TEKNIK PEMBELAJARAN MESIN CERDAS

Transkripsi

1

2

3

4 TEKNIK PEMBELAJARAN MESIN CERDAS Oleh : Saludin Muis Edisi Pertama Cetakan Pertama, 2012 Hak Cipta 2012pada penulis, Hak Cipta dilindungi undang-undang. Dilarang memperbanyak atau memindahkan sebagian atau seluruh isi buku ini dalam bentuk apa pun, secara elektronis maupun mekanis, termasuk memfotokopi, merekam, atau dengan teknik perekaman lainnya, tanpa izin tertulis dari penerbit. Ruko Jambusari No. 7A Yogyakarta Telp. : ; Fax. : info@grahailmu.co.id Muis, Saludin TEKNIK PEMBELAJARAN MESIN CERDAS/Saludin Muis - Edisi Pertama Yogyakarta; Graha Ilmu, 2012 x + 360, 1 Jil. : 26 cm. ISBN: Teknik I. Judul

5 KATA PENGANTAR Menyelesaikan penulisan buku ini merupakan satu kebahagiaan tersendiri di mana penulis dapat berbagi pengetahuan dengan pembaca terutama adik-adik yang masih mengecap pendidikan tinggi di bangku sekolah. Semoga sajian buku ini (memuat hampir semua aspek teori yang mendasari mesin pembelajaran) yang merupakan kelanjutan dari buku sejenis karangan penulis yang telah diterbitkan sebelumnya bermanfaat bagi pembaca. Pembaca yang tertarik pada teknik pembelajaran mesin-mesin cerdas dapat memperdalam pengetahuan tersebut dari sumber bacaan lain maupun buku-buku pada daftar referensi. Penulis mengucapkan terima kasih kepada Ibu Maria Dwi K, Ibu Rajani Tjandra, Ibu Mili, Ibu Salmah, Ibu Lia, Tuhi, Salman, Tasip, Toha, Jason.Wu (Xiamen) yang mengilhami tekad penulis untuk menyelesaikan buku ini pada waktunya, dan kepada Albert Ray J, Alexander Rex J, Vivi, Bryant Willy, Whitney, Andrew, Calista, Lisa yang senantiasa membangkitkan semangat penulis untuk terus menulis sampai buku ini benar-benar hadir di hadapan pembaca budiman. -oo0oo-

6 DAFTAR ISI KATA PENGANTAR v DAFTAR ISI vii PENDAHULUAN ix BAB 1 TEORI UMUM I Pembelajaran Terawasi Teori Keputusan Bayesian Metode Parametrik dan Tidak Parametrik Metode Multivariat Reduksi Dimensional Pengelompokan Metode Tidak Parametrik Pembedaan Linear 111 BAB 2 TEORI UMUM II Perceptron Lapisan Banyak Model Lokal Model Markov 189 DAFTAR PUSTAKA 207 LAMPIRAN 209 Lampiran A : Adaline 211 Lampiran B : Backpropagation 223 Lampiran C : Recurrent Cascade-Correlation 237

7 viii Teknik Pembelajaran Mesin Cerdas Lampiran D : Jaringan Linear 305 Lampiran E : Bidirectional Associative memory 311 Lampiran F : Counterpropagation 319 Lampiran G : The Seflt-Organization Map 335 Lampiran H : Adaptive Resonance Theory 349 Lampiran I : Daftar Simbol 357 TENTANG PENULIS 359 -oo0oo- viii

8 PENDAHULUAN Buku ini masih merupakan kelanjutan dari buku pengantar prinsip dasar cara kerja robot yang telah diterbitkan sebelumnya di mana pengarang mencoba membekali kecerdasan tiruan yang berkaitan dengan mesin atau robot. Kecerdasan tiruan yang terdapat pada sebuah mesin diperoleh dari hasil pelatihan atau pembelajaran melalui seperangkat data masukan, dan hasilnya dipergunakan oleh mesin untuk melakukan prediksi terhadap kondisi berikutnya atau ke depan. Buku ini memuat sebagian besar metode dasar yang pada umumnya dipergunakan untuk membangun mesin cerdas melalui asumsi-asumsi dan teknik matematis tertentu. Dari segi penyajian, pengarang mencoba menyajikannya secara komprehensif dan mudah dipahami. Bagi pembaca yang ingin memperdalam teknik-teknik yang disajikan, dapat mengacu kepada daftar buku-buku dalam lampiran perpustakaan. Secara garis besar, buku ini membagi metode pembelajaran dalam 2 kelompok besar agar memudahkan pembaca dalam menggunakan buku ini, di mana kelompok pertama atau bab 1, yang lebih menekankan pembahasan teoritis, antara lain : Pembelajaran Terawasi, Teori Keputusan Bayesian, Metode Parametrik dan Tidak Parametrik, Metode Multivariat, Reduksi Dimensional, Pengelompokan, Metode Tidak Parametrik, Pembedaan Linear, sedangkan pada kelompok kedua atau bab 2, lebih menekankan aplikasi atau segi praktisnya, antara lain : Perceptron Layer Banyak, Model Lokal, Model Markov. Bagi pembaca yang tertarik pada segi praktis dapat melewati bagian pertama dan hanya membaca bagian ke dua, di samping itu pembaca juga dapat memperdalam dengan menggunakan buku jaringan syaraf tiruan karangan penulis yang sudah lama diterbitkan. Di samping itu pada bagian lampiran,

9 x Teknik Pembelajaran Mesin Cerdas penulis melengkapi buku ini dengan contoh-contoh program yang ditulis dengan bahasa C standar, antara lain: Adaline, Backpropagation, ecurrent Cascade-Correlation, Jaringan Linear, Bidirectional Associative memory, Counterpropagation, The Seflt-Organization Map, Adaptive Resonance Theory. Pembaca dapat dengan mudah mengubah contoh-contoh tersebut ke bahasa C++ yang lebih maju. -oo0oo- x

10 TEORI UMUM I 1.1 Pembelajaran Terawasi S alah satu pembelajaran terawasi adalah pengelompokan objek berdasarkan ciri-ciri tertentu, misalnya pengelompokan tipe mobil berdasarkan harga dan ukuran mesin, di mana harga diwakili variabel x 1 dan ukuran mesin diwakili variabel x 2 yang direpresentasikan sebagai, x1 x 1.1 x2 Sedangkan tipe mobil diwaliki dengan variabel r, 1 r Misalnya mobil dengan tanda plus adalah 1, sebaliknya tanda minus diberi kode 0. tiap mobil selanjutnya diwakili dua variabel yaitu (x, r) dan pembelajaran diberikan sebanyak N himpunan pasangan variabel. t t X x, r N t t melambangkan pasangan contoh yang berbeda, tidak ada kaitan dengan waktu.