Ssup! Bayangkan kamu sedang belajar mengemudi. Guru kamu akan menunjukkan jalan yang benar, memberi tahu kapan harus belok, dan kapan harus berhenti. Ini mirip dengan Supervised Learning. Algoritma diberikan contoh data yang sudah diberi label (misalnya, gambar kucing diberi label "kucing"), lalu ia belajar untuk memprediksi label untuk data baru (misalnya, mengidentifikasi apakah gambar yang belum pernah dilihat adalah kucing atau bukan).


  • Contoh Penerapan Supervised Learning:

Klasifikasi: Mengategorikan email sebagai spam atau bukan spam. 
Regresi: Memprediksi harga rumah berdasarkan luas, lokasi, dan jumlah kamar. 
Prediksi: Memprediksi cuaca besok berdasarkan data cuaca hari ini. 



Unsupervised Learning lebih seperti menjelajah tanpa peta. Algoritma mencari pola dan struktur dalam data tanpa adanya label. Ini seperti seorang arkeolog yang menemukan artefak baru dan mencoba mengklasifikasikannya berdasarkan kesamaan.

  • Contoh Penerapan Unsupervised Learning:

Clustering: Membagi pelanggan menjadi kelompok-kelompok berdasarkan perilaku pembelian. 
Analisis Asosiasi: Menemukan hubungan antara produk yang sering dibeli bersama (misalnya, popok dan susu bayi). 
Pengurangan Dimensi: Menyederhanakan data yang kompleks menjadi bentuk yang lebih mudah dipahami. 

  • Kapan Menggunakan Supervised Learning dan Unsupervised Learning?

Supervised Learning: Cocok jika kamu memiliki data yang sudah diberi label dan ingin membuat model yang dapat memprediksi hasil untuk data baru. 
Unsupervised Learning: Cocok jika kamu ingin menemukan pola atau struktur tersembunyi dalam data tanpa adanya label sebelumnya.

Kesimpulan :
Baik Supervised Learning maupun Unsupervised Learning memiliki peran penting dalam dunia machine learning. Pilihan antara keduanya tergantung pada jenis masalah yang ingin kamu selesaikan dan jenis data yang kamu miliki.