Dua Teknik Utama dalam Unsupervised Learning
- Clustering (Pengelompokan): Sistem mengelompokkan data ke dalam beberapa grup (cluster) berdasarkan kemiripan karakteristiknya.
- Contoh: Sebuah aplikasi belanja memiliki data jutaan pelanggan. Sistem secara otomatis mengelompokkan mereka menjadi "Grup Hemat", "Grup Loyal", dan "Grup Pembeli Barang Mewah" tanpa kita beri tahu sebelumnya.
- Contoh: Di supermarket, sistem menemukan pola bahwa orang yang membeli Roti cenderung juga membeli Selai. Ini membantu toko dalam menyusun tata letak barang.
Analogi Sederhana
Bayangkan Anda diberikan satu keranjang berisi ribuan kelereng dengan berbagai warna, ukuran, dan bahan (kaca, tanah liat, plastik).
- Anda tidak diberi tahu kategori kelereng tersebut.
- Tugas Anda adalah memisahkan kelereng-kelereng itu ke dalam beberapa wadah berdasarkan ciri-ciri yang Anda temukan sendiri.
- Inilah yang dilakukan Unsupervised Learning.
Kelebihan & Tantangan
- Kelebihan: Sangat berguna untuk menemukan wawasan (insights) yang mungkin tidak terpikirkan oleh manusia sebelumnya.
- Tantangan: Hasilnya kadang sulit untuk divalidasi karena tidak ada "jawaban benar" yang pasti sebagai pembanding.
