Teknologi machine learning (ML) adalah mesin yang dikembangkan untuk bisa belajar dengan sendirinya tanpa arahan dari penggunanya. Pembelajaran mesin dikembangkan berdasarkan disiplin ilmu lainnya seperti statistika, matematika dan data mining sehingga mesin dapat belajar dengan menganalisa data tanpa perlu di program ulang atau diperintah.
Istilah machine learning pertama kali dikemukakan oleh beberapa ilmuwan matematika seperti Adrien Marie Legendre, Thomas Bayes dan Andrey Markov pada tahun 1920-an dengan mengemukakan dasar-dasar machine learning dan konsepnya. Sejak saat itu ML banyak yang mengembangkan. Salah satu contoh dari penerapan ML yang cukup terkenal adalah Deep Blue yang dibuat oleh IBM pada tahun 1996.
Machine Learning merupakan salah satu cabang dari disiplin ilmu Kecerdasan Buatan (Artificial Intellegence) yang membahas mengenai pembangunan sistem yang berdasarkan pada data. Banyak hal yang dipelajari, akan tetapi pada dasarnya ada 4 hal pokok yang dipelajari dalam machine learning.
- Pembelajaran Terarah (Supervised Learning)
- Pembelajaran Tak Terarah (Unsupervised Learning)
- Pembelajaran Semi Terarah (Semi-supervised Learning)
- Reinforcement Learning
Machine learning adalah aplikasi dari disiplin ilmu kecerdasan buatan (Artificial Intelligence) yang menggunakan teknik statistika untuk menghasilkan suatu model otomatis dari sekumpulan data, dengan tujuan memberikan komputer kemampuan untuk "belajar". Pembelajaran mesin atau machine learning memungkinkan komputer mempelajari sejumlah data (learn from data) sehingga dapat menghasilkan suatu model untuk melakukan proses input-output tanpa menggunakan kode program yang dibuat secara eksplisit. Proses belajar tersebut menggunakan algoritma khusus yang disebut machine learning algorithms.
Menurut Gotama (2018) (link) Machine Learning (ML) adalah teknik untuk melakukan inferensi terhadap data dengan pendekatan matematis. Inti machine learning adalah untuk membuat model (matematis) yang merefleksikan pola-pola data. Pada machine learning, inferensi yang dimaksud lebih menitikberatkan ranah hubungan variabel. Sementara itu, machine learning berada pada daerah representasi data/ilmu/pengetahuan dalam bentuk matematis karena keilmuan machine learning di turunkan dari matematika dan statistika. Machine learning ibarat sebuah “alat”, sama seperti rumus matematika. Bagaimana cara menggunakannya tergantung pada domain permasalahan. Tujuan machine learning minimal ada dua : memprediksi masa depan (unobserved event): dan/atau memperoleh ilmu pengetahuan (knowledge discovery/discovering unknown structure).
Machine Learning (ML) adalah sub bidang dari Artificial Intelligence (AI). Perbedaan utama antara mesin dan manusia adalah kecerdasan, manusia mampu untuk belajar dari pengalaman sebelumnya dengan menganalisis data dan membuat keputusan dari pengetahuan masa lalu. Namun, kecerdasan buatan (AI) membawa mesin lebih dekat dengan manusia. Mesin dapat di program untuk mengingat dan mengambil keputusan seperti manusia. Machine learning bertujuan untuk lebih cepat dan lebih akurat dari pada manusia, dan dapat mempelajari data melalui kecerdasan buatan (AI). Data digunakan machine learning sebagai kode untuk komputasi tradisional. Cara lain untuk memperoleh kecerdasan dalam mesin bisa melalui pemrograman logis, penalaran induktif berdasarkan aturan dasar dan sebagainya. Dengan demikian macine learning dapat dianggap sebagai salah satu pendekatan menuju kecerdasan buatan. Berdasarkan sifat dari berbagai masalah yang ada dan kelimpahan data untuk masalah itu, wajar saja bahwa machine learning merupakan pendekatan untuk mencapai Artificial Intelligence (AI).