(Learning System)
Kelompok 10
Sistem Kendali Cerdas
OUR TEAM
• SUKMA SANJAYA (118130038)
• TENGKU RIZKI AKBAR (118130087) 2
• SIGIT SETIAWAN SALIM (118130112)
• THOMAS DAVIN ZEANS (118130128)
• YAN PANJI SAPUTRA (118130062)
• THARIQ AKMAL RASYIDI PUA UPA (118130148)
• TOPAN WIRA BUANA (13117083)
TABLE OF CONTENTS
TUJUAN KESIMPULAN
1 Tujuan metode Pembelajaran
4 Inti dari metode pembelajaran
3
PEMBAHASAN
2 Metode Learning Model
Artificial Neural Network
(ANN)
CONTOH
3 Penggunaan metode learning
pada sebuah kasus
1 4
TUJUAN
Tujuan Pembelajaran
Tujuan pembelajaran yang ingin dicapai sebagai berikut :
PEMBAHASAN
Artificial Neural Network (ANN)
Hebbian Learning
Hebbian Learning digunakan untuk mengekstraksi data berupa principal directions (arah-arah
prinsipal) dari kumpulan data yang dapat dipetakan kedalam ruang p-dimensi. Setiap arah
yang digambarkan sebagai bobot vektor dan jumlah principal direction biasanya sama dengan 9
jumlah dimensi data dari ruang input p.
Preceptron Preceptron
ADALINE
Adaline singkatan dari Adaptive Linear Neuron, ADALINE menggunakan threshold dalam
melakukan proses penjumlahan linierseluruh masukan pada jaringannya. Jaringan adeline ini
tidak jauh bebeda dengan jaringan perceptron, perbedaan jaringan adeline dengan percepton
10
terletak pada cara merubah bobot. Perubahan bobot pada adaline dilakukan menggunakan
aturan delta (least mean Square).
Back Propagation
Backpropagation merupakan salah satu dari bagian Neural Network. Backpropagation adalah
sebuah metode pelatihan supervised learning yang telah mempunyai target yang akan dicari.
Tujuan dari Backpropagation adalah meminimalisir error pada output dengan mengupdate
bobot dan bias.
Contoh Metode Supervised Learning
Suatu metode klasifikasi pola yang masing-masing unit output mewakili kategori atau
kelompok tertentu. Kelebihan metode ini adalah selain mencari jarak terdekat, selama
pembelajaran unit output diposisikan dengan mengatur dan memperbaharui bobot melalui 11
pembelajaran yang terawasi untuk memperkirakan keputusan klasifikasi.
Unsupervised Learning (self organization atau
adaptation)
Algoritma unsupervised learning adalah proses pembelajaran lebih bebas karena tidak ada pengawasan. Algoritma
unsupervised learning lebih bebas dalam proses eksplorasi data karena tidak memiliki data label dan bisa mencari
karakteristik data yang tersembunyi. unsupervised learning dapat dimanfaatkan untuk segmentasi pelanggan,
mengurangi kompleksitas suatu masalah, dan memilih fitur yang tepat. Segmentasi pelanggan membutuhkan metode
clustering. Metode ini termasuk algoritma unsupervised learning yang bertujuan untuk menemukan kelompok atau
cluster alami di dalam data input. Salah satu pendekatan umum dalam clustering adalah membagi titik data
sedemikian rupa sehingga setiap titik data yang memiliki kemiripan masuk ke dalam grup yang sama. Metode 12
clustering biasanya digunakan untuk menentukan segmen pelanggan dalam data pemasaran. Jika tim pemasaran
memiliki data segmentasi pelanggan, maka tim pemasaran dapat melakukan pendekatan yang tepat ke setiap segmen
pelanggan.
Kohonen
Vector Quantization
Associative Memory Learning
Principal Componen Analysis
Sam’mons Projection
Hebbian
ART
Contoh Metode Unsupervised Learning (self
organization atau adaptation)
Vector Quantization
Kohonen
Dalam materi jaringan saraf tiruan terdapat salah satu metode. Yaitu, metode kohonen yang
dimana merupakan salah satu metode dari jaringan saraf tiruan yang digunakan untuk
membagi pola masukan ke dalam beberapa kelompok. Seperti kelompok yang berupa pola.
HYBRID
14
CONTOH KASUS
16
4 17
KESIMPULAN
KESIMPULAN
● Artificial Neural Network (ANN) atau jaringan syaraf tiruan adalah jaringan dari
sekelompok unit pemroses kecil yang dimodelkan berdasarkan perilaku jaringan syaraf
manusia.
● Hebbian Learning digunakan untuk mengekstraksi data berupa principal directions (arah- 18
arah prinsipal) dari kumpulan data yang dapat dipetakan kedalam ruang p-dimensi.
v
THANKS!
DO YOU HAVE ANY QUESTIONS?
20