Pendahuluan
Setelah memahami dasar pemrograman dan membuat chatbot sederhana di Part 1, sekarang kita akan melanjutkan ke tahap yang lebih menarik yaitu membangun model AI dengan Machine Learning. Kita akan menggunakan data, melatih model, dan memprediksi hasil menggunakan library Python.
Mengenal Machine Learning
Machine Learning (ML) adalah cabang dari AI yang memungkinkan komputer belajar dari data. Proses dasarnya meliputi:
- Mengumpulkan Data
- Membersihkan dan Memproses Data
- Melatih Model
- Evaluasi dan Prediksi
Persiapan Dataset
Kita akan menggunakan dataset sederhana tentang skor belajar dan hasil ujian. Buat file CSV seperti ini dan simpan sebagai data_nilai.csv:
jam_belajar,nilai_ujian
1,50
2,55
3,65
4,70
5,75
6,80
7,85
8,90
9,95
Import Library yang Dibutuhkan
import pandas as pd
from sklearn.linear_model import LinearRegression
import matplotlib.pyplot as plt
Membaca dan Menampilkan Data
# Membaca file CSV
data = pd.read_csv("data_nilai.csv")
print(data.head())
Membuat dan Melatih Model
X = data[["jam_belajar"]] # Fitur input
y = data["nilai_ujian"] # Label outputmodel = LinearRegression() model.fit(X, y)
Prediksi dan Visualisasi
jam = [[10]] # Misalnya seseorang belajar 10 jam
prediksi = model.predict(jam)
print(f"Prediksi nilai ujian: {prediksi[0]}")Visualisasi
plt.scatter(X, y, color='blue') plt.plot(X, model.predict(X), color='red') plt.xlabel("Jam Belajar") plt.ylabel("Nilai Ujian") plt.title("Prediksi Nilai Ujian Berdasarkan Jam Belajar") plt.show()
Penjelasan
Model LinearRegression mencoba menemukan garis lurus terbaik yang merepresentasikan hubungan antara jam belajar dan nilai ujian. Setelah model dilatih, kita bisa menggunakannya untuk memprediksi nilai berdasarkan jumlah jam belajar baru.
Latihan Mandiri
- Tambahkan data lebih banyak dan latih ulang modelnya.
- Ubah model menjadi model klasifikasi untuk data berbeda seperti "lulus" atau "tidak lulus".
Kesimpulan
Pada bagian kedua ini kamu telah belajar dasar dari machine learning, yaitu membuat dan melatih model sederhana menggunakan data nyata. Ini adalah fondasi awal untuk membangun aplikasi AI yang lebih kompleks di masa depan seperti deteksi wajah, prediksi penyakit, hingga mobil pintar.
