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 55283 Telp. : 0274-889836; 0274-889398 Fax. : 0274-889057 E-mail :
[email protected]
Muis, Saludin TEKNIK PEMBELAJARAN MESIN CERDAS/Saludin Muis - Edisi Pertama – Yogyakarta; Graha Ilmu, 2012 x + 360, 1 Jil. : 26 cm. ISBN:
978-979-756-786-6
1. Teknik
I. Judul
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-
DAFTAR ISI
KATA PENGANTAR
v
DAFTAR ISI
vii
PENDAHULUAN BAB 1
BAB 2
ix
TEORI UMUM I
1
1.1 Pembelajaran Terawasi
1
1.2 Teori Keputusan Bayesian
16
1.3 Metode Parametrik dan Tidak Parametrik
29
1.4 Metode Multivariat
47
1.5 Reduksi Dimensional
62
1.6 Pengelompokan
83
1.7 Metode Tidak Parametrik
97
1.8 Pembedaan Linear
111
TEORI UMUM II
139
2.1 Perceptron Lapisan Banyak
139
2.2 Model Lokal
166
2.3 Model Markov
189
DAFTAR PUSTAKA
207
LAMPIRAN
209
Lampiran A : Adaline
211
Lampiran B
: Backpropagation
223
Lampiran C
: Recurrent Cascade-Correlation
237
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
357
: Daftar Simbol
TENTANG PENULIS
359
-oo0oo-
viii
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,
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
TEORI UMUM I
1.1
S
Pembelajaran Terawasi 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 x1 dan ukuran mesin diwakili variabel x2 yang direpresentasikan sebagai, x1 x x 2
1.1
Sedangkan tipe mobil diwaliki dengan variabel r, 1 r 0
1.2
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.
X xt , r t
N t 1
t melambangkan pasangan contoh yang berbeda, tidak ada kaitan dengan waktu.
1.3
