Machine learning worfklow

 

Tahapan Umum Machine Learning Workflow

Machine Learning workflow umumnya memiliki lima tahapan yang saling berkesinambungan, yaitu:

1. Pengumpulan Data (Data Collection)
Mengumpulkan data yang akan digunakan untuk melatih mesin. Data bisa berasal dari file, database, sensor, atau internet.

2. Persiapan Data (Data Preparation)
Membersihkan dan merapikan data, seperti menghapus data kosong, memperbaiki kesalahan, dan menyamakan format agar data siap digunakan.

3. Pelatihan Model (Model Training)
Data yang sudah siap digunakan untuk melatih model machine learning agar dapat mengenali pola.

4. Evaluasi Model (Model Evaluation)
Mengukur kinerja model untuk mengetahui apakah hasil prediksi sudah cukup baik atau masih perlu diperbaiki.

5. Penerapan dan Perbaikan (Deployment & Improvement)
Model yang sudah baik digunakan pada sistem nyata dan terus diperbaiki dengan data baru.

Kesimpulan:
Proses machine learning bukan sekali jadi, tetapi berulang dan terus disempurnakan.

Gambaran Umum Workflow Machine Learning (Ideal)

Secara konseptual, alur Machine Learning itu TIDAK lurus satu arah, tetapi iteratif (berulang).

Urutan dasarnya:

• Data Collection
• Data Preparation / Preprocessing
• Model Training
• Model Evaluation
• Deployment
• Monitoring & Improvement

Nah, di sinilah peran panah warna.

Makna Panah Oranye 🔶

🔶 Panah Oranye = Feedback Loop (Perbaikan Model)

Biasanya panah oranye menunjukkan:

Dari Evaluation → Training

Atau Evaluation → Data Preparation

Artinya:

Jika hasil evaluasi model belum bagus, maka model dilatih ulang atau datanya diperbaiki.

Contoh sederhana :

Akurasi cuma 60% ❌

Berarti:

• Data kurang bersih
• Data kurang banyak

Parameter model salah

➡️ Kembali ke proses sebelumnya

Status:

✅ Panah oranye

Tanpa ini, Machine Learning bukan ML, tapi sekadar program sekali jalan.

Makna Panah Hijau 🟢

🟢 Panah Hijau = Penggunaan Model / Inference / Produksi

Biasanya panah hijau menunjukkan:

• Dari Deployment → User / Real World
• Atau Model → Prediction / Output

Artinya:

Model yang sudah jadi digunakan untuk memprediksi data baru.

Contoh:

• Model prediksi nilai siswa
• Model rekomendasi video
• Model klasifikasi spam

Alur paling tepat :

Data

 ↓

Preprocessing

 ↓

Training

 ↓

Evaluation

 ↙        ↘

Perbaiki     Deploy

 ↓             ↓

Training    Digunakan