TENTANG LOGIC DAN LEARNING METHOD ( PERTEMUAN 6 ) SISTEM BASIS DATA

 Nama : Elisa Aryanti Puspita Putri
Nim : 12200108
Kelas : 12.4b.05
Matkul : Sistem basis data 

A. Logika dan Learning Method

1. Logika dalam AI

Logika dalam AI digunakan sebagai suatu cara untuk menyampaikan fakta. Penyajian logika secara formal diperlukan karena akan menjadi suatu cara yang sangat disarankan untuk menurunkan/menjabarkan pengetahuan baru. Dengan logika formal kita dapat menyimpulkan bahwa suatu pernyataan baru adalah benar dengan membuktikan bahwa pernyataan itu diturunkan dari pernyataan-pernyataan lain yang sudah diketahui kebenarannya. Contoh : Jika : Matahari terbit dari Timur (benar) Maka : Tidak mungkin matahari terbit dari Barat (benar)

2. Sejarah Logika

Ahli logika pertama yang dikenal : Aristotle ( BC), filsuf dan ahli ilmu alam Yunani. Aristotle telah mengembangkan banyak teori yang dikenal dengan syllogistic atau classical logic. Syllogistic pada dasarnya bertransaksi dengan penurunan kebenaran (atau yang bersifat salah) dari argumen seorang filsuf.

Symbolic logic dimulai dengan G.W. Leibniz ( ), tetapi dilupakan setelah ia meninggal, kemudian seluruh hal-hal tersebut dicakup kembali oleh : George Boole ( ) dan logikanya dikenal dengan Boolean Logic. Symbolic Logic berinteraksi dengan konsep abstraksi ke dalam simbol-simbol dan interkoneksi simbol-simbol oleh operator tertentu

3. Suatu proposisi

 (proposition) adalah suatu pernyataan (statement) yang memiliki nilai kebenaran “benar” (true, T) atau “salah” (false, F) tetapi tidak keduanya bersama-sama pada saat dinyatakannya.Propotional logic digunakan sebagai cara menyajikan pengetahuan singkat/sederhana yang diperlukan dlm AI. Dengan propotional logic kita akan dengan mudah menyajikan fakta dunia

4.  Machine Learning
 adalah cabang dari ilmu Data Science yang kian populer seiring berkembangnya teknologi. Artificial Intelligence (AI) atau kecerdasan buatan merupakan bidang ilmu komputer yang menekankan penciptaan mesin cerdas yang bekerja dan bereaksi seperti manusia. Saat kita membahas tentang Artificial Intelligence dan Data Science, makan kurang lengkap jika tidak membahas Machine Learning di dalamnya.

5. Algoritma machine learning 
adalah algoritma yang digunakan dalam proses machine learning, di mana sistem melakukan pembelajaran berdasarkan data.

Algoritma machine learning diterapkan dalam membuat model, berdasarkan kumpulan data.  Semakin banyak data, algoritma akan menyesuaikan diri agar model dapat bekerja lebih baik.

Berikut 3 jenis atau macam-macam kelompok algoritma machine learning:

• Supervised learning atau pembelajaran yang diawasi adalah metode pembelajaran  (machine learning) yang ditentukan berdasarkan penggunaan kumpulan data  berlabel. pada dataset ini terdapat “label”, yaitu kolom yang menjadi target keluaran model.
  
  Dalam pembelajaran terawasi, model dilatih menggunakan satu set data training dan dilatih dengan pengawasan (supervise) untuk mengklasifikasikan atau memprediksi output berdasarkan
• Unsupervised learning merupakan metode pembelajaran dengan menggunakan algoritme machine learning untuk menganalisis dan mengelompokkan kumpulan data yang tidak berlabel (unlabelled data). Algoritme ini menemukan pola tersembunyi dalam data tanpa perlu campur tangan manusia, sehingga disebut dengan unsupervised (tanpa pengawasan).Unsupervised learning digunakan untuk melakukan:clustering,asosiasi,dimensionality reduction
• Reinforcement learning adalah model machine learning yang mirip dengan supervised learning, tetapi algoritme tidak dilatih menggunakan data sampel atau data training.Pada reinforcement learning, model ini belajar sambil berjalan dengan menggunakan trial and error.

Setelah memahami jenis-jenis algoritma machine learning, berikutnya akan dijelaskan beberapa algoritma yang populer atau yang paling sering digunakan.

• #1 Linear regression

  Regresi linier atau linear regression merupakan jenis algoritma supervised learning yang digunakan untuk mengidentifikasi hubungan antara variabel dependen/terikat dan satu atau lebih variabel independen/bebas dan biasanya digunakan untuk membuat prediksi di masa depan.

• Dalam proses ini, hubungan antara variabel bebas dan terikat dihitung dengan menyesuaikan mereka ke garis regresi. Garis regresi diwakili oleh persamaan linier

  Y= a *X + b.

  Di mana:

• • Y – Variabel Dependen
  • a – Slope
  • X – Variabel bebas
  • b – Intercept

• • Koefisien a & b diperoleh dengan meminimalkan jumlah selisih kuadrat jarak antara titik data dan garis regresi.

  • #2 Logistic regression

    Logistic regression atau regresi logistik adalah algoritma supervised learning yang digunakan untuk memperkirakan nilai diskrete (biasanya nilai biner seperti 0/1, ya/tidak, benar//salah) dari sekumpulan variabel independen dengan memprediksi probabilitas suatu peristiwa dengan menyesuaikan data ke fungsi logit.

    Jika regresi linier dimanfaatkan ketika variabel dependen adalah kontinu, regresi logistik dipilih ketika variabel dependen adalah kategoris, yang berarti mereka memiliki keluaran biner.

  • #3 K-means clustering

    K-means clustering adalah salah satu algoritma analisis klaster (cluster analysis) non hirarki. Analisis  klaster  merupakan  salah  satu  alat  untuk  mengelompokkan  data berdasarkan variabel atau feature.

    Algoritma K-means clustering mengelompokkan data berdasarkan jarak antara data terhadap titik centroid klaster yang didapatkan melalui proses berulang. Analisis perlu menentukan jumlah K sebagai input algoritma

  • Dalam ranah machine learning, algoritma k-means clustering termasuk ke dalam jenis unsupervised learning