{"id":4244,"date":"2022-05-14T10:23:23","date_gmt":"2022-05-14T03:23:23","guid":{"rendered":"https:\/\/graduate.binus.ac.id\/?p=4244"},"modified":"2022-05-14T10:23:23","modified_gmt":"2022-05-14T03:23:23","slug":"4-alasan-machine-learning-menjadi-tren-di-tengah-pandemi","status":"publish","type":"post","link":"https:\/\/beta.binus.ac.id\/bgp\/2022\/05\/14\/4-alasan-machine-learning-menjadi-tren-di-tengah-pandemi\/","title":{"rendered":"4 Alasan Machine Learning Menjadi Tren di Tengah Pandemi"},"content":{"rendered":"

\"\"<\/a><\/p>\n

\u00a0<\/span><\/p>\n

Machine learning <\/span><\/i>atau pembelajaran mesin merupakan salah satu cabang dari <\/span>Artificial Intelligence <\/span><\/i>(AI). Pernahkah Anda mendapatkan rekomendasi musik untuk didengarkan di Spotify? Atau tiba-tiba muncul daftar \u201c<\/span>People You May Know<\/span><\/i>\u201d di halaman Instagram? Itulah beberapa contoh penerapan <\/span>machine learning <\/span><\/i>dalam kehidupan sehari-hari.<\/span><\/p>\n

Teknologi <\/span>machine learning<\/span><\/i> semakin berkembang akhir-akhir ini. <\/span>Demand <\/span><\/i>terhadap SDM dengan keahlian <\/span>machine learning<\/span><\/i> pun semakin tinggi dari hari ke hari.<\/span> Fortune Business Insights<\/span><\/a> menyebutkan bahwa setidaknya pasar <\/span>machine learning<\/span><\/i> akan mengalami peningkatan dari US$8,43 miliar (2019) menjadi US$117,19 miliar (2027). Bagaimana <\/span>machine learning<\/span><\/i> menjadi bagian dari kehidupan manusia saat ini?<\/span><\/p>\n

Apa itu <\/b>machine learning<\/i><\/b>?<\/b><\/p>\n

Seperti yang telah disebutkan, <\/span>machine learning <\/span><\/i>merupakan salah satu cabang dari <\/span>Artificial Intelligence<\/span><\/i>. <\/span>machine learning <\/span><\/i>sendiri merupakan sebuah cabang ilmu yang mempelajari cara agar komputer dapat \u201cberpikir\u201d dengan mempelajari data. Dalam <\/span>machine learning<\/span><\/i>, ada beberapa disiplin ilmu yang diterapkan, mulai dari komputer, statistika, matematika, hingga neurologi.<\/span><\/p>\n

Itu berarti, <\/span>machine learning <\/span><\/i>tidak akan dapat terwujud tanpa adanya data yang dijadikan bahan pembelajaran. Katakanlah Anda ingin membuat sebuah <\/span>machine learning <\/span><\/i>yang bisa memecahkan masalah perkalian 7×8, maka Anda harus mempelajari data mengenai perkalian, paling tidak tabel data perkalian 7 dan 8.<\/span><\/p>\n

Machine Learning<\/i><\/b> Berbeda dari Algoritma<\/b><\/p>\n

Sebelumnya, Anda mungkin sudah pernah mendengar istilah \u201calgoritma\u201d, misalnya saat membuka YouTube dan halaman awalnya menampilkan beberapa video. Banyak yang menyebut munculnya video-video tersebut adalah hasil dari \u201calgoritma YouTube\u201d. Benarkah demikian? Lalu, apakah algoritma sama dengan <\/span>machine learning<\/span><\/i>?<\/span><\/p>\n

Algoritma sendiri merupakan rangkaian instruksi yang harus diikuti untuk bisa memecahkan suatu masalah atau menyelesaikan sebuah tugas. Semakin rumit masalah atau tugas yang harus diselesaikan, maka makin kompleks juga algoritma yang diterapkan. Nah, karena masalah pada <\/span>machine learning<\/span><\/i> tergolong kompleks, maka algoritma biasa tidak akan bisa menyelesaikannya.<\/span><\/p>\n

Algoritma <\/span>machine learning <\/span><\/i>punya kemampuan menemukan pola khusus untuk memecahkan masalah yang dihadapinya. <\/span>Machine learning <\/span><\/i>mampu mempelajari data yang ada secara sistematis dan otomatis. Hasilnya, mesin bisa menemukan jawaban atas masalah tanpa harus diprogram kembali.<\/span><\/p>\n

3 Alasan <\/b>Machine Learning<\/i><\/b> Banyak Dipakai di Masa Pandemi<\/b><\/p>\n

Lantas, apa sebenarnya yang membuat <\/span>machine learning <\/span><\/i>populer akhir-akhir ini? Sebenarnya, ada banyak alasan yang mendasari meluasnya penggunaan <\/span>machine learning,<\/span><\/i> terutama di masa pandemi. Berikut adalah beberapa di antaranya:<\/span><\/p>\n

    \n
  1. Sistem pintar dan otomatis<\/i><\/b><\/li>\n<\/ol>\n

    Adanya <\/span>machine learning <\/span><\/i>memungkinkan mesin atau komputer untuk bisa \u201cbelajar\u201d secara mandiri tanpa harus melalui pemrograman yang eksplisit. Terlebih, \u201ctingkat kepintaran\u201d mesin bisa terus ditambah sesuai dengan kebutuhan. Prosesnya bahkan lebih sederhana dan efisien jika dibandingkan dengan membuat suatu program baru.<\/span><\/p>\n

      \n
    1. Merebaknya big data<\/i><\/b><\/li>\n<\/ol>\n

      Secara sederhana, <\/span>big data <\/span><\/i>dipahami sebagai suatu rangkaian data dengan volume besar dan pertumbuhannya, namun cenderung sulit untuk diprediksi. Salah satu contoh <\/span>big data <\/span><\/i>adalah data dari media sosial seperti Instagram dan WhatsApp.<\/span><\/p>\n

      Jika melihat ukuran <\/span>big data <\/span><\/i>yang amat besar dan sifatnya yang sulit untuk diprediksi, maka pengolahan data konvensional pun akan sulit menanganinya. Di sinilah <\/span>machine learning <\/span><\/i>kemudian menjadi solusi yang sesuai dan efisien.<\/span><\/p>\n

        \n
      1. Meningkatnya kebutuhan<\/i><\/b><\/li>\n<\/ol>\n

        Sekarang ini, makin banyak aplikasi atau program yang butuh solusi tepat. Sayangnya, program-program tersebut masih berkompromi dengan solusi yang tidak akurat. Padahal, hal tersebut bisa menimbulkan dampak yang merugikan.<\/span><\/p>\n

        Salah satu contohnya adalah program untuk menjalankan mobil secara otomatis pada EV (<\/span>electric vehicle<\/span><\/i>). Jika solusi yang diberikan pada program komputer tersebut tidak presisi, maka keselamatan penumpang pun akan terancam. Namun, dengan adanya <\/span>machine learning<\/span><\/i>, program bisa mempelajari data mengenai kondisi jalan hingga rambu lalu lintas dengan cepat, sehingga <\/span>output <\/span><\/i>yang diberikan pun jauh lebih akurat.<\/span><\/p>\n

        Pengembangan <\/b>Machine Learning<\/i><\/b> di Lingkungan Kampus<\/b><\/p>\n

        Perkembangan <\/span>machine learning <\/span><\/i>sebenarnya tidak dapat dipisahkan antara industri dan universitas. Bahkan jika melihat ke belakang, <\/span>machine learning <\/span><\/i>muncul dari penelitian yang dilakukan di universitas dan perguruan tinggi.<\/span><\/p>\n

        Universitas tentu memiliki sumber daya manusia, mulai dari dosen, tenaga pengajar, peneliti, hingga mahasiswa yang terus mempelajari <\/span>machine learning<\/span><\/i> dan ilmu komputer secara umum. Di sisi lain, industri memiliki data dan dana yang dapat menyokong pengembangan dan penelitian yang dilakukan oleh pihak universitas.<\/span><\/p>\n

        Di BINUS University, <\/span>machine learning <\/span><\/i>juga merupakan salah satu materi yang tidak hanya dipelajari, tapi juga diteliti dan dikembangkan. Bahkan, terhitung sejak tahun 2014, BINUS University membuka program S3 Doctor of Computer Science (DCS) untuk mendukung pengembangan machine learning. Program DCS ini telah menghasilkan beragam manfaat melalui berbagai kegiatan riset, pengembangan, dan pengabdian masyarakat. Tertarik? <\/span>Klik di sini<\/span><\/a> untuk info selengkapnya!<\/span><\/p>\n","protected":false},"excerpt":{"rendered":"

        \u00a0 Machine learning atau pembelajaran mesin merupakan salah satu cabang dari Artificial Intelligence (AI). Pernahkah Anda mendapatkan rekomendasi musik untuk didengarkan di Spotify? Atau tiba-tiba muncul daftar \u201cPeople You May Know\u201d di halaman Instagram? Itulah beberapa contoh penerapan machine learning dalam kehidupan sehari-hari. Teknologi machine learning semakin berkembang akhir-akhir ini. Demand terhadap SDM dengan keahlian […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[89,181],"class_list":["post-4244","post","type-post","status-publish","format-standard","hentry","category-news","tag-doctor-of-computer-science","tag-machine-learning"],"_links":{"self":[{"href":"https:\/\/beta.binus.ac.id\/bgp\/wp-json\/wp\/v2\/posts\/4244"}],"collection":[{"href":"https:\/\/beta.binus.ac.id\/bgp\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/beta.binus.ac.id\/bgp\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/beta.binus.ac.id\/bgp\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/beta.binus.ac.id\/bgp\/wp-json\/wp\/v2\/comments?post=4244"}],"version-history":[{"count":0,"href":"https:\/\/beta.binus.ac.id\/bgp\/wp-json\/wp\/v2\/posts\/4244\/revisions"}],"wp:attachment":[{"href":"https:\/\/beta.binus.ac.id\/bgp\/wp-json\/wp\/v2\/media?parent=4244"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/beta.binus.ac.id\/bgp\/wp-json\/wp\/v2\/categories?post=4244"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/beta.binus.ac.id\/bgp\/wp-json\/wp\/v2\/tags?post=4244"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}