Supervised vs Unsupervised

Front

Sebuah perusahaan asuransi ingin mempelajari faktor-faktor yang paling berpengaruh terhadap risiko calon nasabah dalam mengajukan polis baru.

Back

Supervised Learning

Alasan: Model mempelajari hubungan antara data historis dan hasil risiko yang sudah diketahui.

Front

Tim marketing ingin memahami pola dan kelompok pelanggan berdasarkan kebiasaan berbelanja mereka tanpa data hasil akhir tertentu.

Back

Unsupervised Learning

Alasan: Tujuannya adalah menemukan struktur tersembunyi tanpa target.

Front

Perusahaan properti ingin memperkirakan nilai pasar sebuah rumah berdasarkan lokasi, ukuran, dan fitur lainnya.

Back

Supervised Learning

Alasan: Ada nilai keluaran (harga) yang ingin diprediksi dari fitur-fitur tertentu.

Front

Sebuah platform e-commerce ingin mengetahui produk-produk apa yang cenderung dibeli bersamaan oleh pelanggan.

Back

Unsupervised Learning

Alasan: Model mencari asosiasi antar-item tanpa label target.

Front

Tim HR ingin mengenali pola karakteristik karyawan berdasarkan data seperti masa kerja, divisi, dan tingkat kepuasan, untuk memahami dinamika tenaga kerja mereka.

Back

Unsupervised Learning

Alasan: Tidak ada hasil akhir yang ditentukan, hanya ingin menemukan kelompok atau pola.

Front

Sebuah bank ingin membangun sistem yang dapat memperkirakan potensi risiko dari setiap transaksi berdasarkan histori dan profil pengguna.

Back

Supervised Learning

Alasan: Model belajar dari contoh historis dengan hasil risiko yang diketahui.

Front

Tim data analyst ingin mereduksi ratusan variabel pelanggan menjadi beberapa dimensi utama agar lebih mudah divisualisasikan dan dianalisis.

Back

Unsupervised Learning

Alasan: Tidak ada target prediksi, fokus pada penyederhanaan struktur data.

Front

Lembaga pendidikan ingin membuat sistem yang dapat memperkirakan hasil belajar siswa di akhir semester berdasarkan data aktivitas belajar dan partisipasi.

Back

Supervised Learning

Alasan: Ada hasil akhir (nilai/performansi) yang ingin diprediksi.

Front

Sebuah layanan musik digital ingin memahami pola kesamaan selera antar pengguna untuk meningkatkan sistem rekomendasi.

Back

Unsupervised Learning

Alasan: Mengelompokkan pengguna berdasarkan kesamaan tanpa target eksplisit.

Front

Perusahaan ingin membuat sistem yang dapat memperkirakan tingkat kepuasan pelanggan terhadap produk berdasarkan ulasan yang pernah diberikan.

Back

Supervised Learning

Alasan: Tujuannya adalah memprediksi tingkat kepuasan yang sudah diukur sebelumnya.