Proses Pembelajaran

(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 :

 Memahami tentang proses pembelajaran/process learning dari jaringan syaraf tiruan

 Mengetahui metode pada proses pembelajaran/process learning jaringan syaraf

tiruan 5

 Menerapkan proses pembelajaran/process learning jaringan syaraf tiruan

 2 6

PEMBAHASAN
Artificial Neural Network (ANN)

Artificial Neural Network (ANN) atau Jaringan saraf tiruan, adalah

jaringan dari sekelompok unit pemroses kecil yang dimodelkan
berdasarkan sistem saraf manusia. JST merupakan sistem adaptif
yang dapat mengubah strukturnya untuk memecahkan masalah
berdasarkan informasi eksternal maupun internal yang mengalir 7

melalui jaringan tersebut.

Metode learning model dibagi menjadi tiga yaitu :

 Supervised Learning
 Unsupervised Learning (self organization atau adaptation)
 Hybrid
Supervised Learning
Algoritma supervised learning merupakan algoritma machine learning yang proses
pembelajarannya di bawah pengawasan guru atau supervisor. Algoritma ini memerlukan data
berlabel untuk membangun sebuah model yang tingkat akurasinya bisa ditingkatkan dari waktu
ke waktu. Semakin banyak model tersebut mengolah data, maka tingkat keakurasiannya juga
akan semakin tinggi. Supervised learning dapat dimanfaatkan untuk memprediksi harga rumah,
mengklasifikasikan suatu benda, memprediksi cuaca, dan kepuasan pelanggan. Dalam
8
memprediksi harga rumah, data yang harus kita miliki adalah ukuran luas, jumlah kamar, fitur,
fasilitas, dan lain sebagainya. Kemudian, kita harus memiliki data harga-harga rumah.

Contoh dari metode ini yaitu :

 Hebbian
 Perceptron
 Adaline
 Backpropagation
 LVQ (Learning Vector Quantization)
Contoh Metode Supervised Learning

 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

Preceptron Preceptron merupakan metode yang digunakan dalam pengembangan jaringan

syaraf tiruan. Digunakan untuk mengklasifikasikan pola khusus yang biasa disebut dengan
linearly separable, yaitu sebuah pola yang terletak pada sisi berlawanan suatu bidang.
Perceptron ini terdiri dari neuron tunggal dengan bobot-bobot sinaptik dan threshold yang
dapat diatur. Dimana metode ini hanya untuk mengklasifikasikan dua kelas saja
Contoh Metode Supervised Learning

 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

 LVQ (Learning Vector Quantization)

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

Vector Quantization merupakan suatu metode pelatihan untuk melakukan sebuah

pembelajaran pada lapisan kompetitif yang terawasi (supervised learning) yanng memiliki
13
arsitektur jaringan berlayer tunggal (single layer)

 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

Pembelajaran campuran adalah program pendidikan formal yang memungkinkan siswa

belajar melalui konten dan petunjuk yang disampaikan secara daring dengan kendali mandiri
terhadap waktu, tempat, urutan, maupun kecepatan belajar.
 3 15

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.

● Algoritma supervised learning merupakan algoritma machine learning yang proses

pembelajarannya di bawah pengawasan guru atau supervisor.

● Backpropagation adalah sebuah metode pelatihan supervised learning yang telah

mempunyai target yang akan dicari.
 “Menjadi Mahasiswa Teknik Tidak Sepahit
Menyeruput Kopi.Kami Juga 19

Menikmatinya,Berlama-lama Mungkin Tidak,

Tapi Butuh Waktu Untuk Selesai”
—Someone Famous —

v
 THANKS!
DO YOU HAVE ANY QUESTIONS?
20

Credits: This presentation template was created by

Slidesgo, including icons by Flaticon, infographics &
images by Freepik.