Supervised vs Unsupervised Learning: Dua Cara AI Belajar

 

(Siri 4: Memahami Teknologi AI)

---

Apa Itu Supervised dan Unsupervised Learning?

Dalam Machine Learning, AI belajar melalui dua pendekatan utama:

1. Supervised Learning – belajar dari data berlabel

2. Unsupervised Learning – belajar dari data tidak berlabel

Kedua-duanya membolehkan AI kenal corak dan buat keputusan, tetapi cara dan kegunaannya berbeza.

---

1️⃣ Supervised Learning

Definisi:
AI diberi data yang sudah berlabel (ada jawapan). Model belajar daripada data ini untuk meramalkan output bagi data baru.

Contoh Data Berlabel:

• Gambar wajah + nama

• Rakaman suara + identiti

• Laporan jenayah + jenis kes

Bagaimana Ia Berfungsi:

1. AI lihat data lama (contoh + jawapan)

2. Kenal corak / ciri penting

3. Bila data baharu masuk → AI buat ramalan / klasifikasi

Contoh Aplikasi:

• Pengecaman wajah di CCTV

• Pengesanan spam emel

• Ramalan jenis jenayah berdasarkan corak

Analogi:

Seperti pegawai polis yang dilatih oleh jurulatih. Jurulatih tunjuk:
“Ini kes A → Jenayah curi”
“Ini kes B → Jenayah kecurian kenderaan”
Pegawai belajar dan boleh kenal kes baharu berdasarkan pengalaman.

---

2️⃣ Unsupervised Learning

Definisi:
AI diberi data tanpa label, dan ia perlu mencari corak sendiri.

Bagaimana Ia Berfungsi:

1. AI kumpul data besar

2. Analisis persamaan dan perbezaan

3. Bina kumpulan / cluster data yang serupa

Contoh Aplikasi:

• Mengelompokkan penjenayah berdasarkan tingkah laku

• Mengesan corak transaksi bank mencurigakan

• Analisis media sosial untuk profil pengguna

Analogi:

Seperti pegawai polis baru yang meneliti fail kes tanpa arahan.
Pegawai cuba susun fail berdasarkan persamaan: sama modus operandi, lokasi, atau waktu kejadian.

---

Perbandingan Supervised vs Unsupervised Learning

Ciri	Supervised Learning	Unsupervised Learning
Data	Berlabel	Tidak berlabel
Tujuan	Ramalan / klasifikasi	Kenal corak / pengelompokan
Contoh	Pengecaman wajah, spam emel	Klasifikasi jenayah, profil pengguna
Interaksi manusia	Perlu jurulatih / label	AI tentukan sendiri

---

Contoh Kepolisan / Forensik Digital

Teknik	Aplikasi
Supervised	AI mengenal wajah suspek dari CCTV dengan data berlabel
Unsupervised	AI mengesan kluster transaksi mencurigakan tanpa label

Analogi praktikal:

Pegawai menggunakan pengalaman terdahulu untuk kes biasa (supervised)
vs Pegawai cuba kenal corak baru tanpa panduan (unsupervised)

---

Kelebihan

• Supervised Learning: Tepat, mudah faham, sesuai untuk tugas dengan jawapan jelas

• Unsupervised Learning: Fleksibel, boleh temui corak baru yang tidak dijangka

---

Kekangan

• Supervised Learning: Perlu data berlabel banyak → kos & masa tinggi

• Unsupervised Learning: Ramalan kurang tepat → hasil perlu semak manusia

---

Kesimpulan Siri 4

• Supervised Learning = belajar dengan jawapan → ramal & klasifikasi

• Unsupervised Learning = belajar tanpa jawapan → kenal corak & cluster

📌 Nota:
Kefahaman kedua-dua pendekatan ini penting sebelum masuk Deep Learning, CNN, RNN, dan Transformer.