Hari/Tgl.

24 Desember 2021
KEMENTERIAN RISET DAN PENDIDIKAN TINGGI Waktu Due date submit
UNIVERSITAS NEGERI JAKARTA Tempat LMS Epsilon
PRODI FISIKA – FMIPA Semester SMT 115
Sifat Open book
UJIAN AKHIR SEMESTER (UAS)
Dosen Dr. B. Heru Iswanto
PENGANTAR PEMBELAJARAN MESIN (3 sks)

Petunjuk ujian:
• Tulis nama, NIM, matakuliah, tanggal ujian, dan dosen pengampu
• Tulis nomor soal, kemudian uraikan jawaban anda
• Jawaban discan/difoto lalu simpan dengan nama file: UAS-matakuliah-NIM.pdf, upload ke Epsilon
• Mahasiswa dilarang menyontek, plagiasi, bekerja sama dengan siapa pun dalam mengerjakan soal ujian.

Data pengukuran dua jenis buah {1 = tomat, 0 = jeruk} berdasarkan tiga fitur daun (p=Panjang,
l=Lebar, t=Tebal) adalah sebagai berikut:
Sample ID Panjang (p) Lebar(l) Tebal(t) Class (y)
1 1.4 0.2 0.3 1
2 1.5 1.7 1.5 1
3 0.4 0.5 1.5 0
4 0.6 1.4 1.5 0

1. Linier Regresi. Berdasarkan data di atas:

a. Carilah persamaan regresi linier ℎ(𝐱) dengan dua variabel input: Panjang dan Lebar, dan
variabel output: Tebal.
b. Hitunglah error kuadrat rata-rata (MSE) dengan rumus:
𝑁
1
𝑀𝑆𝐸 = ∑‖ℎ(𝐱 𝑖 ) − 𝑦𝑖 ‖2
𝑁
𝑖=1

2. Klasifikasi dengan Neural Network SLP

Berdasarkan data di atas anda diminta membangun ANN Single-Layer Perceptron sebagai model
klasifikator dengan spesifikasi:
- Masing-masing bobot awal diberikan nilai sama 0,2.
1
- Fungsi aktivasi 𝜎(𝑧) = 1+𝑒 −𝑧
Pertanyaan:
c. Gambarkan arsitektur ANN yang sesuai untuk tugas tsb.
d. Dari hasil (a) tuliskan persamaan 𝑂𝑖 yakni nilai prediksi oleh model
1 2 𝜕𝐸
e. Jika fungsi error tiap step-𝑖 adalah 𝐸𝑖 = 2 (𝑂𝑖 − 𝑦𝑖 ) maka carilah 𝑖 .
𝜕𝑤𝑖
f. Hitunglah tiap bobot setelah 1 epoch (setelah semua data samples digunakan dalam
proses) dengan persamaan
𝜕𝐸
𝑤𝑖 = 𝑤𝑖 + 𝜂 𝜕𝑤𝑖 dimana 𝜂 = 0,2.
𝑖
g. Tentukan jenis buah jika daunnya memiliki fitur {panjang=0.2, lebar=0.3, tinggi=0.1}
menggunakan model yang telah anda peroleh. Note: anggaplah nilai dari fungsi aktivasi
menyatakan probabilitas objek termasuk ke dalam kelas 1.