Tipe-tipe Analisis Data dalam AI dan ML

Sebelumnya sudah dibahas mengenai tipe-tipe analisis data berdasarkan pendekatan matematika dan statistika.

Sekarang, Pacmann akan membahas lebih lanjut soal tipe-tipe analisis data dalam artificial intelligence dan machine learning.

Pentingnya AI dan ML dalam analisis data

Analisis data adalah aktivitas yang mencakup manipulasi, transformasi, analisis, hingga visualisasi data.

Karena tiap perusahaan maupun individu memiliki kebutuhan yang berbeda terkait penggunaan data, maka tipe-tipe analisis data-nya pun bermacam-macam.

Sebagian besar dari proses analisis data merupakan pekerjaan matematis yang kompleks dan memakan waktu. Oleh karena itu, bisnis memerlukan solusi yang cepat, pesat dan efisien.

Di sinilah artificial intelligence (AI) dan machine learning (ML) memegang andil besar. Dengan otomatisasi dan kemampuan belajar yang dimiliki mesin, pemrosesan data jadi lebih cepat.

Keuntungan yang dihadirkan oleh AI dan ML ini hadir berkat berkembangnya berbagai algoritma yang memiliki banyak kapabilitas baru, mulai dari:

• memprediksi tren,
• mengenali suara dan wajah,
• memproses gambar, dsb.

Dengan adanya pembaruan ini di bidang analisis data, kini manusia hanya perlu fokus ke penarikan insight, sedikit porsi data cleaning, dan presentasi data.

Namun, perlu diingat, skill dan pemahaman analisis data tetap masih sangat dibutuhkan. Hanya saja prosesnya bisa dilakukan dengan AI dan ML model yang berfungsi sebagai tools.

Tipe-tipe analisis data dalam AI dan ML

Terdapat empat metode analisis data yang cukup populer di bidang penerapan AI dan ML.

Artificial neural networks (ANN)

Artificial neural network merupakan salah satu metode analisis data yang bekerja dengan cara mengimitasi cara kerja otak manusia.

ANN merepresentasikan bagaimana neuron berfungsi dalam pembelajaran biologis dan memori.

Jaringan saraf buatan ini menjadi landasan universal dan model komputasi dalam mengorganisir data, yang dilengkapi dengan karakteristik khusus yaitu kemampuan belajar dan beradaptasi.

Dilansir dari AWS, ANN dibuat dengan menyusun sistem adaptif yang digunakan komputer untuk belajar dari kesalahan dan berkembang secara terus menerus.

Oleh karena itu, ANN mampu memecahkan masalah yang kompleks sekalipun, seperti merangkum dokumen hingga mengenali wajah dengan tingkat keakuratan yang tinggi.

Sebuah sistem ANN dapat mengubah strukturnya berdasarkan informasi yang mengalir melalui jaringannya.

Umumnya, arsitektur ANN dalam bentuk sederhana terdiri atas tiga lapisan, yaitu:

• Input layer sebagai pintu masuk segala informasi yang kemudian diproses, dianalisis, dikategorisasi, dan ditransfer ke layer berikutnya.
• Hidden layer yang menerima informasi dari input layer atau dari hidden layer lainnya (sebuah ANN dapat memiliki banyak hidden layer).
• Output layer yang menghasilkan output final dari pemrosesan data oleh ANN.

Decision tree

Seperti namanya, decision tree, atau pohon keputusan, merupakan salah satu metode analisis data yang ditujukan untuk pengambilan keputusan berdasarkan beberapa cabang jawaban. Diagram yang dihasilkan pun berbentuk seperti pohon.

Sebuah decision tree umumnya terdiri atas satu root node (situation), yang kemudian bercabang (branches) menjadi beberapa decision-decision lainnya (leaf node/decision node).

Decision tree adalah algoritma klasifikasi modern yang populer digunakan dalam data mining dan machine learning.

Metode ini kerap digunakan untuk kategorisasi atau pembuatan prediksi berdasarkan pilihan jawaban.

Diagram pohon ini diciptakan untuk menjelaskan bagaimana suatu pilihan dapat berujung ke pilihan lainnya berkat adanya cabang-cabang jawaban.

Analisis data dengan metode decision tree dapat membantu problem-solving, menguak potensi bisnis, manajemen operasional, strategi organisasi, hingga pengambilan keputusan kompleks terkait manajemen keuangan perusahaan.

Decision tree dapat digambar manual, namun juga bisa dibuat dengan bantuan decision tree software.

Use case untuk decision tree biasanya diterapkan untuk penentuan rekomendasi konsumen.

Recommendation engine dapat dibangun dengan basis decision tree, yang merekam keputusan yang diambil konsumen, kemudian menciptakan nodes-nodes baru dari pilihan tersebut.

Evolutionary algorithm

Evolutionary algorithm merupakan algoritma untuk analisis data yang memiliki kemampuan khusus untuk mengeksplorasi dataset yang besar guna mencari pola dan solusi.

Umumnya, proses dalam evolutionary algorithm adalah seperti digambarkan di atas.

Proses pencarian solusi atau hasil analisis diproses melalui tiga tahapan, yaitu:

• Selection: proses pencarian data terbaik untuk diproses lebih lanjut
• Crossover: proses penerapan berbagai kombinasi variabel terhadap data
• Mutation: proses pembentukan data baru berdasarkan hasil selection dan crossover

Setelah proses mutation, data kembali dievaluasi dengan proses fitness, yakni proses yang mengukur seberapa dekat hasil akhir dengan tujuan yang ditentukan.

Fuzzy logic

Fuzzy logic merupakan metode analisis data yang lahir dari paham bahwa tidak semua hal bisa diukur dengan jawaban ‘ya’ dan ‘tidak’ layaknya logika Boolean.

Dalam konteks AI, fuzzy logic menawarkan metode yang fleksibel dalam penentuan reasoning.

Dengan tujuan meniru pola pikir manusia, fuzzy logic menawarkan banyak pilihan jawaban.

Sebagai contoh, apabila logika Boolean hanya menawarkan pilihan ‘ya’ dan ‘tidak’, maka fuzzy logic bisa menawarkan banyak pilihan lain seperti:

• mungkin,
• bisa jadi,
• kemungkinan besar,
• kemungkinan kecil, dsb.

Tujuan besarnya adalah meningkatkan jumlah kemungkinan (possibility) guna menemukan hasil akhir yang lebih definitif.

Jadi, meskipun fuzzy logic gagal menemukan reasoning yang akurat, setidaknya metode ini bisa mendapatkan reasoning yang bisa diterima.

Demikian penjelasan singkat mengenai beberapa tipe-tipe analisis data berbasis pendekatan artificial intelligence dan machine learning.

Metode-metode ini tentunya berguna apabila kamu tahu kapan waktu dan situasi yang tepat untuk menggunakannya. Seperti yang sudah disinggung di awal, skill dan pemahaman analisis data tetap masih sangat dibutuhkan dan kamu perlu memiliki pemahaman yang mumpuni di bidang AI.

Kamu bisa belajar lebih banyak tentang data analysis di Sekolah Data Pacmann.

Cek informasi lengkapnya di halaman program AI and ML Engineering Pacmann.

Further reading:

Machine Learning for Data Analysis

What Is a Decision Tree?

An Overview of Evolutionary Algorithms

What is Fuzzy Logic in AI and What Are Its Applications?