Artificial Intelligence (AI) kini semakin sering hadir dalam kehidupan sehari-hari. Mulai dari sistem rekomendasi, analisis data, hingga berbagai sistem pendukung keputusan, AI seolah mampu “memutuskan” sesuatu dengan cepat dan akurat. Namun, di balik keputusan yang dihasilkan tersebut, muncul satu pertanyaan penting: bagaimana sebenarnya Artificial Intelligence mengambil keputusan?

Banyak orang mengira AI bekerja dengan cara menebak atau sekadar menghafal data. Padahal, AI tidak berpikir seperti manusia, dan juga tidak mengambil keputusan secara acak. Setiap keputusan yang dihasilkan AI didasarkan pada pola dan struktur yang dipelajari dari data. Di sinilah peran model-based learning menjadi sangat penting. Pendekatan ini memungkinkan AI membangun sebuah model yang merepresentasikan hubungan antar data, sehingga keputusan yang dihasilkan memiliki dasar yang jelas.

Gambar 1. Artificial Intelligence sebagai sistem yang memproses data untuk menghasilkan keputusan berbasis model.

Model-based learning dapat dipahami sebagai cara AI membangun “kerangka berpikir” dari data yang tersedia. Dari sekumpulan data, AI menyusun model yang merepresentasikan pola, kecenderungan, dan hubungan antar variabel. Model inilah yang kemudian digunakan untuk membantu AI dalam mengambil keputusan saat menghadapi data baru. Dengan pendekatan ini, keputusan yang dihasilkan tidak berdiri sendiri, melainkan merujuk pada pemahaman yang telah dibangun sebelumnya.

Dalam pengembangan Artificial Intelligence, model-based learning banyak diwujudkan melalui model seperti Decision Tree, Naive Bayes, Support Vector Machine, dan Random Forest. Masing-masing model membangun representasi keputusan dari data dengan pendekatan yang berbeda, namun semuanya bertujuan membantu AI mengambil keputusan secara konsisten dan berbasis pola. Keberadaan model-model ini memungkinkan proses pengambilan keputusan dapat dievaluasi dan dikembangkan secara berkelanjutan.

Pendekatan model-based learning banyak digunakan karena memberikan konsistensi dan kejelasan dalam pengambilan keputusan. Ketika sebuah keputusan dihasilkan, model yang digunakan dapat dievaluasi, dibandingkan, dan diperbaiki. Hal ini menjadikan AI tidak hanya cepat, tetapi juga lebih dapat dipertanggungjawabkan. Dalam konteks pengambilan keputusan, keberadaan model membantu AI menghindari keputusan yang bersifat spekulatif atau tidak berdasar.

Gambar 2. Artificial Intelligence berperan sebagai sistem pendukung keputusan
yang bekerja bersama manusia. (Src: Gen-AI)

Salah satu contoh penerapan model-based learning dapat ditemukan dalam analisis risiko dan prediksi berbasis data. Dalam penelitian terkini, pendekatan model-based learning digunakan untuk membandingkan beberapa model AI dalam memprediksi risiko berdasarkan data historis. Hasilnya menunjukkan bahwa model yang dibangun dengan pendekatan ini mampu menghasilkan keputusan yang lebih akurat dan konsisten. Temuan tersebut memperlihatkan bagaimana model-based learning menjadi fondasi penting dalam pengembangan AI yang andal.

Keunggulan model-based learning tidak hanya terletak pada akurasi, tetapi juga pada kemampuan evaluasi dan pengembangan berkelanjutan. Model dapat disesuaikan, ditingkatkan, dan diuji ulang seiring bertambahnya data. Dengan demikian, AI tidak bersifat statis, melainkan terus berkembang mengikuti dinamika data dan kebutuhan pengguna. Inilah yang membuat model-based learning relevan dalam berbagai bidang, mulai dari analisis data hingga sistem pendukung keputusan di dunia nyata.

Sebagai penutup, keputusan yang dihasilkan Artificial Intelligence tidak muncul begitu saja. Di baliknya terdapat model yang dibangun melalui proses pembelajaran dari data. Model-based learning memainkan peran sentral dalam memastikan bahwa keputusan AI memiliki dasar yang jelas, konsisten, dan dapat dievaluasi. Dengan memahami peran model-based learning, kita dapat melihat bahwa AI bukan sekadar teknologi yang “cerdas”, tetapi sebuah sistem yang dirancang untuk mengambil keputusan secara terstruktur dan bertanggung jawab.

Sumber

Prasetyo, S. Y., Saputri, H. A., Zain Nabiilah, G., & Wulandari, A. (2023). Model-based learning techniques for accurate heart disease risk prediction. In INTERNATIONAL CONFERENCE ON MODELING & E-INFORMATION RESEARCH, ARTIFICIAL LEARNING AND DIGITAL APPLICATIONS (ICMERALDA). https://doi.org/10.1109/ICMERALDA60125.2023.10458149

 

Penulis : Ir. Simeon Yuda Prasetyo, S.Kom., M.Kom., IPP, CSCU.