Roadmap Belajar Machine Learning untuk Pemula dari Nol sampai Project Pertama

Belajar machine learning mudah berubah menjadi daftar yang terasa tidak selesai. Kita membuka Python, lalu berpindah ke statistik, aljabar linear, data science, cloud, deep learning, dan MLOps. Beberapa minggu kemudian, materinya bertambah tetapi belum ada satu model pun yang benar-benar selesai dibuat.

Masalahnya bukan kurang rajin. Urutannya sering terlalu lebar. Roadmap yang lebih realistis dimulai dari satu tujuan kecil, lalu menambahkan teori ketika teori tersebut dibutuhkan untuk menyelesaikan masalah.

Mulai dari project yang ingin diselesaikan

Pilih project kecil yang dapat selesai dalam beberapa hari. Misalnya prediksi harga rumah, klasifikasi spam, segmentasi pelanggan, atau prediksi customer churn. Kita belum membutuhkan ide yang sepenuhnya baru. Dataset publik dan masalah yang sudah dikenal justru memudahkan kita memeriksa apakah alur yang dikerjakan sudah benar.

Project pertama berfungsi sebagai kompas. Ketika menemukan kolom kosong, kita belajar preprocessing. Ketika nilai antarfitur memiliki skala berbeda, kita belajar standardisasi. Ketika accuracy terlihat tinggi tetapi kelas penting banyak terlewat, kita belajar confusion matrix dan recall.

Tahap 1. Kuasai Python seperlunya

Kita tidak harus menguasai seluruh Python sebelum menyentuh machine learning. Mulailah dari variabel, list, dictionary, function, perulangan, kondisi, serta cara membaca error. Setelah itu pelajari NumPy untuk array, pandas untuk data tabular, dan Matplotlib atau Seaborn untuk visualisasi.

Target tahap ini sederhana. Kita mampu membuka dataset, memilih kolom, memeriksa nilai kosong, membuat perhitungan dasar, dan menggambar distribusi data. Jika semua itu sudah dapat dilakukan, project dapat berjalan sambil kemampuan Python terus bertambah.

Tahap 2. Belajar membaca data

Data adalah bahan belajar model. Sebelum memilih algoritma, periksa jumlah baris, tipe kolom, distribusi target, missing value, nilai ekstrem, dan kemungkinan kebocoran data. Tanyakan apakah data tersebut benar-benar mewakili situasi ketika model akan digunakan.

Pada customer churn, misalnya, kita perlu mengetahui apakah pelanggan yang berhenti jumlahnya jauh lebih sedikit dibanding pelanggan yang bertahan. Jika kelasnya tidak seimbang, accuracy dapat memberi kesan yang terlalu baik. Kita juga perlu memastikan fitur yang hanya tersedia setelah pelanggan berhenti tidak ikut masuk ke data training.

Tahap 3. Ambil statistik yang langsung terpakai

Mulailah dari rata-rata, median, varians, distribusi, korelasi, sampling, dan train-test split. Pahami makna setiap konsep melalui dataset yang sedang digunakan. Statistik menjadi lebih mudah ketika kita melihat akibatnya, bukan hanya membaca rumusnya.

Kita juga perlu memahami perbedaan korelasi dan sebab akibat. Fitur yang berkaitan dengan target belum tentu menjadi penyebab. Model dapat menggunakannya untuk prediksi, tetapi penjelasan bisnis atau ilmiah tetap membutuhkan pemeriksaan lebih lanjut.

Tahap 4. Bangun baseline dengan model sederhana

Baseline adalah hasil awal yang menjadi pembanding. Untuk regresi, kita dapat mulai dari Regresi Linear. Untuk klasifikasi, gunakan Logistic Regression atau Decision Tree. Untuk data tabular, Random Forest dapat menjadi pembanding berikutnya. Untuk pengelompokan tanpa label, K-Means cukup mudah diamati.

Model sederhana membuat kesalahan lebih mudah dibaca. Jika baseline sudah bekerja baik, kita mungkin tidak membutuhkan arsitektur yang lebih kompleks. Jika hasilnya belum cukup, kita memiliki dasar yang jelas untuk menguji perubahan berikutnya.

Tahap 5. Belajar membaca evaluasi

Evaluasi bukan hanya mencari angka tertinggi. Kita perlu menentukan jenis kesalahan yang paling mahal. Pada deteksi penyakit, kasus positif yang terlewat dapat lebih berbahaya daripada alarm palsu. Pada penyaringan spam, terlalu banyak email normal yang diblokir juga dapat menjadi masalah.

Untuk regresi, pelajari MAE, MSE, dan RMSE. Untuk klasifikasi, mulai dari confusion matrix, precision, recall, F1 Score, dan specificity. Periksa pula selisih performa data training dan testing untuk mengenali overfitting.

Gunakan lab Confusion Matrix agar hubungan antara TP, FP, FN, TN, dan metriknya dapat terlihat langsung. Angka evaluasi akan lebih mudah dipahami ketika kita mengubah isi matriks sendiri.

Tahap 6. Rapikan workflow project

Setelah model pertama selesai, susun kembali project menjadi alur yang dapat diulang. Pisahkan tahap memuat data, preprocessing, training, evaluasi, dan inference. Catat versi dataset, parameter model, serta alasan setiap perubahan.

Notebook yang rapi sebaiknya dapat dijalankan dari awal sampai akhir. Hindari bergantung pada variabel yang tersisa dari eksperimen sebelumnya. Simpan grafik evaluasi dan tulis kesimpulan berdasarkan hasil, termasuk bagian model yang masih gagal.

Tahap 7. Ubah project menjadi portofolio

Portofolio machine learning tidak cukup berisi screenshot akurasi. Jelaskan masalah yang diselesaikan, sumber dataset, proses membersihkan data, alasan memilih model, metrik utama, jenis kesalahan, dan batas penggunaan. Tambahkan demo jika model memang dapat digunakan oleh orang lain.

Satu project yang lengkap lebih kuat daripada lima notebook yang berhenti setelah training. Project lengkap menunjukkan bahwa kita dapat menghubungkan data, model, evaluasi, dan kebutuhan pengguna dalam satu alur.

Kapan mulai belajar deep learning?

Deep learning lebih mudah dipahami setelah kita mengenal fitur, target, loss, training, overfitting, dan evaluasi. Setelah fondasi tersebut terbentuk, neural network tidak lagi terlihat sebagai kotak hitam yang sepenuhnya asing.

Mulailah dari MLP kecil, lalu lanjutkan ke CNN untuk citra atau Transformer untuk teks. Gunakan model pretrained ketika membangun project nyata agar tidak selalu memulai training dari nol. Baca juga pengertian dan cara kerja deep learning sebelum masuk ke arsitektur yang lebih khusus.

Contoh rencana belajar empat minggu

Empat minggu tentu bukan batas untuk menguasai machine learning. Ini hanya kerangka agar kita segera memiliki sesuatu yang dapat diuji, diperbaiki, dan dijelaskan. Setelah project pertama selesai, ulangi alur yang sama dengan dataset dan masalah berbeda.