Blog

Algoritma AIS (Artificial Immune System) dengan teknik CLONALG (Clonal Selection Algorithm) adalah salah satu algoritma optimasi yang dapat digunakan untuk pengambilan keputusan. Contoh yang dibahas kali ini adalah mengenai pencarian posisi dengan pengembalian nilai fungsi maksimal. (more…)

Algoritma DNN (Deep Neural Networks) adalah salah satu algoritma berbasis jaringan saraf yang dapat digunakan untuk pengambilan keputusan. Contoh yang dibahas kali ini adalah mengenai penentuan penerimaan pengajuan kredit sepeda motor baru berdasarkan kelompok data yang sudah ada.
Inti perhitungan pada algoritma berbasis jaringan adalah untuk mencari bobot terbaik dari contoh / sampel data yang sudah ada. Karena hasil pada contoh data sudah diketahui, maka nilai bobot akan dihitung berdasarkan nilai hasil yang sudah tersedia, sampai ditemukan nilai bobot terbaik yang paling banyak cocok apabila dihitungkan kembali pada data awal. Kemudian nilai bobot tersebut dapat digunakan untuk menghitung data lain yang tidak diketahui hasilnya. Pada kasus ini, metode yang digunakan untuk mencari bobot terbaik adalah menggunakan metode PSO (Particle Swarm Optimization)
Algoritma ini merupakan pengembangan dari Algoritma JST (Jaringan Saraf Tiruan). Pengertian Deep Neural Networks yang paling umum adalah jaringan saraf tiruan yang memiliki lebih dari 1 lapisan saraf tersembunyi. Menurut teori jurnal penelitian, algoritma ini dapat menyelesaikan beberapa kasus yang tidak bisa diselesaikan dengan algoritma JST. Sebagai alternatif, algoritma ini dapat menggantikan algoritma JST yang menggunakan banyak sekali saraf pada lapisan tersembunyi.

Algoritma RProp (Resilient Back-Propagation) adalah salah satu algoritma berbasis jaringan saraf yang dapat digunakan untuk pengambilan keputusan. Contoh yang dibahas kali ini adalah mengenai penentuan penerimaan pengajuan kredit sepeda motor baru berdasarkan kelompok data yang sudah ada.
Algoritma ini merupakan pengembangan lebih lanjut dari Algoritma Back-Propagation. Algoritma ini memiliki beberapa keuntungan dibandingkan algoritma pendahulunya. Pertama, proses perhitungan yang lebih cepat. Kedua, tidak memerlukan parameter apapun dalam perhitungannya, karena algoritma pendahulunya memerlukan 2 parameter, yaitu rasio pembelajaran, dan momentum. Kerugian algoritma ini ada 1, yaitu implementasinya yang cukup rumit.

Algoritma K-Means++ Clustering adalah salah satu algoritma yang digunakan untuk klasifikasi atau pengelompokan data. Contoh yang dibahas kali ini adalah mengenai penentuan jurusan siswa berdasarkan nilai skor siswa.
Algoritma ini merupakan pengembangan dari Algoritma K-Means Clustering. Perbedaan algoritma ini dengan algoritma sebelumnya, dimana pada algoritma sebelumnya, cara memasukkan data pertama kali ke dalam cluster kosong adalah dengan cara acak. Sedangkan pada algoritma ini, memasukkan data pada setiap cluster menggunakan perhitungan jarak tertentu, sehingga tidak lagi dengan sistem acak. Sisa perhitungannya sama seperti algoritma pendahulunya.

Pengenalan Pola adalah cabang kecerdasan yang menitik-beratkan pada metode pengklasifikasian objek ke dalam kelas – kelas tertentu untuk menyelesaikan masalah tertentu. Contoh yang dibahas kali ini adalah mengenai penentuan pola angka baru berdasarkan pola angka sebelumnya.
Pada Algoritma Perceptron sebelumnya telah dibahas mengenai prediksi nilai hasil data baru berdasarkan data-data yang sudah ada sebelumnya. Pada kali ini algoritma tersebut akan digunakan dalam pemecahan masalah mengenai pengenalan pola sederhana.

Algoritma Perceptron adalah salah satu algoritma berbasis jaringan saraf yang dapat digunakan untuk pengambilan keputusan. Contoh yang dibahas kali ini adalah mengenai penentuan penerimaan pengajuan kredit sepeda motor baru berdasarkan kelompok data yang sudah ada.
Algoritma ini merupakan algoritma pendahulu dari Algoritma JST (Jaringan Saraf Tiruan). Algoritma JST dapat dikatakan sebagai kumpulan dari beberapa Perceptron yang saling terhubung. Sehingga dengan memahami algoritma ini, Anda akan memiliki pengetahuan dasar mengenai jaringan saraf tiruan yang sederhana, sehingga memudahkan untuk mempelajari jaringan saraf tiruan yang sebenarnya.

Algoritma Entropy Minimization Clustering adalah salah satu algoritma yang digunakan untuk klasifikasi atau pengelompokan data. Contoh yang dibahas kali ini adalah mengenai penentuan penerimaan pengajuan kredit sepeda motor.
Algoritma ini memiliki kemiripan dengan Algoritma Category Utility Clustering. Pada algoritma tersebut, cluster terbaik diukur dengan nilai CU (Category Utility), semakin tinggi nilai CU, maka semakin baik pengelompokan data yang dilakukan. Sedangkan pada algoritma ini, cluster terbaik diukur dengan nilai Entropy, semakin rendah nilai Entropy, maka semakin baik pengelompokan data yang dilakukan.

Algoritma JST (Jaringan Saraf Tiruan) dengan teknik EO (Evolutionary Optimization) adalah salah satu algoritma berbasis jaringan saraf yang dapat digunakan untuk pengambilan keputusan. Contoh yang dibahas kali ini adalah mengenai penentuan penerimaan pengajuan kredit sepeda motor baru berdasarkan kelompok data yang sudah ada.
Inti perhitungan pada algoritma berbasis jaringan adalah untuk mencari bobot terbaik dari contoh / sampel data yang sudah ada. Karena hasil pada contoh data sudah diketahui, maka nilai bobot akan dihitung berdasarkan nilai hasil yang sudah tersedia, sampai ditemukan nilai bobot terbaik yang paling banyak cocok apabila dihitungkan kembali pada data awal. Kemudian nilai bobot tersebut dapat digunakan untuk menghitung data lain yang tidak diketahui hasilnya.
Proses pencarian nilai bobot pada algoritma berbasis jaringan ada beberapa macam, tetapi ada 3 algoritma yang paling umum digunakan, yaitu:
1. Algoritma PSO (Particle Swarm Optimization), dengan contoh penerapannya dapat dilihat pada Algoritma JST (Jaringan Saraf Tiruan)
2. Algoritma Gradient Descent, dengan contoh penerapannya dapat dilihat pada Algoritma Back-Propagation
3. Algoritma EO (Evolutionary Optimization), dengan contoh penerapannya akan dibahas pada halaman ini

Algoritma Back-Propagation adalah salah satu algoritma berbasis jaringan saraf yang dapat digunakan untuk pengambilan keputusan. Contoh yang dibahas kali ini adalah mengenai penentuan penerimaan pengajuan kredit sepeda motor baru berdasarkan kelompok data yang sudah ada.
Secara singkat, struktur utama algoritma ini adalah Algoritma JST (Jaringan Saraf Tiruan). Pada contoh yang sebelumnya, teknik pencarian matriks bobot dilakukan dengan metode PSO (Particle Swarm Optimization), sedangkan pada contoh yang dibahas kali ini, teknik yang digunakan adalah teknik Gradient Descent. Sehingga Algoritma Back-Propagation adalah penggabungan antara 2 metode tersebut.

Algoritma EO (Evolutionary Optimization) adalah salah satu algoritma optimasi yang dapat digunakan untuk pengambilan keputusan. Contoh yang dibahas kali ini adalah mengenai pencarian posisi dengan pengembalian nilai fungsi minimal.
Evolutionary Optimization adalah algoritma yang menggunakan mekanisme seleksi biologi, seperti seleksi, reproduksi, rekombinasi dan mutasi. Calon solusi permasalahan diibaratkan sebagai individu dalam sebuah populasi, dan nilai fitness akan menentukan seberapa baik individu tersebut dapat bertahan.
Algoritma ini merupakan salah satu variasi dari Algoritma GA (Genetic Algorithm) / Genetika Algoritma, oleh karena itu memiliki struktur yang sama seperti perhitungan fitness, crossover dan mutasi. Implementasi algoritma ini dapat pula diterapkan untuk pencarian matriks bobot dalam algoritma berbasis jaringan.