Dalam machine learning, kita perlu membuat "model" untuk melakukan aktifitas berfikir tertentu. dan salah satu parameter penting dari model adalah akurasi dari model tersebut. Sebelum lebih jauh, kita perlu tahu dulu istilah "model", model disini adalah semacam "otak buatan" yang dilatih supaya "memiliki kecerdasan/intelligence".

Dalam pembuatan model diperlukan beberapa komponen, seperti:

  • Dataset sebagai bahan untuk pelatihan
  • Struktur model (misalnya neural network, CNN, Random Forest, dll)
  • Proses training untuk mengajarkan model
  • Evaluasi performa model sebelum model dirilis untuk digunakan oleh user

Nah salah satu problem biasanya adalah akurasinya yang kurang baik. Model tunggal terkadang belum mampu menangkap semua pola dalam data dengan maksimal. Salah satu cara untuk meningkatkan akurasi adalah dengan menggunakan teknik ensemble learning.

Apa Itu Ensemble Learning?

Teknik ensemble learning ini semacam penggabungan pemikiran kolektif untuk memutuskan satu hal yang sama. Ensemble learning adalah teknik yang menggabungkan dua atau lebih learners (model) untuk membuat hasil prediksi yang lebih baik, karena kolektivitas peserta yang digabungkan cenderung lebih akurat daripada satu model saja. Ensemble learning adalah sebuah praktik yang melibatkan pembentukan sekelompok model (disebut base learners) dan menggabungkan prediksi mereka untuk meningkatkan performa keseluruhan, sehingga hasilnya bisa lebih baik daripada prediksi model tunggal. Ilustrasi salah satu metode Ensemble Learning dapat dilihat dari Gambar 1 berikut.

Gambar 1. Ilustrasi salah satu metode Ensemble Learning (https://www.ibm.com/id-id/think/topics/ensemble-learning#179371084)

Analogi Ensemble Learning

Bayangkan dalam sebuah komunitas terdiri dari beberapa orang, dan masing-masing orang punya kemampuan yg belum tentu sama pada bidang tertentu sesuai komunitasnya. Nah supaya keputusan komunitas bisa bagus, biasanya dilakukan diskusi untuk memutuskan solusi dari suatau masalah. Hal inilah yg digunakan dalam teknik ensemble learning.

Syarat Model dalam Ensemble Learning

Salah satu syarat utama dalam teknik ensemble learning ini adalah akurasi masing masing model harus lebih dari 50% supaya akurasi gabungannya bisa meningkat. Hal ini mirip dengan prinsip “wisdom of crowds”, dimana keputusan kolektif terbaik berasal dari kumpulan pendapat yang baik.

Keywords: Machine Learning, Model, Akurasi, Ensemble Learning

SDG: 9 “Industry, Innovation and Infrastructure”

Referensi:

  1. https://www.ibm.com/id-id/think/topics/ensemble-learning#179371084
  2. https://www.sciencedirect.com/topics/computer-science/ensemble-learning?