Tugas Review Jurnal

Nama : Michael Ngefak

NIM : 18120084
Prodi : TI
Mata Kuliah : Pembelajaran Mesin

Nama Jurnal Pembelajaran Mesin

Tujuan Penelitian Tujuan dari penelitian ini adalah
untuk mereview beberapa jurnal
yang berkaitan dengan
pembelajaran mesin

Metode Penelitian 1. Decision Tree

2. Naive Bayes
3. AdaBoost Clasifier
4. k-Nearest Neighbor

Landasan Teori 1. Statistik: Pemahaman

tentang konsep statistik,
seperti distribusi
probabilitas, inferensi
statistik, dan konsep lainnya,
membantu dalam
pemodelan dan analisis data.
2. Aljabar Linear: Aljabar linear
diperlukan untuk memahami
operasi matriks, yang sering
digunakan dalam
pembelajaran mesin,
terutama dalam metode
seperti regresi linier,
 dekomposisi matriks, dan
analisis faktor.
3. Kalkulus: Konsep kalkulus,
seperti turunan dan integral,
diperlukan dalam optimisasi
algoritma pembelajaran
mesin, seperti algoritma
gradien stokastik (SGD).
4. Teori Probabilitas: Teori
probabilitas adalah dasar
bagi banyak metode
pembelajaran mesin,
terutama dalam konteks
pembelajaran statistik dan
pembelajaran dalam. Ini
termasuk konsep seperti
distribusi probabilitas,
probabilitas bersyarat, dan
estimasi parameter.
5. Teori Informasi: Teori
informasi membantu dalam
pemahaman tentang
bagaimana data dikompresi
dan cara mengukur informasi
dalam data. Ini berguna
dalam pemodelan dan
seleksi fitur.
6. Optimisasi: Pemahaman
tentang algoritma optimisasi,
seperti gradien stokastik
(SGD), algoritma genetika,
dan algoritma optimisasi
lainnya, penting dalam
proses pelatihan model.
 7. Kontrol Teori: Kontrol teori
dapat diterapkan dalam
masalah pembelajaran
penguatan (reinforcement
learning) dan dalam
pengembangan agen cerdas.
8. Teori Graf: Teori graf
digunakan dalam
pembelajaran mesin,
terutama dalam pengenalan
pola dan pemodelan data
berstruktur seperti jaringan
sosial, grafik pengetahuan,
dan lainnya.
9. Teori Pembelajaran:
Landasan teori yang
berkaitan dengan
pembelajaran manusia dan
psikologi kognitif dapat
memberikan wawasan
tentang bagaimana
pembelajaran mesin bisa
dioptimalkan untuk
memahami cara manusia
memproses informasi.
Hasil Penelitian 1. Pengenalan Gambar:
Penelitian dalam
pengenalan gambar telah
menghasilkan model
pembelajaran mesin yang
mampu mengidentifikasi
objek dalam gambar
dengan tingkat akurasi
yang tinggi. Misalnya,
model Convolutional
 Neural Networks (CNN)
telah menghasilkan hasil
luar biasa dalam mengenali
objek dalam gambar.
2. Penerjemahan Mesin:
Penelitian di bidang
penerjemahan mesin
menggunakan algoritma
pembelajaran mesin,
seperti algoritma berbasis
rangkaian (sequence-to-
sequence), telah
memungkinkan
pengembangan sistem
penerjemahan otomatis
yang semakin akurat dalam
menerjemahkan teks dari
satu bahasa ke bahasa lain.
3. Analisis Sentimen:
Penelitian di bidang
analisis sentimen telah
menghasilkan model
pembelajaran mesin yang
mampu menganalisis dan
mengklasifikasikan teks
berdasarkan sentimen,
misalnya, untuk
mengidentifikasi apakah
sebuah ulasan adalah
positif, negatif, atau netral.
4. Kendaraan Tanpa
Pengemudi: Penelitian
dalam kendaraan tanpa
pengemudi telah
menghasilkan
 perkembangan yang
signifikan dalam
otomatisasi transportasi.
Mobil otonom dapat
mengenali lingkungan
mereka, mengambil
keputusan, dan
mengemudi tanpa campur
tangan manusia.
5. Pengenalan Suara:
Penelitian dalam
pengenalan suara telah
menghasilkan asisten suara
cerdas seperti Siri, Google
Assistant, dan Alexa yang
mampu memahami dan
merespons perintah suara
manusia.
6. Diagnostik Medis:
Pembelajaran mesin telah
digunakan untuk
mendeteksi penyakit,
misalnya, melalui analisis
gambar medis, pengenalan
pola genetik, dan data
klinis, yang dapat
membantu dalam
diagnosis dini dan
perawatan yang lebih
efektif.
7. Rekomendasi Produk:
Penelitian dalam
rekomendasi produk
menggunakan
pembelajaran mesin untuk
 menganalisis perilaku
pengguna dan memberikan
rekomendasi produk yang
sesuai, seperti yang
dilakukan oleh platform e-
commerce.
8. Pemantauan Anomali:
Pembelajaran mesin
digunakan dalam
pemantauan jaringan
komputer untuk
mendeteksi aktivitas yang
tidak biasa atau potensial
serangan siber.

Kesimpulan Machine Learning atau

Pembelajaran Mesin merupakan
teknik pendekatan dari Artificial
Intelligent ( AI ) yang digunakan
untuk menirukan hingga
menggantikan peran manusia
dalam melakukan aktivitas
hingga memecahkan masalah.
Secara singkat Machine Learning
adalah mesin yang dibuat
supaya dapat belajar dan
melakukan pekerjaan tanpa
arahan dari penggunanya.
Pendekatan pembelajaran mesin
yang diterapkan dalam tinjauan
sistematis bidang penelitian
yang kompleks seperti
peningkatan kualitas dapat
membantu dalam proses
penyaringan judul dan inklusi
abstrak. Pendekatan
pembelajaran mesin menjadi
perhatian khusus mengingat
output pencarian yang terus
meningkat dan aksesibilitas
terhadap bukti yang ada
merupakan tantangan khusus
dalam peningkatan kualitas
bidang penelitian. Peningkatan
persetujuan peninjau
tampaknya dikaitkan dengan
peningkatan kinerja prediktif.