Apa Itu Pelabelan Data (Data Labeling)? Penjelasan Pemula

Updated · By Viviai

Pelabelan data (data labeling atau anotasi data) adalah proses memberi label atau tag yang bermakna pada data mentah seperti gambar, teks, audio, atau video, sehingga model supervised learning punya konteks untuk belajar mengenali pola dan membuat prediksi.

Versi sederhananya

Data mentah hanyalah angka, piksel, atau tulisan yang belum punya arti bagi komputer. Pelabelan menempelkan keterangan, seperti menandai gambar berisi kucing atau teks bernada positif, sehingga model tahu jawaban yang benar.

Contoh label

Jenis data Contoh label
Gambar Ada mobil atau tidak
Teks Sentimen positif atau negatif
Audio Kata yang diucapkan
Video Objek atau aksi tertentu

Peran dalam supervised learning

  1. Kumpulkan data mentah.
  2. Tempelkan label yang benar.
  3. Latih model membandingkan tebakan dengan label.
  4. Gunakan label sebagai acuan, atau ground truth.

Istilah inti

Mengapa penting

Kualitas label berkaitan erat dengan kualitas prediksi. Label yang keliru atau tidak konsisten dapat membuat model belajar pola yang salah.

Keterbatasan

Pelabelan manual sering memakan waktu dan biaya, terutama pada data besar. Sebagian proses kini dibantu alat atau model, namun tetap perlu pengecekan manusia.

FAQ

Apa itu ground truth?

Jawaban benar yang sudah diketahui dan dipakai sebagai acuan pelatihan.

Apa bedanya pelabelan dan anotasi?

Keduanya merujuk proses yang sama, yaitu memberi keterangan pada data mentah.

Apakah pelabelan hanya untuk gambar?

Bukan, label juga diberikan pada teks, audio, dan video.

Mengapa label yang salah menjadi masalah?

Model meniru label, sehingga label keliru dapat menghasilkan prediksi yang keliru juga.

Poin utama

Lanjutkan membaca apa itu supervised learning dan apa itu machine learning.

Sources

  1. https://www.ibm.com/id-en/topics/data-labeling
  2. https://www.ibm.com/think/topics/data-labeling
  3. https://aws.amazon.com/what-is/data-labeling/

Learn by doing

Read a guide, then practice with bite-sized AI lessons you can take offline.

Start learning free