20. Ringkasan & Decision Guide
20. Ringkasan & Decision Guide
| Kebutuhan | Framework | Kompleksitas |
|---|---|---|
| Deteksi wajah/teks/barcode | Vision (built-in requests) | Rendah |
| Klasifikasi gambar kategori umum | Vision + Core ML (Apple sample models) | Rendah |
| Klasifikasi gambar kategori custom | Create ML → Core ML | Sedang |
| OCR dari gambar | Vision VNRecognizeTextRequest |
Rendah |
| Deteksi bahasa | Natural Language NLLanguageRecognizer |
Rendah |
| Analisis sentimen umum | Natural Language NLTagger |
Rendah |
| Analisis sentimen domain-spesifik | Create ML Text Classifier → NLModel | Sedang |
| Semantic search / similarity | Natural Language NLEmbedding |
Sedang |
| Intent detection (chatbot) | Create ML Text Classifier | Sedang |
| Klasifikasi suara | Sound Analysis + Create ML | Sedang |
| Prediksi tabular (harga, churn) | Create ML Tabular Regressor/Classifier | Sedang |
| Generative text, structured output | Foundation Models (iOS 18.1+) | Rendah |
| Model custom dari PyTorch/TF | coremltools + Core ML | Tinggi |
| Personalisasi on-device | MLUpdateTask | Tinggi |
| Real-time video analysis | Vision + AVFoundation | Tinggi |
Mulai dari Mana?
Jika baru mulai: Coba Vision framework untuk deteksi wajah atau OCR — zero setup, langsung bisa jalan dalam 30 menit. Ini memberi intuisi tentang bagaimana ML inference bekerja di iOS.
Jika butuh klasifikasi custom: Buka Create ML app (ada di Xcode), drag-drop folder gambar, train, export. Tidak perlu satu baris kode Python.
Jika butuh generative AI: Foundation Models (LanguageModelSession) tersedia iOS 18.1+ di device yang mendukung Apple Intelligence. Tidak butuh API key atau server.
Jika butuh model dari riset/paper: Pelajari coremltools untuk konversi dari PyTorch/TensorFlow. Ini butuh setup Python environment tapi membuka akses ke ribuan model open-source.
ML di iOS bukan tentang menjadi data scientist — ini tentang tahu framework mana yang solve problem user dengan effort minimal. Mulai dari yang paling built-in, custom hanya ketika diperlukan.