Membangun model yang akurat hanyalah satu potong dari proyek machine learning yang berhasil. Dari pengalaman industri berulang kali muncul kisah yang sama: model dengan metrik latihan memukau tapi tidak menjawab masalah bisnis, atau model yang bagus saat dirilis lalu pelan-pelan meluruh tanpa ada yang menyadarinya. Karena itu proyek machine learning dikelola sebagai siklus hidup (lifecycle) yang utuh, bukan sebagai proyek koding sekali jalan. Pada chapter ini kita akan menelusuri delapan tahap siklus hidup tersebut, melihat diagram alurnya, memahami sifatnya yang iteratif, lalu menelusuri di mana waktu proyek sesungguhnya dihabiskan.

Peta Siklus Hidup #

Diagram berikut merangkum alur delapan tahap beserta jalur umpan balik yang membuat keseluruhan proses melingkar:

Perhatikan tiga panah yang kembali ke belakang: evaluasi yang gagal mengembalikan kita ke feature engineering, pemantauan yang menemukan pergeseran data mengembalikan kita ke eksplorasi, dan perubahan kebutuhan bisnis mengembalikan kita ke titik nol. Siklus hidup machine learning memang dirancang untuk diulang, bukan untuk dilewati sekali.

Tahap Demi Tahap #

1. Perumusan Masalah Bisnis #

Tahap paling murah sekaligus paling menentukan. Kita menerjemahkan kebutuhan bisnis menjadi pertanyaan machine learning yang konkret: “kurangi kerugian penipuan” menjadi “klasifikasikan transaksi mencurigakan dengan ambang recall tertentu”. Keputusan pada tahap ini menentukan metrik keberhasilan, sumber data, dan definisi selesai. Melewatkan penerjemahan ini adalah penyebab utama proyek yang secara teknis berhasil tetapi secara bisnis tidak terpakai.

2. Pengumpulan Data #

Kita menghimpun data dari sistem transaksional, log layanan, sensor, atau sumber pihak ketiga. Perhatian utamanya kualitas dan legalitas: apakah data mewakili populasi sebenarnya, apakah label bisa dipercaya, dan apakah penggunaan data sesuai regulasi serta persetujuan pengguna. Data yang bias sejak sumber tidak bisa diperbaiki oleh algoritme mana pun di tahap berikutnya.

3. Eksplorasi dan Pembersihan #

Data mentah selalu berisi kejutan: nilai hilang, duplikasi, format tidak konsisten, dan pencilan yang perlu diputuskan nasibnya. Tahap eksplorasi (exploratory data analysis, EDA) memakai statistik deskriptif dan visualisasi untuk memahami distribusi, korelasi, serta kejanggalan; tahap pembersihan menindaklanjuti temuan tersebut. Ini adalah tahap paling padat karya di seluruh siklus — kita bahas alasannya pada bagian berikutnya.

4. Feature Engineering #

Fitur mentah diubah menjadi representasi yang lebih mudah dipelajari model: durasi dibentuk dari selisih dua kolom waktu, kategori disandikan, skala fitur diseragamkan, dan fitur tak informatif dibuang. Kualitas fitur sering memberi dampak lebih besar daripada pemilihan algoritme — praktisi senior umumnya lebih dulu menguras ide fitur sebelum berganti model.

5. Pelatihan Model #

Baru pada tahap ini kita memilih algoritme, menyetel hyperparameter, dan menjalankan fit() pada data latih — bagian yang paling sering dibayangkan orang ketika mendengar machine learning, padahal hanya satu dari delapan tahap. Praktik yang benar membandingkan beberapa kandidat model dengan validasi silang pada data yang sama, semuanya dengan random state tercatat agar hasil dapat direproduksi.

6. Evaluasi #

Metrik dihitung pada data uji yang tidak pernah disentuh sebelumnya, dipilih sesuai risiko masalah: recall diutamakan saat kasus terlewat berakibat mahal, precision saat keliru menandai berakibat mahal. Evaluasi yang baik juga menimbang bias antarkelompok, kecepatan prediksi, dan biaya operasional — bukan satu angka akurasi saja.

7. Deployment #

Model yang lolos evaluasi dioperasikan: disimpan ke berkas persisten, dibungkus layanan API, lalu diintegrasikan ke aplikasi. Tahap ini mempertemukan dua dunia — praktisi data dan tim rekayasa perangkat lunak — dengan daftar perhatian khasnya: versi model, pengujian integrasi, dan rencana pemulihan bila layanan terganggu.

8. Monitoring dan Pembaruan #

Model di produksi dipantau terus-menerus: distribusi data masuk, laju prediksi tiap kelas, dan metrik bisnis yang menjadi tujuan awal. Ketika performa menurun, siklus dimulai lagi — data baru dikumpulkan, model dilatih ulang, versi baru menggantikan versi lama secara terkendali.

Di Mana Waktu Benar-Benar Dihabiskan #

Survei praktisi dan laporan industri berulang kali menempatkan porsi kerja data — pengumpulan, eksplorasi, pembersihan, dan penyiapan fitur — pada kisaran 60–80 persen total waktu proyek. Sisanya baru dibagi antara pemodelan, evaluasi, dan pengoperasian. Angka tersebut konsisten dengan pengalaman lapangan: masalah kualitas data selalu muncul dari sumber yang tidak terduga, dan setiap perbaikan menuntut pemeriksaan ulang.

Konsekuensinya untuk cara kita belajar: kemampuan yang menentukan nilai seorang praktisi bukan hanya memilih algoritme, melainkan membaca data dengan teliti. Course ini mencerminkan kenyataan tersebut — section Persiapan Data merupakan salah satu bagian terpanjang, jauh melebihi bagian algoritme.

Iterasi, Bukan Garis Lurus #

Kerangka industri paling berpengaruh untuk siklus ini bernama CRISP-DM (Cross-Industry Standard Process for Data Mining), dirumuskan akhir 1990-an dengan enam fase yang sengaja digambar melingkar: pemahaman bisnis, pemahaman data, penyiapan data, pemodelan, evaluasi, dan penerapan. Versi pembaruan bernama CRISP-ML menyesuaikan kerangka tersebut khusus untuk machine learning, dengan menegaskan dua fase yang di era CRISP-DM masih tipis: deployment dan monitoring.

Sifat melingkar tersebut bukan formalitas diagram. Dua fenomena memaksa proyek kembali ke tahap awal secara berkala. Pertama, data drift: distribusi data masuk bergeser perlahan — selera pembeli berubah, perangkat sensor diganti, populasi pengguna bertambah — sehingga pola yang dipelajari model makin tidak relevan. Kedua, concept drift: hubungan antara fitur dan target itu sendiri berubah, misalnya pola transaksi penipuan yang terus berubah bentuk mengikuti penguatan keamanan.

Delapan tahap siklus hidup ini akan kita jalani sungguhan sepanjang Course, dari EDA sampai deployment. Tetapi sebelum masuk ke tahap mana pun, kita perlu berkenalan dengan perkakas kerjanya — pustaka Python yang akan menemani setiap tahap tersebut. Materinya tersaji pada chapter Ekosistem dan Tools Machine Learning.

Referensi Resmi #