Semi-Supervised Learning
1.Olgraciella Elizabeth Manitik (22210020)
2.Grayzer Schwartz Langkay (22210119)
3.Glenn Tyovanny Jeremy Karu (22210127)
4.Dea Karlina Pali (22210098)
5.Sydney Tesalonika Natalia Minggu (22210029)
6.Josua Lengkong (22210154)
1.Pengertian Semi-Supervised Learning
Semi-Supervised Learning adalah jenis Machine Learning yang melibatkan sejumlah kecil
contoh-contoh data yang memiliki label dan sejumlah besar contoh-contoh data tanpa label.
Salah satu parameter algoritma Semi-Supervised Learning berjalan dengan baik adalah algoritma
tersebut dapat memprediksi dengan baik data-data tanpa label yang akan diolah oleh algoritma
tersebut, dengan kata lain data-data tanpa label tersebut akan diberi label secara mandiri oleh
algoritma Semi-Supervised Learning.
Tujuan utama dari Semi-Supervised Learning untuk menggunakan informasi yang terkandung
dalam data yang tidak berlabel untuk meningkatkan kinerja model dalam memprediksi label pada
data yang berlabel.
3.Kesimpulan
Dalam praktiknya, semi-supervised learning sering digunakan ketika memperoleh label data menjadi sulit
atau mahal, sementara data tidak berlabel lebih mudah didapat atau melimpah.jadi keberadaan semi-
supervised learning sangatlah penting untuk pemrograman data, terlebih untuk data dalam jumlah sangat
besar, tentunya tanpa harus memakan waktu yang lama. Dengan begitu, semi-supervised learning dapat
mempercepat pemrosesan data serta meminimalisir kesalahan.