NAMA : SAPARUDIN

NPM : 065120148
KELAS : 7 ILKOM

1. Definisi Machine Learning:

Machine Learning adalah cabang dari kecerdasan buatan (AI) yang berfokus pada
pembangunan sistem yang dapat belajar dari dan membuat keputusan atau prediksi
berdasarkan data. Ini melibatkan algoritma dan model statistik yang memungkinkan
komputer untuk melakukan tugas-tugas tertentu tanpa instruksi eksplisit, bergantung pada
pola dan inferensi.

2. Perbedaan Supervised dan Unsupervised Learning dalam Machine Learning:

Supervised Learning: Dalam pembelajaran terawasi, model dilatih menggunakan dataset yang
berlabel. Ini berarti bahwa setiap contoh dalam dataset pelatihan sudah memiliki jawaban
atau label yang diketahui. Tujuannya adalah untuk membuat model yang dapat membuat
prediksi berdasarkan contoh baru setelah belajar dari dataset pelatihan. Contohnya termasuk
klasifikasi dan regresi.
Unsupervised Learning: Dalam pembelajaran tidak terawasi, model dilatih menggunakan data
yang tidak berlabel. Tujuannya adalah untuk mengeksplorasi struktur atau pola yang
tersembunyi dalam data tersebut. Ini sering digunakan untuk analisis klaster atau reduksi
dimensi. Model mencoba membuat inferensi sendiri dari dataset tanpa referensi ke label.
3. 5 Contoh Penerapan Machine Learning:

• Pengenalan Suara: Penggunaan dalam asisten virtual seperti Siri atau Google
Assistant.
• Rekomendasi Produk: Sistem rekomendasi di situs web e-commerce seperti Amazon.
• Deteksi Penipuan: Mengidentifikasi transaksi mencurigakan dalam perbankan.
• Diagnostik Kesehatan: Menganalisis hasil tes medis untuk membantu dalam
diagnosis.
• Kendaraan Otonom: Mobil yang mengemudi sendiri dengan menggunakan algoritma
untuk menginterpretasikan data sensor.

4. Perbedaan Clustering dan Klasifikasi dalam Machine Learning:

Klasifikasi: Merupakan proses mengkategorikan data ke dalam kelas atau kategori

yang telah ditentukan. Ini adalah contoh dari supervised learning di mana model
dilatih dengan data yang berlabel.
Clustering: Adalah teknik untuk mengelompokkan data yang serupa berdasarkan
karakteristik atau fitur tertentu. Ini adalah contoh dari unsupervised learning di mana
 tidak ada label yang diberikan, dan model mencoba menemukan pola atau kelompok
dalam data.
5. Mengapa Machine Learning Masuk ke dalam Kecerdasan Buatan:
Machine Learning adalah komponen kunci dari AI karena menyediakan metode bagi mesin
untuk belajar dari pengalaman, menyesuaikan dengan input baru, dan melakukan tugas
manusia seperti yang diperintahkan. Dengan kemampuan untuk belajar dan membuat
keputusan dari data, machine learning memungkinkan pembuatan sistem AI yang lebih
canggih dan adaptif.

6. Mengenai Random Forest dalam Machine Learning:

Random Forest adalah algoritma machine learning yang digunakan untuk klasifikasi, regresi,
dan tugas-tugas lainnya. Ini bekerja dengan membangun sejumlah besar pohon keputusan
pada waktu pelatihan dan mengeluarkan kelas yang merupakan modus kelas (klasifikasi) atau
prediksi rata-rata (regresi) dari pohon-pohon individu. Random forests adalah contoh dari
metode pembelajaran ensemble, yang berarti bahwa ia menggabungkan prediksi dari
beberapa model pembelajaran mesin untuk membuat prediksi yang lebih akurat daripada
model tunggal. Ini terutama berguna untuk mengurangi overfitting dalam model
pembelajaran.