Di dalam dunia Artificial Intelligence (AI) dan Machine Learning (ML) terdapat 2 jenis metode pembelajaran mesin. Yaitu supervised learning dan unsupervised learning. Unsupervsed Learning digunakan Ketika data yang tersedia tidak memiliki label atau kategori yang sudah ditentukan. Unsupervised learning berusaha untuk menemukan pola atau struktur secara mandiri. Tentunya, metode ini banyak digunakan dalam berbagai aplikasi industry, termasuk analisis big data, segmentasi pelanggan, dan deteksi anomaly

Unsupervised learning bekerja dengan mengelompokkan pola dalam data tanpa adanya output yang diketahui sebelumnya. Algoritma ini memproses data secara otomatis dengan mengidentifikasi kesamaan, perbedaan, dan hubungan antar sampel data. Unsupervised learning memiliki beberapa kategori utama yang digunakan untuk keperluan analisis data, yaitu:

A. Clustering
Clustering adalah Teknik yang digunakan untuk mengelompokkan data ke dalam beberapa grup berdasarkan kesamaan karakter. Pada Teknik ini terdapat beberapa algoritma yang dapat dipakai seperti K-Means Clustering, Hierarchical Clustering, dan DBSCAN (Desnisty-Based Spatial Clustering of Application with Noise)

B. Dimensionality Reduction
Teknik ini digunakan untuk mengurangi jumlah fitur yang ada dalam dataset sambil tetap mempertahankan infomrasi yang penting. Pada Teknik ini juga terdapat beberapa algoritma yang dapat dipakai seperti Principal Component Analysis (PCA), t-SNE (Distributed Stochastic Neighbor Embedding, Autoencoder

Gambaran penggunaan unsupervised learning dapat dilihat salah satunya pada Perusahaan e-commerce dan ritel. Unsupervised learning dapat digunakan untuk mengelompokkan pelanggan berdasarkan pola belanjanya mereka. Dengan adanya pengelmpokkan pola belanja pelanggan, Perusahaan dapat dengan mudah untuk menyesuaikan strategi pemasaran dan penawaran yang tepat untuk si pelanggan. Tentunya, dengan ini Perusahaan dapat menambah retensinya dengan pelanggan