TUGAS KELOMPOK BIG DATA

Dosen: Mawaddah Harahap, S.Kom,M.Kom

Ratna Yulinda (173303030222)

Jhon Boy R. Purba (173303030223)

Geby Gefariosa Manullang (173303030208)

Sri Devi Mangunsong (173303030230)

PROGRAM STUDI S1 - TEKNIK INFORMATIKA

FAKULTAS TEKNOLOGI DAN ILMU KOMPUTER
UNIVERSITAS PRIMA INDONESIA
MEDAN
2020
 SOAL :
1. Jelaskan perbedaan antara regresi dengan klasifikasi!
2. Jelaskan perbedaan antara Underfitting, Just right, dan Overfitting dalam sudut pandang
regresi dan klasifikasi!
3. Jelaskan pengertian dari Support Vector dan Langrange Multipier pada SVM!
4. Berdasarkan pada slide sebelumnya yaitu tentang Algoritma Squential Training SVM
untuk data dengan 2 kelas (Binary SVM), jika fungsi kernel RBF digantikan dengan
fungsi kernel polynomial (c = 1 dan d = 2).Tentukan besarnya nilai akurasi dari data
testing!
5. Selesaikan kasus tersebut menggunakan OAOSVM, atau OAASVM atau BDTSVM, atau
DAGSVM (pilih salah satu) dengan nilai parameter αi = 0,

JAWABAN :

1. Regresi merupakan proses menemukan model atau fungsi untuk membedakan data

menjadi nilai riil kontinu alih-alih menggunakan kelas. Secara matematis, dengan
masalah regresi, seseorang berusaha menemukan perkiraan fungsi dengan deviasi
kesalahan minimum. Dalam regresi, ketergantungan numerik data diprediksi akan
membedakannya. Sedangkan Klasifikasi adalah proses menemukan atau menemukan
model (fungsi) yang membantu dalam memisahkan data menjadi beberapa kelas
kategorikal. Dalam klasifikasi, keanggotaan grup dari masalah diidentifikasi, yang berarti
data dikategorikan dalam label yang berbeda sesuai dengan beberapa parameter dan
kemudian label diprediksi untuk data tersebut.

2. Underfitting adalah keadaan dimana model pelatihan data yang dibuat tidak mewakilkan
keseluruhan data yang akan digunakan nantinya. Sehingga menghasilkan performa yang
buruk dalam pelatihan data.

Overfitting adalah suatu keadaan dimana data yang digunakan untuk pelatihan itu adalah
yang “terbaik” sehingga apabila dilakukan tes dengan menggunakan data yang berbeda
dapat mengurangi akurasi (hasil yang dibuat tidak sesuai yang diharapkan). Overfitting
terjadi ketika beberapa batasan didasarkan pada sifat khusus yang tidak membuat
perbedaan pada data.

3. Support vektor ini dalam SVM adalah data dari kedua buah kelas yang terletak paling
dekat dengan hyperplane pemisah yang dipotong oleh supporting hyperplane.