Di era digital ini, data menjadi salah satu aset paling berharga. Namun, data mentah tidak memiliki banyak arti tanpa analisis yang tepat. Di sinilah machine learning (pembelajaran mesin) berperan. Salah satu fondasi penting dalam machine learning adalah memahami dua pendekatan utama dalam pembelajaran data: supervised learning dan unsupervised learning. Artikel ini akan menjelaskan konsep dasar keduanya, perbedaannya, serta contoh penerapan di dunia nyata.
Apa Itu Supervised Learning?
Supervised learning adalah jenis pembelajaran mesin di mana model dilatih menggunakan data berlabel. Artinya, setiap data masukan (input) memiliki pasangan dengan output yang benar. Tujuan dari supervised learning adalah untuk memprediksi output berdasarkan input yang baru.
- Contoh:
 Jika kita memiliki data tentang rumah (ukuran, jumlah kamar, lokasi) dan harga jualnya, model supervised learning dapat digunakan untuk memprediksi harga rumah berdasarkan fitur tersebut. Algoritma yang umum digunakan:
Regresi Linear
Decision Trees
Random Forest
Neural Networks
Aplikasi di dunia nyata:
