KECERDASAN BUATAN

Ujian Akhir Semester

Dosen pengampu:

Dr. Widodo , S.Kom.,M.Kom.

Murien Nugraheni,S.T, M.Cs

Disusun Oleh:

Fransiscus Sihombing - 1512621024

PENDIDIKAN TEKNIK INFORMATIKA DAN KOMPUTER

FAKULTAS TEKNIK
UNIVERSITAS NEGERI JAKARTA
2023
1. Teknik machine learning sebenarnya mirip dengan cara belajar manusia, terutama
dalam mengenali sesuatu: [25%]
a. Pada machine learning, apa yang menjadi bahan untuk belajar tersebut?
Beberapa bahan untuk belajar yang dibutuhkan machine learning adalah:
- Data
Data berupa bahan dasar berupa teks, gambar, suara, atau jenis data lainnya.
Data yang diberikan harus relevan dengan tugas yang ingin diberikan.
Contohnya jika ingin mengenali gambar kuda, maka data yang digunakan
adalah kumpulan gambar-gambar kuda.
- Algoritma
algoritma merupakan suatu prosedur yang akan digunakan machine learning
untuk belajar. Ada banyak jenis algoritma machine learning yang berbeda,
seperti regresi linear, pohon keputusan, support vector machines, dan neural
networks.
- Model
model akan mewakili pengetahuan yang telah diperoleh dari data dan
digunakan untuk membuat prediksi atau mengambil keputusan pada data baru
yang belum pernah dilihat sebelumnya.
b. Jelaskan dengan bahasa Anda sendiri, mengapa disebut learning?
Penjelasan learning pada machine learning menurut saya mengacu pada
kemampuan sistem komputer untuk memperoleh pengetahuan atau mempelajari
pola dari data yang diberikan secara mandiri untuk menyelesaikan tugas tertentu.

2. Pada supervised learning terdapat teknik klasifikasi dan teknik regresi. Jelaskan satu
perbedaan mendasar dari kedua teknik tersebut (Yang ditanyakan ‘perbedaan’
bukan ‘definisi’)! [20%]
Perbedaan antara teknik klasifikasi dan teknik regresi terdapat pada output prediksi
yang dihasilkan. Klasifikasi digunakan ketika target adalah kategori diskrit, sedangkan
regresi digunakan ketika target adalah nilai kontinu atau numerik.

3. Identifikasikan algoritma di bawah ini, apakah termasuk Supervised atau

Unsupervised Learning: [25%]
 Algoritma Supervised/Unsupervised
K-means Unsupervised
K-nearest neighbor Supervised
Deep Learning Unsupervised
C4.5 Supervised
Support Vector Machine Supervised

4. Pada penyelesaian masalah menggunakan sistem berbasis fuzzy, terdapat Langkah

defuzzification, jelaskan maksud defuzzification tersebut! [15%]
Defuzzifikasi adalah proses mengubah keluaran fuzzy atau himpunan fuzzy menjadi
nilai tunggal yang bersifat nyata atau diskrit.
Pada sistem berbasis fuzzy, output yang dihasilkan adalah himpunan fuzzy yang
menggambarkan tingkat keanggotaan suatu variabel pada himpunan fuzzy yang
berbeda. Defuzzifikasi akan mengonversi keluaran fuzzy menjadi nilai tunggal yang
dapat digunakan dalam pengambilan keputusan atau tindakan selanjutnya.

5. Bagaimana proses Learning pada jaringan saraf tiruan (JST)? Apa yang membedakan
learning pada JST dengan learning pada klasifikasi biasa? [15%]
Proses pembelajaran pada jaringan saraf tiruan (JST) melibatkan penyesuaian bobot
(weights) yang ada di antara neuron-neuron dalam jaringan untuk dapat mengenali
pola atau mempelajari hubungan dalam data yang diberikan.
Perbedaan learning pada JST dengan learning pada klasifikasi biasa adalah:
- Representasi pemodelan
JST terdiri dari lapisan-lapisan neuron yang saling terhubung, mirip dengan
jaringan saraf biologis. Sedangkan klasifikasi biasa berbasis fitur-fitur yang
didefinisikan secara manual dan tidak mengadopsi struktur jaringan neuron.
- Pembelajaran berbasis data
JST mampu mempelajari representasi data secara otomatis melalui
pengaturan bobot, sedangkan pada klasifikasi biasa, representasi data harus
didefinisikan secara eksplisit oleh manusia melalui fitur-fitur yang dipilih.
- Fleksibilitas dalam pemodelan
JST dapat mengadaptasi diri dan mempelajari pola yang kompleks tanpa
adanya asumsi yang kuat tentang bentuk distribusi data. Sementara pada
klasifikasi biasa, model seringkali membutuhkan asumsi yang lebih kuat
tentang data dan struktur yang linear.