METODE PENELITIAN AKUNTANSI. Tugas Tugas Telaah Tugas Riset.
Tugas 3 Data Mining(Learning Machine)
Transcript of Tugas 3 Data Mining(Learning Machine)
-
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 åan 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 åan
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 åan 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 åan dapat %e%iliki lei! dari satu lapisan terse%unyi atau a!kan isa
&uga tidak %e%ilikinya sa%a sekali. Jika åa %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