Supervised Learning (Pembelajaran Terarah):
- Perbedaan Utama: Model dilatih menggunakan dataset yang berlabel (labeled data), artinya setiap input data $X$ sudah memiliki target/jawaban output $Y$ yang benar. Tujuan model adalah mempelajari pemetaan/pola antara input dan output.
- Contoh: Klasifikasi email spam vs non-spam. Dataset berisi ribuan teks email beserta label manual yang menandai apakah email tersebut “Spam” atau “Bukan Spam”.
Unsupervised Learning (Pembelajaran Tak Terarah):
- Perbedaan Utama: Model diberikan dataset tanpa label (unlabeled data). Model bertugas menemukan struktur, pola tersembunyi, atau pengelompokan alami dalam data tanpa bantuan jawaban yang benar.
- Contoh: Segmentasi pelanggan (Customer Clustering). Mengelompokkan pelanggan berdasarkan riwayat belanja tanpa menentukan kategori di awal, sehingga algoritma (seperti K-Means) mengelompokkan mereka berdasarkan kemiripan pola belanja.

Apa itu Overfitting?
- Overfitting terjadi ketika model Machine Learning terlalu banyak menghafal data pelatihan (termasuk noise, pencilan, atau variasi kebetulan) alih-alih mempelajari pola umumnya (generalization).
Mengapa Overfitting Menjadi Masalah?
- Model yang mengalami overfitting akan menunjukkan akurasi sangat tinggi (hampir sempurna) pada data latihan, tetapi akan mengalami penurunan performa yang drastis pada data baru yang belum pernah dilihat sebelumnya.
- Hal ini membuat model gagal berfungsi secara andal di dunia nyata karena tidak dapat melakukan generalisasi dengan baik.

Agent (Agen):
- Pihak atau entitas pembuat keputusan/pembelajar yang melakukan aksi dalam lingkungan. Agen bertugas mempelajari kebijakan (policy) terbaik untuk memaksimalkan total hadiah dalam jangka panjang.
- Contoh: Karakter AI dalam game atau perangkat lunak mobil otonom.
Environment (Lingkungan):
- Dunia luar atau sistem di mana agen beroperasi. Lingkungan menerima aksi dari agen, memperbarui kondisinya (state), dan memberikan umpan balik berupa respons (reward dan state baru).
- Contoh: Papan catur, arena game, atau kondisi jalan raya nyata.
Reward (Hadiah/Sinyal Umpan Balik):
- Sinyal numerik yang dikembalikan oleh lingkungan kepada agen setelah agen melakukan suatu aksi. Reward bisa bernilai positif (sebagai apresiasi atas aksi yang benar) atau negatif (sebagai hukuman atas kesalahan).
- Contoh: $+10$ poin saat mobil berhasil tetap berada di jalur, dan $-100$ poin jika menabrak pembatas jalan.

Perbedaan Utama:
- Training Dataset (Dataset Pelatihan): Bagian terbesar dari dataset (biasanya 70%–80%) yang digunakan langsung untuk melatih dan memperbarui bobot/parameter model agar dapat mengenali pola.
- Testing Dataset (Dataset Pengujian): Sebagian kecil data (biasanya 20%–30%) yang disimpan terpisah dan sama sekali tidak diperlihatkan kepada model selama proses pelatihan.
Mengapa Pemisahan Ini Sangat Penting?
- Pemisahan ini diperlukan untuk mengevaluasi performa objektif dan daya generalisasi model secara adil pada data baru (unseen data). Jika kita menguji model menggunakan data latihannya sendiri, evaluasi tersebut ibarat memberikan ujian sekolah dengan soal yang persis sama seperti kunci jawaban yang dihafalkan murid, sehingga tidak dapat mengukur pemahaman model yang sebenarnya.