Materi Pembelajatan Informatika Kelas XI SMA/MA
Prediksi Data
Prediksi = estimasi =
perkiraan = ramalan. Prediksi data adalah hasil dari kegiatan estimasi
atau meramalkan atau memperkirakan nilai pada masa yang akan datang berdasarkan
periode data tertentu. Prediksi data biasa digunakan dalam perencenaan suatu
kegiatan suatu perusahaan, institusi, dan lembaga. Misalnya: perusahan
menetapkan produksi berdasarkan prediksi data.
Machine Learning
Machine
Learning merupakan salah satu cabang dari disiplin ilmu Kecerdasan Buatan
(Artificial Intellegence) yang membahas mengenai pembangunan sistem yang
berdasarkan pada data.
Cara Kerja Machine Learning
Jenis-Jenis Machine Learning
Untuk menjamin hasil
prediksi data yang akuran, maka dibutuhkan metode pembelajaran dan algoritma
pembelajaran yang tepat dalam kegiatan prediksi data.
Metode Pembelajaran
dapat dilakukan dengan:
1. Supervied Learning (Pembelajaran
Terarah), menggunakan label dalam mempelajari dan menghasilkan pengetahuan.
2. Unsupervised Learning (pembelajaran tidak Terarah), tidak menggunakan label dalam mempelajari dan menghasilkan pengetahuan.
Supervised Learning
a. Estimasi: pembalajaran pada data
dilakukan menggunakan fitur dan label
b. Prediksi: metode yang menggunakan
label dan fiturnya untuk dipelajari dan menggunakan tipe data numerik yang
berbasis pada waktu (time series)
c. Klasifikasi: metode yang membutuhkan
label yang kategorial dan ordinal dalam proses pembelajaran.
d. Asosiasi: metode untuk menemukan
atribut yang muncul dalam satu waktu. Salah satu implementasi dari asosiasi
adalah analisis keranjang belanja (market basket analysis).
Unsupervised Learning
Clustering atau pengklasteran : merupakan pengelompokan record, pengamatan, atau memperhatikan dan membentuk kelas obyek-obyek yang memiliki kemiripan.
Klaster adalah
kumpulan record yang memiliki kemiripan satu dengan yang lainnya dan memiliki
ketidakmiripan record dalam klaster yang lain.
Untuk lebih jelasnya
tentang prediksi data, silahkan tonton video pembelajaran berikut ini.
0 komentar:
Posting Komentar
Dengan segala kerendahan hati menerima saran dan kritik yang bersifat membangun, silahkan berikan saran dan kritik Anda pada kolom komentar