajar bagaimana membuat mesin yang bisa “belajar”. Ya intinya begitu… *tidak menjawab*

Lanjut…

Nah, salah satu hal penting dari sebuah machine learning adalah dataset. Dataset dibagi menjadi 2 jenis: Dataset training-yang mudahnya bisa disebut “bahan belajar” si mesin- dan dataset testing-yang mudahnya bisa disebut “bahan ujian” si mesin untuk menguji seberapa pintarnya si mesin ini. Di salah satu soal kuis, pernah dipermasalahkan apa pengaruh antara banyaknya data training ini. Apakah dataset training yang banyak akan mengurangi jumlah error saat training? ataukan malah menambahkan error-nya saat testing?

Dalam teori machine learning, sebuah mesin yang dataset training-nya ditambahkan secara gradual (ditambah secara bertahap, setiap iterasi semakin banyak) dengan pendekatan model regresi linear (nah kalo yang ini agak susah ngejelasinnya, pokoknya begitu, silakan datangi saya jika tertarik mengetahui lebih jauh), ketika data training yang diberikan ke mesin semakin banyak, maka akan semakin meningkat error yang terjadi. Mengapa? Karena, misal untuk iterasi ke-i, telah dilakukan training terhadap x banyak data kepada si mesin. Nah, kemudian si mesin ini sudah memodelkan “hasil belajar”nya terhadap si x banyak data ini. Jika suatu saat nanti pada iterasi ke-(i+1) ditambahkan lagi data training terhadap x+y banyak data, si mesin akan kembali “belajar”. Bisa jadi di salah satu dari y dataset training atau “bahan belajar”nya itu, ada yang menyimpang dari model yang telah menjadi “paradigma” si mesin pada iterasi selanjutnya. Nah, jadilah besarnya error malah meningkat saat training.

Lalu, bagaimana pengaruh penambahan ini saat testing dilakukan? Yang terjadi malah sebaliknya. Karena si mesin ini sudah “belajar” banyak hal, si mesin pun akan semakin pintar! Ia paham apa yang harus dilakukan untuk lebih banyak lagi jenis data. Kesalahan atau error yang terjadi di kemudian hari pun akan semakin sedikit di setiap iterasinya.

Hmm, memang begitu ‘kan learning seharusnya?

Saat berlatih mengerjakan soal, semakin banyak jenis soal yang kita kerjakan, akan semakin banyak variasi masalah yang akan kita temukan. Akan semakin banyak error atau kesalahan yang kita lakukan. Gagal, coba lagi, tanya asdos, ikut asistensi, dan semacamnya. Semakin banyak error, semakin banyak kita belajar untuk bisa membenahi error tersebut.

Maka, ketika masa testing, karena kita sudah punya banyaak persiapan dari data training, kita semakin siap. Ada soal jenis x, “ah udah pernah ngerjain, gampang”. Soal y dimodifikasi sedikit, “ah teorinya udah dapet, tinggal dibeginikan bisa..”. Makin banyak training, makin kecil kemungkinan salah hitung (apalagi cuma gara-gara angka 0 ya, ci.. terus salah nge-OBE-in gituuu #membukalukaanum)

Begitu juga dengan hidup bukan? Ya, semakin ditempa, kita akan semakin sering belajar dan mencari solusi, memperbaiki diri untuk mengurangi error-error yang terjadi sehingga kita tidak akan pernah terjebak di lubang kesalahan yang sama. Sehingga kita tidak menjadi manusia yang merugi.

Lalu bagaimana dengan .. hubungan kita sesama manusia?

Sayang, terkadang, semakin dekat kita dengan seseorang, kita sering merasa bahwa teori ini juga sepenuhnya berlaku. Kadang, kita suka berasumsi tentang orang tersebut. Kita juga kemudian berasumsi pula bahwa orang itu tahu dan bisa mengerti juga. Saat kita punya masalah, seringkali kita merasa “harusnya dia paham dong!” tanpa bercerita apapun. Padahal boleh jadi, saat kita bermasalah dan ingin dimengerti (saat sedang egois-egoisnya dan ingin si teman terdekat kita ini mengerti), teman kita itu juga sedang memiliki masalah yang berat… Saya pun terkadang begitu. hiks. maaapin..

Untuk urusan manusia, khususnya perasaan, ada banyaaaaaak atribut tak berhinggaaaa. Decision Tree masih terlalu cupu untuk memodelkannya, karena itu levelnya DFS, guys. Bayesian Network? Kayaknya ribet ya kalo perasaan dan momen dibikin probabilitas gitu, membuat network dari satu peristiwa ke peristiwa lain juga kayaknya nggak mungkin ya mengingat banyak banget peristiwa yang sudah terjadi. Artificial Neural Network? Hmm, kayaknya modelnya bakal jadi ber-layer-layer. Mau coba HTM? CLA? Minta bantuan Numenta? Ya silakan sih kalo mau nyoba, soalnya saya juga belum terlalu paham si algoritma super power ini gimana implementasinya (#curhat).

Terus solusinya apa dongs? 

Boleh kok pakai pendekatan machine learning untuk memulai. Banyakin dataset training-nya. Sering-seringlah bertemu, berkomunikasi positif, dan bersama-sama. Bentuk karakter orang tersebut di benak kita. Namun jangan mematok seakan kita tahu segalanya dan diapun tahu segalanya. Dalam hal ini, ada atribut spesial yang harus ada di tiap row dataset-nya: JUJUR, dan terbukalah. Lagi-lagi, “saling”… Nggak ada manusia yang benar-benar mengerti 100% manusia lainnya. Karena menurut gw, kadang manusia bahkan nggak bisa 100% mendefinisikan dan mengerti dirinya sendiri. Teori gw sih..  Makanya semangaat, ci!

Ohya, kalo saya sendiri. Saya punya “A book of Good things”. Apa itu? Rahasia😛

“Kita nggak harus tahu orang lain butuh kita atau nggak. Tapi yang penting, kita ADA untuk mereka”

Saya juga belum bisa sepenuhnya mengimplementasikan ke dunia sekitar saya. Saya jugaa masih “learning” banyak hal..

 

Kan, tulisannya random sekali strukturnya!

Okaaay, wish me luck for tomorrow! 

Bismillaaaaaaah!

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s