Perbedaan Supervised Learning dan Unsupervised Learning dalam AI (Artificial Intelligence), khususnya dalam machine learning, sangat mendasar dan penting dipahami karena keduanya digunakan untuk tujuan yang berbeda.

---

1. Supervised Learning

Definisi:
Supervised Learning adalah metode pembelajaran mesin di mana model dilatih menggunakan dataset yang sudah diberi label. Artinya, setiap data input memiliki output yang sudah diketahui.

Contoh:
Misalnya, kamu ingin membuat model untuk mengklasifikasikan email sebagai spam atau tidak spam. Dataset-nya akan berisi banyak email yang sudah diberi label "spam" atau "not spam". Model belajar dari data tersebut agar bisa mengklasifikasikan email baru dengan tepat.

Algoritma yang umum digunakan:

• Linear Regression

• Logistic Regression

• Decision Trees

• Random Forest

• Support Vector Machines (SVM)

• Neural Networks

Tujuan:
Memprediksi atau mengklasifikasikan sesuatu berdasarkan contoh yang telah diketahui.

---

2. Unsupervised Learning

Definisi:
Unsupervised Learning adalah metode pembelajaran di mana model dilatih dengan data tanpa label. Model harus menemukan pola, struktur, atau hubungan tersembunyi dalam data itu sendiri.

Contoh:
Kamu punya kumpulan data pelanggan toko online, tapi tidak tahu kelompok mana yang suka diskon, mana yang sering belanja, dan sebagainya. Unsupervised learning bisa digunakan untuk clustering pelanggan ke dalam kelompok yang memiliki kemiripan perilaku.

Algoritma yang umum digunakan:

• K-Means Clustering

• Hierarchical Clustering

• Principal Component Analysis (PCA)

• Autoencoders

Tujuan:
Menemukan pola tersembunyi atau struktur dalam data, seperti segmentasi, asosiasi, atau pengurangan dimensi.

---

Perbandingan Singkat: