Memahami Intuisi Matematis dan Kernel Trick dalam Support Vector Machine (SVM)

Yogyakarta, 26 Juni 2025 — Kegiatan Summer School Track AI kembali dilanjutkan hari ini dengan materi yang memperdalam pemahaman peserta terhadap konsep-konsep dasar yang membentuk algoritma machine learning, khususnya Support Vector Machine (SVM). Pembelajaran difokuskan pada pemahaman matematis dan visualisasi kerja algoritma dalam membentuk batas keputusan (decision boundary) yang optimal.

Sesi dimulai dengan pengantar mengenai prinsip kerja SVM dalam memisahkan dua kelas data menggunakan hyperplane. Peserta mempelajari bagaimana kernel trick digunakan untuk memetakan data dari ruang berdimensi rendah ke ruang berdimensi lebih tinggi agar data yang tidak terpisahkan secara linear dapat dipisahkan dengan lebih efektif. Visualisasi yang ditampilkan menggambarkan bentuk decision surface hasil dari penggunaan polynomial kernel dan RBF kernel, sehingga peserta dapat melihat perbedaan bentuk batas klasifikasi berdasarkan jenis kernel yang digunakan.

Materi kemudian dilanjutkan dengan pembahasan tentang mathematical intuition, yang mencakup konsep dot product dan projection of one vector onto another. Peserta diperkenalkan pada bagaimana dua vektor dapat saling berinteraksi dalam ruang vektor, dan bagaimana konsep ini digunakan dalam perhitungan margin maksimum pada SVM. Pemaparan ini dilakukan secara bertahap dan disertai dengan ilustrasi grafis, sehingga peserta dapat memahami makna geometris dari operasi-operasi tersebut.

Melalui sesi ini, peserta memperoleh pemahaman mendalam mengenai bagaimana konsep-konsep matematika linear seperti vektor, sudut, dan proyeksi membentuk fondasi kerja dari algoritma klasifikasi seperti SVM. Pemahaman ini diharapkan dapat meningkatkan kemampuan peserta dalam merancang dan mengevaluasi model machine learning dengan dasar teoritis yang kuat.

Kegiatan hari ini dapat menjadi wadah pembelajaran yang tidak hanya fokus pada penerapan teknis, tetapi juga memberikan pemahaman konseptual yang penting dalam pengembangan solusi berbasis data.

Kata Kunci: MIDSEA, Modelling, Infectious Diseases Modelling
Penulis: Chyntia Meininda Anjanni
Foto: Lucetta Amarakamini