8/19/2019 Tugas 3 Data Mining(Learning Machine)

1/16

Company

 Data Mining 

M. Ispani

Riady

Trisna Hadi

8/19/2019 Tugas 3 Data Mining(Learning Machine)

2/16

Company

DEFINISI MACHINE LEARNING

Machine Learningadalah bagian dariArtifcial Intelligence.Secara Garis besar

tentang bagaimanasebuah mesin“belajar” danmengenali bahasa

manusia. Proses didalamnya melibatkanrumusrumus yangrumit dan juga !rosestrial and error.

8/19/2019 Tugas 3 Data Mining(Learning Machine)

3/16

Company

DEFINISI NEURAL NETWORK 

"eural "et#ork $jaringan Syara% &iruan' adalah

sebuah model matematik yang beru!a kum!ulanunit yang terhubung secara !arallel yangbentuknya menyeru!ai jaringan sara% !ada otakmanusia $neural'

 (aringan syara% tiruansering digunakan jugadalam bidang kecerdasanbuatan. (aringan syara%

tiruan ini adalah salahsatu algoritma ber!ikirnyadari kecerdasan buatan.

8/19/2019 Tugas 3 Data Mining(Learning Machine)

4/16

Company

DEFINISI NEURAL NETWORK 

Menurut seorang ahli jaringansyara% tiruan $"eural "et#ork' bernama )aykin S.

* (aringan syara% tiruan ituse!erti sebuah !rosesor yangda!at menyim!an !engetahuandan !engalaman sehingga

!rosesor ini da!at bekerjamenyeru!ai otak manusia yangda!at berada!atasi denganmasalah*

8/19/2019 Tugas 3 Data Mining(Learning Machine)

5/16

Company

Supervised Learning dan Unsupervised Learning

Supervised learning

Su!er+ised learning adalah teknik !embelajaranmesin dengan membuat suatu %ungsi dari datalatihan. ,ata latihan terdiri dari !asangan nilai in!ut

dan out!ut yang dihara!kan dari in!ut yangbersangkutan. &ugas dari Su!er+ised learningadalah untuk mem!rediksi nilai %ungsi untuk nilaisemua in!ut yang ada.Contoh:

,ata luas rumah $-' dan harga $y'. lalu dimasukkandalam grafk - dan ynya. ,imana setelah itu dibuatregresi antara - dan ynya. Setelah membuatregresi da!at di!astikan kita da!at mem!rediksi

dari hasil regresi harga rumah dengan luastertentu.

8/19/2019 Tugas 3 Data Mining(Learning Machine)

6/16

Company

Supervised Learning dan Unsupervised Learning

Unsupervised Learning

 &eknik ini menggunakan !rosedur yang berusahauntuk mencari !artisi dari sebuah !ola.nsu!er+ised learning mem!elajari bagaimana

sebuah sistem da!at belajar untukmere!resentasikan !ola in!ut dalam cara yangmenggambarkan struktur statistikal darikeseluruhan !ola in!ut. /erbeda dari su!er+ised

learning0 unsu!er+ised learning tidak memilikitarget out!ut yang eks!lisit atau tidak ada!engklasifkasian in!ut.,alam machine learning0 teknik unsu!er+isedsangat !enting. )al ini dikarenakan cara bekerjanyamiri! dengan cara bekerja otak manusia.

8/19/2019 Tugas 3 Data Mining(Learning Machine)

7/16

Company

Mode !er"ep#ion

Perception

Perce!tron !ada (aringan Syara% &iruan $"eural"et#ork' termasuk kedalam salah satu bentuk

 (aringan Syara% $"eural "et#ork' yang sederhana.

Perce!tron biasanya digunakan untukmengklasifkasikan suatu ti!e !ola tertentu yangsering dikenal dengan istilah !emisahan secaralinear.

8/19/2019 Tugas 3 Data Mining(Learning Machine)

8/16

Company

Arsi#e$#ur neura ne#%or$ dengan &ode per"ep#ron

Lapisan – lapisan pada Jaringan Syaraf Tiruan (Neural Network) tersut adala! "

# $ktifitas unit#unit lapisan input %enun&ukkan infor%asi dasar yang ke%udian

digunakan dala% Jaringan Syaraf Tiruan (Neural Network).# $ktifitas setiap unit#unit lapisan terse%unyi ditentukan ole! aktifitas dari

unitunit input dan oot dari koneksi antara unit#unit input dan unit#unit lapisan

terse%unyi

# 'arakteristik dari unit#unit output tergantung dari aktifitas unit#unit lapisan

terse%unyi dan oot antara unit#unit lapisan terse%unyi dan unit#unit output.

8/19/2019 Tugas 3 Data Mining(Learning Machine)

9/16

Company

Fungsi A$#ivasi

Setiap neuron %e%punyai keadaan internal yang diseut leel aktiasiatau leel aktiitas yang %erupakan fungsi input yang diteri%a. Seara

tipikal suatu neuron %engiri%kan aktiitasnya keeerapa neuron lain

seagai sinyal. *ang perlu diper!atikan adala! a!wa neuron !anya dapat

%engiri%kan satu sinyal sesaat+ walaupun sinyal terseut dapat

dipanarkan ke eerapa neuron yang lain.

$da eerapa pili!an fungsi aktiasi yang digunakan dala% %etode

 akpropagation+ seperti fungsi sig%oid iner+ dan sig%oid ipolar.

'arakteristik yang !arus di%iliki fungsi fungsi aktiasi terseut adala!

kontinue+ diferensiael+ dan tidak %enurun seara %onoton. ,ungsi

aktiasi di!arapkan dapat %endekati nilai#nilai %aksi%u% dan %ini%u%

seara aik. -erikut ini adala! fungsi aktiasi yang sering digunakan

yaitu" (uspaningru%+ /001)

8/19/2019 Tugas 3 Data Mining(Learning Machine)

10/16

Company

'enis (enis A$#ivasi

)* Fungsi Sig&oid +iner  ,ungsi ini digunakan untuk &aringan syaraf yang dilati! dengan

%enggunakan %etode akpropagation. ,ungsi sig%oid iner %e%iliki

nilai pada range 0 sa%pai 2. ,ungsi ini sering digunakan untuk &aringan

syaraf yang %e%utu!kan nilai output yang terletak pada interal 0

sa%pai 2.

Ilustrasi fungsi sig%oid iner dengan range (0+2)

8/19/2019 Tugas 3 Data Mining(Learning Machine)

11/16

Company

'enis (enis A$#ivasi

,*Fungsi Sig&oid +ipoar  ,ungsi sig%oid ipolar !a%pir sa%a dengan fungsi sig%oid iner+ !anya

sa&a output dari fungsi ini %e%iliki range antara 2 sa%pai #2.

Ilustrasi fungsi sig%oid ipolar dengan range (#2+2)

8/19/2019 Tugas 3 Data Mining(Learning Machine)

12/16

Company

'enis (enis Agori#&a Neura Ne#%or$ 

'enis-(enis agori#&a neura ne#%or$ .

(2) -akpropagation+ %erupakan suatu algorit%a ela&ar (learning

algorit!%) yang digunakan ole! NN pada %etode superised. Sala! satu

 entuknya adala! delta learning rule.

(/) 3elta learning rule+ %erupakan algorit%a ela&ar (learning algorit!%)

yang digunakan ole! NN pada %etode superised+ di%ana perua!anweig!t diperole! dari !asil perkalian antara input+ error dan learning rate.

(4) ,orwardpropagation+ %erupakan algorit%a di%ana output neuron

!anya dipropagasi pada satu ara! dari input ke output.

(5) He learning rule+ %erupakan algorit%a yang digunakan dengan

superised learning+ k!ususnya pada pereptron+ di%ana perua!an

weig!t diperole! dari perkalian input+ output dan learning rate.

(6) Si%ulated annealing+ %erupakan tipe k!usus dari learning algorit!%+

k!ususnya untuk NN tipe feedak.

8/19/2019 Tugas 3 Data Mining(Learning Machine)

13/16

Company

NEURON

8/19/2019 Tugas 3 Data Mining(Learning Machine)

14/16

Company

NEURON

Lapisan 2 " Lapisan Input

Lapisan input erfungsi seagai peng!uung &aringan ke dunia luar7su%er data. Neuron#neuron ini tidak %elakukan perua!an apapun ter!adap data tapi !anya

%eneruskan data ini ke lapisan erikutnya.

Lapisan / " Lapisan Terse%unyi (!idden layer)

Suatu &aringan dapat %e%iliki lei! dari satu lapisan terse%unyi atau a!kan isa

 &uga tidak %e%ilikinya sa%a sekali. Jika &aringa %e%iliki eerapa lapisan

terse%unyi %aka lapisan terse%unyi terawa! erfungsi untuk %eneri%a

%asukkan dari lapisan input. -esarnya nilai %asukkan (net) neuron ke & pada lapisan

terse%unyi ini tergantung pada aku%ulasi &u%la! perkalian antara nilai oot (8+

kekuatan antara !uungan neuron) dengan nilai keluaran (9). Neuron ke i pada

lapisan seelu%nya (neuron input) dita%a! dengan nilai ias (8+ neuron ke &).

Lapisan 4 " Lapisan 9utput

rinsip ker&a neuron#neuron pada lapisan ini sa%a dengan prinsip ker&a neuron#

neuron pada lapisan terse%unyi dan di sini &uga digunakan fungsi signoid+ tapikeluaran dari neuron pada lapisan ini suda! dianggap seagai !asil dari proses

8/19/2019 Tugas 3 Data Mining(Learning Machine)

15/16

Company

Con#o/ $asus

:onto! kasus yang dapat digunakan dengan %enggunakan progra% Neural Network sala! satunya adala! untuk siste% pendeteksian dini krisis

keuangan indonesia dengan pendekatan %odel feed forward Siste%

 pendeteksian dini %erupakan suatu %odel yang erusa!a untuk

%e%prediksi seara siste%ik ke%ungkinan ter&adinya krisis di suatu

negara. $da anyak pendekatan yang isa digunakan dala% siste%

 pendeteksian dini+ sala! satunya adala! pendekatan neural network.

endekatan neural network elu% egitu luas digunakan dala% kasus

krisis keuangan di Indonesia+ na%un !asil dari penelitian seelu%nya

%enun&ukan akurasi pera%alan seara u%u% lei! aik dari %odel

logit7proit dan %odel sinyal. Neural network %enyi%pan pengeta!uan

 pola ke&adian %asa la%pau %elalui proses pelati!an+ yang ke%udian pengeta!uan terseut digunakan untuk %e%perkirakan ke&adian yang

ter&adi di%asa yang akan datang.

8/19/2019 Tugas 3 Data Mining(Learning Machine)

16/16

Company

Terimakasih

,ata MiningM. Ispani

Riady

Trisna Hadi