Data Science vs Machine Learning

Machine learning sering dilaporkan media seolah-olah sama dengan data science: berita tentang “AI memprediksi” dan “data mengubah bisnis” dipakai bergantian untuk keduanya. Padahal posisinya berbeda — machine learning adalah salah satu bidang studi yang menyediakan alat, sedangkan data science adalah kerangka kerja yang memakai alat tersebut untuk menjawab pertanyaan bisnis. Pada chapter ini kita memisahkan keduanya dengan tabel perbandingan, melihat satu model machine learning kecil yang benar-benar belajar dari data, lalu memetakan hubungan keduanya.

Apa Sebenarnya Machine Learning #

Machine learning (ML) adalah bidang yang mempelajari algoritma yang mampu menemukan pola dari data, lalu memakai pola tersebut untuk membuat prediksi pada data baru. Kata kuncinya adalah belajar dari data, bukan diprogram dengan aturan manual. Cara konvensional menyelesaikan masalah klasifikasi adalah menulis aturan tegas: “jika total belanja pelanggan melebihi 30 ribu rupiah, tawarkan produk baru”. Aturan manual semacam ini cepat rusak saat pola pelanggan berubah atau jumlah variabelnya bertambah.

Pendekatan machine learning membalik prosesnya: kita sediakan contoh-contoh kasus berlabel — pelanggan yang benar-benar membeli dan yang tidak — lalu algoritma menemukan sendiri kombinasi ciri yang memisahkan keduanya. Data scientist kemudian tinggal memilih, melatih, dan menilai algoritma mana yang paling cocok dengan masalah yang dihadapi. Dalam hubungan seperti ini, ML berperan sebagai kotak perkakas di dalam gudang data science, berdampingan dengan statistika, visualisasi, dan pemahaman domain.

Contoh Kecil: Model yang Benar-Benar Belajar #

Membaca definisi saja belum sebanding dengan melihat model belajar di depan mata. Kode berikut memakai pustaka scikit-learn — pustaka Python paling umum untuk machine learning — untuk melatih model RandomForestClassifier pada data delapan pelanggan. Setiap pelanggan punya dua ciri — jumlah kunjungan dalam sebulan dan total belanja — serta satu label: membeli produk baru (1) atau tidak membeli (0). Setelah dilatih, kita meminta model menebak dua pelanggan baru yang belum pernah dilihat model.

from sklearn.ensemble import RandomForestClassifier

# Fitur: [jumlah kunjungan bulan ini, total belanja (ribu rupiah)]
fitur = [[2, 30], [1, 12], [4, 55], [5, 61], [1, 8], [3, 40], [6, 75], [2, 22]]
# Label: 1 = membeli produk baru, 0 = tidak membeli
label = [1, 0, 1, 1, 0, 1, 1, 0]

model = RandomForestClassifier(n_estimators=50, random_state=42)
model.fit(fitur, label)

pelanggan_baru = [[3, 45], [1, 10]]
prediksi = model.predict(pelanggan_baru)
print("Prediksi untuk [3, 45]:", prediksi[0])
print("Prediksi untuk [1, 10]:", prediksi[1])

Output yang Dihasilkan:

Prediksi untuk [3, 45]: 1
Prediksi untuk [1, 10]: 0

Mari kita telaah baris-baris kode di atas:

1. Baris 4-6 (fitur, label): delapan contoh pelanggan beserta hasil nyatanya. Tidak ada aturan manual yang kita tulis — hanya contoh kasus. Inilah bahan belajar bagi model.
2. Baris 8-9 (RandomForestClassifier(...), fit): model “hutan acak” dibuat dengan n_estimators=50 (lima puluh pohon keputusan) dan random_state=42 agar hasilnya dapat direproduksi; fit() memerintahkan model mempelajari pola dari kedelapan contoh tersebut.
3. Baris 11-14 (pelanggan_baru, predict, print): dua pelanggan baru ditebak. Pelanggan dengan 3 kunjungan dan belanja 45 ribu diprediksi membeli (1); pelanggan dengan 1 kunjungan dan belanja 10 ribu diprediksi tidak membeli (0). Pola yang dipelajari — kunjungan dan belanja tinggi cenderung membeli — ditemukan sendiri oleh model, bukan ditulis oleh kita.

Jangan khawatir bila sintaks di atas belum sepenuhnya masuk akal — detail cara kerja RandomForestClassifier beserta cara menilainya kita bahas tuntas pada Section Dasar Machine Learning. Yang perlu kita bawa pulang dari contoh ini hanyalah pola kerjanya: data berlabel → fit() → predict().

Hubungan Dua Bidang: Beririsan, Bukan Berjenjang #

Seperti hubungan data science dengan data analysis, hubungan dengan machine learning juga bukan hierarki atas-bawah. Ada pekerjaan machine learning yang berdiri sendiri di luar data science — misalnya riset visi komputer untuk kendaraan otonom — dan ada proyek data science yang selesai tanpa machine learning sama sekali, misalnya ketika satu query SQL dan satu visualisasi sudah cukup menjawab pertanyaan manajemen. Kedua bidang beririsan pada satu wilayah yang luas: di sanalah mayoritas pekerjaan data scientist sehari-hari berada.

Kerangka pembandingnya pun bergeser. Untuk membandingkan dengan data analysis, kita melihat horizon waktu; untuk machine learning, kita melihat peran alat: data science mengatur pertanyaan dan keputusan, machine learning menyediakan cara belajar dari data. Seorang ML researcher boleh menghabiskan berbulan-bulan meningkatkan akurasi satu arsitektur, sedangkan seorang data scientist memakai waktu yang sama untuk memastikan model yang sudah akurat benar-benar menjawab kebutuhan bisnis. Keduanya dibutuhkan, dan keduanya bekerja paling baik saat saling memahami batas kerja masing-masing.

Rangkuman #

• Machine learning adalah bidang yang mempelajari algoritma yang menemukan pola dari data; data science adalah kerangka kerja yang memakai algoritma tersebut untuk menjawab pertanyaan bisnis.
• Posisi ML di dalam data science adalah sebagai salah satu kotak perkakas, berdampingan dengan statistika, visualisasi, dan pemahaman domain.
• Hubungan keduanya beririsan, bukan berjenjang: ada ML di luar data science, dan ada proyek data science tanpa ML.
• Pola dasar kerja ML: data berlabel → fit() → predict().

Dua dari tiga bidang pembanding telah selesai kita pisahkan. Masih tersisa satu peran yang bekerja bahkan sebelum data scientist sempat melihat satu baris data pun: tugas menyiapkan dan mengalirkan data itu sendiri. Chapter berikutnya, Data Science vs Data Engineering , membahas pembagian kerja antara yang membangun jalur data dan yang menggali maknanya.