MODEL DAN PREDIKSI DATA
Jawablah pertanyaan berikut dengan benar!
1. Jelaskan perbedaan unsupervised dan supervised learning
Unsupervised learning adalah suatu teknik yang digunakan machine learning dalam pembuatan artificial intelligence. Dalam pendekatan ini, Anda tidak perlu melatih algoritma komputer untuk mengenali pola penyusun AI. Model dirancang untuk bisa “belajar mandiri” dalam mengumpulkan informasi, termasuk mengenali data yang tidak berlabel. Disebut “unsupervised” karena model pada pendekatan ini tidak perlu dilatih.
Supervised learning adalah suatu pendekatan dalam pembuatan AI. Disebut “supervised” karena dalam pendekatan ini, machine learning dilatih untuk mengenali pola antara input data dan label output.
Berikut adalah beberapa poin yang membedakan supervised dan unsupervised learning:
1. KEGUNAAN
Jika dilihat dari kegunaannya, kedua pendekatan ini sangat berbeda. Supervised learning akan membantu Anda untuk mengumpulkan atau memproduksi output data dari pengalaman yang sudah pernah terjadi.
Sementara itu, unsupervised learning lebih sering digunakan untuk menemukan seluruh pola yang tidak dikenal dalam data. Contoh penerapan yang sudah sering digunakan dalam kehidupan sehari-hari adalah prediksi waktu pada peta digital.
2. PROSES KERJA
Pada model supervised learning, Anda akan mendapatkan variabel data input dan output. Namun, hal ini tidak terjadi pada unsupervised learning. Pada pendekatan tersebut, Anda hanya akan mendapatkan data input. Ini karena supervised learning memungkinkan Anda untuk mengumpulkan atau memproduksi output data yang didapat dari pengalaman sebelumnya. Sementara itu, unsupervised learning tidak dirancang untuk “belajar” dari pengalaman sebelumnya sehingga tidak menghasilkan output data.
3. PROSES BELAJAR
Pada supervised learning, algoritma komputer melakukan pembelajaran secara offline sebelum menghadapi data. Artinya, komputer “dibekali” sejumlah materi tertentu agar nanti dapat mengenali data dengan mudah.
Hal ini tidak terjadi pada unsupervised learning. Pada pendekatan ini, algoritma komputer mempelajari data secara real-time. Itu artinya, ketika komputer berhadapan dengan data, pada saat itu juga, komputer belajar mengenali data.
KESIMPULAN
Baik supervised maupun unsupervised learning adalah pendekatan yang dilakukan algoritma komputer dalam mengenali pola pada data. Supervised mengenali data dari label khusus yang telah diberikan sebelumnya, sedangkan unsupervised mengenali data secara real-time begitu data disajikan. Sumber
2. Jelaskan perbedaan model data berdasarkan objek dan model data berdasarkan record.
1. Entity Relationship Model
Model untuk menjelaskan hubungan antar data dalam basis data berdasarkan suatu persepsi bahwa real word terdiri dari objek-object dasar yang mempunyai hubungan atau relasi antara objec-objec tersebut E-R MODEL berisi ketentuan /aturan khusus yang harus dipenuhi oleh isi database.
Hampir sama dengan Entity Relationship model dimana relasi antara objek dasar tidak dinyatakan dengan simbol tetapi menggunakan kata-kata (Semantic). Sedangkan model ini berdasarkan pada record untuk menjelaskan kepada user tentang hubungan logic antar data dalam basis data. Berbeda dengan Object Based Data Model (Model Data Berbasis Object), Model Data ini digunakan untuk menguraikan struktur logika keseluruhan dari suatu database, juga digunakan untuk menguraikan implementasi dari sistem database (higher level description of implementation).
Model Data Berbasis Record
Model ini berdasarkan pada record untuk menjelaskan kepada user tentang hubungan logic antar data dalam basis data. Berbeda dengan Object Based Data Model (Model Data Berbasis Object), Model Data ini digunakan untuk menguraikan struktur logika keseluruhan dari suatu database, juga digunakan untuk menguraikan implementasi dari sistem database (higher level
description of implementation)
Terdapat 3 jenis Model Data pada Model Data Berbasis Record, yaitu :
1. Model Relational
Di mana data serta hubungan antar data direpresentasikan oleh sejumlah tabel dan masing-masing tabel terdiri dari beberapa kolom yang namanya unique.
Contoh Model Data Relational
2. Model Hirarki
Di mana data serta hubungan antar data direpresentasikan dengan record dan link (pointer), dimana record-record tersebut disusun dalam bentuk tree (pohon), dan masing-masing node pada tree tersebut merupakan record/grup data elemen dan memiliki hubungan cardinalitas 1:1 dan 1:M
Contoh Model Hirarki
3. Model Jaringan
Distandarisasi tahun 1971 oleh Database Task Group (DBTG) atau disebut juga model CODASYL (Conference on Data System Language), mirip dengan hirarkical model dimana data dan hubungan antar data direpresentasikan dengan record dan links. Perbedaannya terletak pada susunan record dan linknya yaitu network model menyusun record-record dalam bentuk graph dan menyatakan hubungan cardinalitas 1:1, 1:M dan N:M
Contoh Model Jaringan
3. Apakah yang dimaksud dengan estimasi dan berikan contohnya.
Istilah estimasi adalah bermakna perkiraan, penilaian, dan pendapat. Dalam Kamus Besar Bahasa Indonesia (KBBI), estimasi adalah dalam praktiknya berhubungan dengan suatu proyek. Misalnya untuk memperhitungkan biaya yang dibutuhkan untuk bisa mencapai tujuan yang sudah diproyeksikan. Sumber
Contoh estimasi anggaran
Membangun sebuah ruko membutuhkan banyak biaya, estimasi anggaran yang dibutuhkan adalah 400-500 juta. Anggaran yang dikeluarkan bisa saja melebihi dari estimasi atau perkiraan yang telah ditentukan karena berbagai faktor, seperti biaya material yang tiba-tiba naik di tengah pembangunan ruko tersebut. Sumber
4. Apakah yang dimaksud dengan klasisifkasi dan berikan contohnya.
Arti klasifikasi sendiri merupakan kata serapan dari bahasa Belanda, yaitu ‘Classificatie’. Kemudian, kata ‘Classificatie’ tersebut berasal dari bahasa Prancis, yakni ‘Classification’ yang memiliki arti ‘klasifikasi’ atau ‘pengelompokkan’. Secara harfiah, klasifikasi adalah pembagian sesuatu menurut kelas-kelasnya. Lebih lanjut, menurut Ilmu Pengetahuan klasifikasi umum adalah proses mengelompokkan suatu hal berdasarkan ciri-ciri persamaan dan perbedaannya.
Mengutip dari buku Biologi untuk SMA oleh Ari Sulistyorini, setiap makhluk hidup memiliki keanekaragaman bentuk, ukuran, warna, tempat hidup, tingkah laku, dan ciri-ciri lainnya.
2. Klasifikasi Pustaka
Mengutip dari jurnal Klasifikasi Bahan Pustaka oleh Gatot Subrata, pengertian klasifikasi dalam bidang perpustakaan adalah penyusunan sistematis terhadap buku, katalog, dan bahan pustaka lain sesuai jenis subjeknya. Sumber
5. Apakah yang duimaksud dengan clustering dan berikan contohnya.
Clustering adalah metode pengelompokan data yang sering digunakan sebagai salah satu metode data mining atau penggalian data. Clustering adalah proses partisi satu set objek data ke dalam himpunan bagian yang disebut dengan cluster. Oleh karena itu, metode clustering ini sangat berguna untuk menemukan kelompok yang tidak dikenal dalam data. Sumber
Beberapa contoh penggunaan clustering dalam kehidupan sehari-hari antara lain klasterisasi jenis-jenis penyakit, klasterisasi pendapatan dan pengeluaran per kapita penduduk, dan lain sebagainya.
Komentar
Posting Komentar