Tugas GSLC 8 Mei 2014
1. Apa yang dimaksud supervised learning, unsupervised learning dan reinforcement learning ? Berikan contoh masing-masing !
SUPERVISED LEARNING
Supervised learning merupakan suatu pembelajaran yang terawasi dimana jika output yang diharapkan telah diketahui sebelumnya. Biasanya pembelajaran ini dilakukan dengan menggunakan data yang telah ada. Pada metode ini, setiap pola yang diberikan kedalam jaringan saraf tiruan telah diketahui outputnya. Satu pola input akan diberikan ke satu neuron pada lapisan input. Pola ini akan dirambatkan di sepanjang jaringan syaraf hingga sampai ke neuron pada lapisan output. Lapisan output ini akan membangkitkan pola output yang nantinya akan dicocokkan dengan pola output targetnya. Contoh algoritma jaringan saraf tiruan yang mernggunakan metode supervised learning adalah hebbian (hebb rule), perceptron, adaline, boltzman, hapfield, dan backpropagation.
Contoh :
GAMBAR SUPERVISED LEARNING
UNSUPERVISED LEARNING
Unsupervised learning merupakan pembelajaran yang tidak terawasi dimana tidak memerlukan target output. Pada metode ini tidak dapat ditentukan hasil seperti apa yang diharapkan selama proses pembelajaran, nilai bobot yang disusun dalam proses range tertentu tergantung pada nilai output yang diberikan. Tujuan metode unsupervised learning ini agar dapat mengelompokkan unit-unit yang hampir sama dalam satu area tertentu. Pembelajaran ini biasanya sangat cocok untuk klasifikasi pola. Contoh algoritma jaringan saraf tiruan yang menggunakan metode unsupervised ini adalah competitive, hebbian, kohonen, LVQ(Learning Vector Quantization), neocognitron.
Contoh :
GAMBAR UNSUPERVISED LEARNING
REINFORCEMENT LEARNING
Reinforcement learning adalah sebuah model pembelajaran terhadap apa yang dilakukan, dan sebagai umpan balik bagaimana memetakan perubahan situasi lingkungan terhadap aksi yang dilakukan untuk memaksimalkan keuntungan.
Prinsip yang digunakan dalam metode ini didasarkan pada teori reinforcement yang pada intinya adalah konsekuensi mempengaruhi tindakan. Ada 3 prinsip dasar pada teori reinforcement yakni (Tadepalli et al, 1998; ).
Konsekuensi yang berakibat baik mendorong terjadinya tindakan.
Konsekuensi yang berakibat buruk mendorong berkurangnya tindakan.
Konsekuensi yang tidak ada dampaknya tidak memperngaruhi tindakan.
Contoh :
GAMBAR REINFORCEMENT LEARNING
2. Apa yang dimaksud dengan Learning Decision Tree dan berikan contohnya ?!
Secara konsep Decision tree adalah salah satu dari teknik decision analysis.Tries sendiri pertama kali diperkenalkan pada tahun 1960-an oleh Fredkin. Trie atau digital tree berasal dari kata retrival (pengambilan kembali) sesuai dengan fungsinya. Secara etimologi kata ini diucapkan sebagai ‘tree’.
Secara singkat bahwa Decision Tree merupakan salah satu metode klasifikasi pada Text Mining. Klasifikasi adalah proses menemukan kumpulan pola atau fungsi-fungsi yang mendeskripsikan dan memisahkan kelas data satu dengan lainnya, untuk dapat digunakan untuk memprediksi data yang belum memiliki kelas data tertentu (Jianwei Han, 2001).
Contoh :
GAMBAR DECISION TREE
Semoga info ini bermanfaat bagi kita semua.. 😉
