Portofolio Seputar Ilmu Perkuliahan

  Reinforcement Learning (Pertemuan 13  Machinelearning) Reinforcement learning adalah tipe algoritma machine learning yang bisa membuat agent software dan mesin bekerja secara otomatis untuk menentukan perilaku yang ideal sehingga dapat memaksimalkan kinerja algoritmanya.  DAlam beberapa tahun terakhir, penggunaan reinforcement learning terus meningkat, contohnya DeepMind and the Deep Q learning pada tahun 2014, AlphaGo di tahun 2016, dan OpenAI dan PPO di tahun 2017. Algoritma reinforcement learning didefinisikan sebagai metode machine learning yang berkaitan dengan cara software agent mengambil tindakan di environmentnya. Algoritma ini merupakan bagian dari metode deep learning yang akan memaksimalkan sebagian reward kumulatif.  Istilah Penting Dalam Reinforcement Learning Seperti yang sudah dijelaskan di awal, algoritma reinforcement learning memiliki beberapa istilah penting yang akan selalu dipakai saat kita bekerja dengan algoritma ini.   Agent adalah entitas yang diasumsikan m

  Algorithm Agglomerative Hierarchical Clustering  (Pertemuan 11 Machinelearning) Halo semua sekarang kita akan membahas tentang Agglomerative Hirarchical Clustering. penasaran apa itu? langsung aja kita bahas ada kesempatan kali ini : Analisis cluster merupakan metode pengelompokan multivariat (banyak variabel) dengan tujuan utama yaitu mengelompokkan objek berdasarkan kemiripan karakteristik yang dimilikinya. Analisis cluster terbagi menjadi dua metode yaitu  hirarki  non-hirarki. Pada artikel ini, bagian cluster yang akan dibahas hanya metode hirarki saja. Hierarchical methods adalah teknik clustering membentuk hirarki atau berdasarkan tingkatan tertentu sehingga menyerupai struktur pohon. Dengan demikian proses pengelompokannya dilakukan secara bertingkat atau bertahap. Biasanya, metode ini digunakan pada data yang jumlahnya tidak terlalu banyak dan jumlah cluster yang akan dibentuk belum diketahui. sedangakan... Agglomerative (metode penggabungan) adalah strategi pengelompokan hi

  Klasifikasi Menggunakan K-Means (Pertemuan 12  Machinelearning)

    Klasifikasi Menggunakan K-Means (Pertemuan 10 Machinelearning) Halo teman sobat cerita pada kali ini akan sharing terkait klasifikasi menggunakan K-Means. apa sih itu K-Means? dan bagaimana penerapanannya dalam mengelola data? yuk kita simak. Pendahuluan Dalam sistem klasifikasi terdapat 2 jenis klasifikasi yaitu : Supervised classification (untuk klasifikasinya udah jelas) Unsupervised Classification (klasifikasinya belum jelas) Clustering dapat dianggapyang paling penting dalam masalah unsupervised learning. sebuah cluster merupakan kumpulan objek-objek yang "sama" diantara mereka dan "berbeda" pada objek dari cluster lainnya. K-Means K-Means merupakan algoritma untuk cluster n objek berdasarkan atribut menjadi k partisi, dimana k<n. Secara umum K-Means clustering merupakan salah satu metode data clustering non-hirarki (tidak ada level apakah data lebih tinggi atau rendah dari yang lain) yang mengelompokkan data dalam bentuk satu atau lebih cluster/kelompok

    Konsep Dasar Algoritma Perceptron (Pertemuan 9 Machinelearning) Halo sobat cerita udah lama nggak update nih, kali ini bakalan sharing ilmu tentang algoritma perceptron yang merupakan ilmu dari Neural Network nih gais, so penasaran? langsung kita mulai Untuk tahap awal apa sih itu Neural Network? Neural Network adalah model yang terinspirasi oleh bagaimana neuron dalam otak manusia bekerja. Tiap neuron pada otak manusia saling berhubungan dan informasi mengalir pada setiap neuron tersebut Gambar 1.0 Struktur Dasar Neural Network  Aktivation Function dalam model algoritma perceptron terdapat aktivation function yang didalamnya berfungsi untuk menentukan apakah neuron tersebut harus "aktif" atau "tidak-aktif". hal tersebut didasaeai oleh weighted sum dari input. Secar umum terdapat 2 jenis activation function, Linear dan Non-Linear Activation Function. a. Linear Function merupakan fitur "default" dari activation  function. jika sebuah neuron menggunakan

   Klasifikasi Data Menggunakan SVM (Pertemuan 7 Machinelearning) Balik lagi nih sobat cerita, kali ini ke model klasifikasi selanjutnya yaitu ada SVM apa itu SVM? penasaran kan? yuk scroll! Apa ituSupport Vector Machine? SVM (Support Vector Machine) merupakan salah satu metode superviside learning. SVM memiliki konsep yang lebih baik dari pafa teknik yang lainnya. SVM juga di sebut-sebut dapat mengatasi masalah klasifikasi dari regresi linear. Cara kerja SVM ini mencari Hyperplane terbaik dengan menggunakan jarak maskimal antar klas. Hyperplane adalah sebuah fungsi yang dapat digunakan untuk klasifikasi antar kelas disebut sebagai line wheras. fungsinya menggunakan antar kelas dalam 3-D (plane similary) sedangkan fungsi yang digunakan untuk klasifikasi di dalam ruang kelsa dimesni yang lebih tinggi disebut hyperplane Hyperplane  yang ditemukan SVM diilustrasikan seperti Gambar 1 posisinya berada ditengah-tengah antara dua kelas, artinya jarak antara hyperplane dengan objek-objek data

   Klasifikasi Naive Bayes (Pertemuan 5 Machinelearning) Balik lagi nih sobat cerita. Pada kesempatan kali ini aku akan sharing seputar penggunaan klasifikasi Naive Bayes. Wah.. makin banyak pilihan untuk klasifikasi ya pada Machinelearning ini. Jangan khawatir, kita coba bahas secara perlahan., yuk! Apa itu Klasifikasi Naive Bayes? Apa sobat cerita pernah belajar tentang probabilitas? jika iya, selamat datang di klasifikasi Naive Bayes. karena algoritma ini menggunakan metode probabilitas dan statistik. Algortima ini dapatdapat memprediksi peluang dimasa depan berdasarkan pengalaman di massa sebelumnya menggunakan hasil hasil daa. mciri utama dari Naive Bayes ini adalah asumsi yang sangat kuta (naif) akan independensi dari masing masing kondisi/kejadian. Banyak sekali keuntungan yang dapat didapat menggunakan metode ini loh sobat cerita,  salah satunya metode ini hanya membutuhkan sedikit jumlah data training untuk menentukan estimasi parameter yang diperlukan dalam proses pengklasifi