知識

Nama : Lintang Ceissar Senja Chatulistiwa / 17170091 Kelas : TI - 17.5A.33 / ARS University Model Linear Salah satu bentuk utility function untuk model matematis bernama error function. Error function paling mudah dijelaskan dalam permasalahan regresi. Diberikan (x,y) ∈R sebagai random variable. Salah satu cara menghitung error fungsi g(x) adalah menggunakan squared error function dengan bentuk konseptual. Nilai squared error dapat menjadi tolak ukur untuk membandingkan kinerja suatu learning machine (model). Secara umum, bila nilainya tinggi, maka kinerja dianggap relatif buruk; sebaliknya bila rendah, kinerja dianggap relatif baik. Binary classification adalah mengklasifikasikan data menjadi dua kelas (binary). Seperti halnya fungsi regresi, kita dapat menghitung performa binary classifier sederhana ini menggunakan squared error function (umumnya menggunakan akurasi), dimana nilai target fungsi berada pada range [-1,1]. Secara sederhana model binary classifier mencari deci

Nama : Lintang Ceissar Senja Chatulistiwa / 17170091 Kelas : TI - 17.5A.33 / ARS University Algoritma Soal :  Buatlah algoritma menggunakan flowchart / activity diagram, algoritma vanding machine (mesin penjual otomatis) Buatlah algoritma menggunakan flowchart / activity diagram, algoritma pemesanan di restoran (berbasis informasi)  Buatlah algoritma menggunakan flowchart / activity diagram, algoritma ATM (minimal 3 transaksi : tarik tunai, cek saldo, Transfer) Jawaban : Algoritma adalah suatu urutan dari beberapa langkah logis dan sistematis yang digunakan untuk menyelesaikan masalah tertentu. Algoritma dapat di gambarkan menggunakan flowchart / activity diagram. Flowchart adalah suatu bagan dengan simbol - simbol tertentu yang menggambarkan urutan proses secara mendetail dan hubungan antara suatu proses (interuksi) dengan proses lainnya dalam program.  Activity Diagram adalah pemodelan yang dilakukan pada suatu sistem dan menggambarkan aktivitas sistem berjalan.

Nama : Lintang Ceissar Senja Chatulistiwa / 17170091 Kelas : TI - 17.5A.33 / ARS University Algoritma Dasar Beberapa contoh algoritma yang lebih mudah dan tergolong algoritma non parametric yaitu ; -           Naïve Bayes Algoritma supervised learning yang sangat sederhana idenya mirip dengan probabilitas. Secara formal persamaan naive bayes untuk klarifikasi dimana ci adalah suatu nilai kelas, C adalah kelas, T adalah fitur, F adalah banyak fitur dan memprediksikan kelas berdasarkan probabilitas kemunculan nilau fitur kelas tersebut.    Proses klasifikasi untuk data baru sama seperti prose klasifikasi untuk testing data, yaitu untuk menebak kelas data. Perhatikan! Jika kamu berpikir dengan menggunakan likelihood untuk mengklasifikasi karena probabilitas ini cukup berbahaya apabila likelihood untuk masing-masing kelas memiliki jarak yang cukup dekat. Sebagai contoh : Menghitung probabilitas apabila likelihood = (0.7, 0.6) sehingga probabilitas kelas menjadi = (0.538, 0.461

Nama : Lintang Ceissar Senja Chatulistiwa - 17170091 Kelas : 17.5A.33 / ARS University Machine Learning  Jelaskan yang dimaksud dengan data analisis sesuai yang anda ketahui  Analisis data adalah pengolahan data menjadi informasi baru agar karakteristik data tersebut lebih mudah dipahami dan berguna untuk solusi suatu permasalahan yang berhubungan dengan penelitian.  Apa yang dimaksud dengan data mining  Data Mining   adalah  Serangkaian proses untuk menggali nilai tambah berupa informasi yang selama ini tidak diketahui secara manual dari suatu basisdata dengan melakukan penggalian pola-pola dari data dengan tujuan untuk memanipulasi data menjadi informasi yang lebih berharga yang diperoleh dengan cara mengekstraksi dan mengenali pola yang penting atau menarik dari data yang terdapat dalam basisdata. B iasa juga dikenal nama lain seperti : Knowledge discovery (mining) in databases (KDD), ekstraksi pengetahuan (knowledge extraction) Analisa data/pola dan kecerdasa