Garbage In, Garbage Out: Mengapa Kualitas Data Lebih Penting daripada Algoritma dalam Artificial Intelligence

“Artificial Intelligence is only as good as the data it learns from.” — Andrew Ng

Image by Gemini AI

Ketika orang berbicara tentang Artificial Intelligence (AI), biasanya yang menjadi sorotan adalah model-model canggih seperti ChatGPT, Gemini, atau berbagai teknologi generative AI lainnya. Kita sering mendengar bagaimana AI mampu menulis artikel, membuat gambar, menerjemahkan bahasa, bahkan membantu pengambilan keputusan dalam bisnis.

Namun, di balik semua kecanggihan tersebut, ada satu hal yang sering terlupakan.

Data.

Bukan algoritma. Bukan model. Bukan juga kemampuan komputasi yang mahal.

Sebuah model AI yang sangat canggih tetap dapat menghasilkan keputusan yang buruk jika dilatih menggunakan data yang buruk. Dalam dunia komputasi, fenomena ini dikenal dengan istilah Garbage In, Garbage Out (GIGO).

Prinsipnya sederhana: jika sampah yang dimasukkan, maka sampah pula yang akan keluar.

Meski terdengar sederhana, prinsip ini menjadi salah satu alasan mengapa banyak proyek AI gagal memberikan hasil yang diharapkan.

AI Tidak Benar-Benar “Mengerti”

Salah satu kesalahpahaman terbesar tentang AI adalah anggapan bahwa AI memahami dunia seperti manusia.

Kenyataannya, AI tidak memahami apa pun.

AI tidak tahu apa itu benar atau salah. AI tidak tahu mana informasi yang masuk akal dan mana yang tidak. AI hanya belajar dari pola yang ditemukan dalam data yang diberikan kepadanya.

Bayangkan Anda ingin mengajarkan seorang anak mengenali seekor kucing.

Namun, sebagian besar foto yang Anda tunjukkan ternyata adalah foto anjing yang salah diberi label sebagai “kucing”.

Apa yang akan terjadi?

Anak tersebut kemungkinan akan memiliki pemahaman yang keliru tentang apa itu kucing.

Hal yang sama terjadi pada AI.

Jika data yang digunakan untuk melatih model mengandung kesalahan, ketidaklengkapan, atau bias tertentu, maka model akan mempelajari kesalahan tersebut sebagai sebuah kebenaran.

Ketika Data Menjadi Masalah yang Tidak Terlihat

Dalam banyak organisasi, fokus sering kali diberikan pada pemilihan algoritma terbaik.

Tim berdiskusi tentang neural network, machine learning, atau model AI terbaru yang sedang populer. Namun, pertanyaan yang jauh lebih penting sering kali tidak diajukan:

Apakah data yang kita miliki benar-benar berkualitas?

Masalahnya, kualitas data tidak selalu terlihat.

Dataset mungkin tampak besar dan lengkap, tetapi di dalamnya bisa saja terdapat:

• Data yang hilang (missing values)
• Data duplikat
• Kesalahan input
• Format yang tidak konsisten
• Informasi yang sudah tidak relevan
• Bias terhadap kelompok tertentu

Masalah-masalah kecil ini sering dianggap sepele. Padahal ketika digunakan untuk melatih AI, dampaknya bisa menjadi sangat besar.

Era Baru: Data-Centric AI

Selama bertahun-tahun, pengembangan AI berfokus pada pembuatan model yang lebih canggih.

Namun kini mulai muncul pendekatan baru yang disebut Data-Centric AI, yang dipopulerkan oleh Andrew Ng.

Pendekatan ini berangkat dari gagasan sederhana:

Daripada terus mengganti model, mengapa tidak memperbaiki datanya?

Dalam banyak kasus, meningkatkan kualitas data justru memberikan peningkatan performa yang lebih besar dibandingkan menggunakan algoritma yang lebih komplek.

[embed]- YouTube Enjoy the videos and music you love, upload original content, and share it all with friends, family, and the world on…www.youtube.com

Penutup

Di tengah pesatnya perkembangan AI, kita sering terjebak pada pertanyaan:

“Model apa yang terbaik?”

Padahal pertanyaan yang lebih penting adalah:

“Apakah data yang digunakan sudah cukup baik?”

Karena pada akhirnya, keberhasilan AI tidak dimulai dari algoritma yang canggih.

Keberhasilan AI dimulai dari data yang berkualitas.