Scribd
Upload
4 views

Machine Learning

Supervised dan Unsupervised

Uploaded by

bonlalo001
Copyright
© © All Rights Reserved
Available Formats
Download as PPTX, PDF, TXT or read online on Scribd
4 views

Machine Learning

Supervised dan Unsupervised

Uploaded by

bonlalo001
Copyright
© © All Rights Reserved
Available Formats
Download as PPTX, PDF, TXT or read online on Scribd
You are on page 1/ 8

SUPERVISED

LERNING
DAN
UNSUPERVISED
Kelompok 6 :Danang Arifianto

LEANING M. Naufal Bilal S


Nofal Rafif
Rangga Anwar
Zhiddan Ikbal R
SUPERVISED
LEARNING
Supervised learning adalah salah satu teknik dalam
pembelajaran mesin di mana model dilatih
menggunakan data yang sudah memiliki label atau
target. Dengan kata lain, model "diajarkan" untuk
menemukan hubungan antara input dan output yang
diinginkan berdasarkan data pelatihan yang diberikan.
Contoh sederhana adalah mengklasifikasikan email
sebagai spam atau tidak spam, di mana model dilatih
dengan ribuan email yang sudah diberi label. Setelah
dilatih, model dapat memprediksi apakah email baru
termasuk dalam kategori spam atau bukan. Algoritma
supervised learning yang umum digunakan antara lain
UNSUPERVISED
LEARNING
Unsupervised learning adalah teknik
pembelajaran mesin di mana model belajar
menemukan pola atau struktur tersembunyi
dalam data yang tidak memiliki label. Berbeda
dengan supervised learning, model tidak diberi
jawaban yang benar selama proses pelatihan.
Contohnya, algoritma clustering dapat
mengelompokkan pelanggan berdasarkan
perilaku pembelian tanpa perlu mengetahui
terlebih dahulu kelompok pelanggan mana yang
ingin kita cari. Dengan kata lain, model belajar
secara mandiri untuk mengidentifikasi pola-pola
CONTOH SUPERVISED
LEARNING
• Sistem Rekomendasi: Layanan streaming seperti Netflix atau Spotify menggunakan
supervised learning untuk merekomendasikan film, musik, atau produk lain yang
mungkin disukai pengguna berdasarkan riwayat tontonan atau pendengaran mereka.

MENGAPA MASUK DALAM SUPERVISED LEARNING?


• Data Berlabel: Dalam banyak kasus, sistem rekomendasi menggunakan data
interaksi pengguna yang telah memiliki label. Misalnya, data pembelian, rating film,
atau lagu yang sudah diberikan oleh pengguna. Label ini bisa berupa rating (misalnya
bintang 1-5), klik, atau pembelian.
• Prediksi Berdasarkan Preferensi: Sistem dilatih untuk memprediksi item apa yang
akan disukai oleh pengguna berdasarkan data historisnya. Ini mirip dengan tugas
klasifikasi atau regresi dalam supervised learning. Misalnya, jika seorang pengguna
sering menonton film aksi, sistem akan cenderung merekomendasikan film aksi
CONTOH UNSUPERVISED
LEARNING
Pengelompokan pelanggan: Jika kita ingin mengelompokkan pelanggan berdasarkan
perilaku pembelian mereka, kita dapat memberikan model data pembelian tanpa
label. Model akan mencari kelompok-kelompok pelanggan yang memiliki kesamaan
dalam pola pembelian.
MENGAPA MASUK DALAM UNSUPERVISED
• Tidak Ada Label: DalamLEARNING ? kita tidak tahu sebelumnya bagaimana
pengelompokan,
data harus dikelompokkan. Tidak ada label yang menunjukkan kelompok mana
yang benar untuk setiap data.
• Menemukan Pola Tersembunyi: Tujuan pengelompokan adalah untuk
menemukan pola-pola yang mungkin tidak terlihat secara kasat mata. Model akan
secara otomatis mencari kesamaan antar data dan mengelompokkannya
berdasarkan kesamaan tersebut.
• Belajar Sendiri: Model pengelompokan belajar untuk menemukan kelompok-
kelompok data secara mandiri, tanpa adanya pengawasan dari manusia.
PERBANDINGA
N
cocok digunakan ketika kita memiliki data yang sudah
super diketahui jawabannya (label) dan ingin membuat model yang
vised dapat memprediksi hasil untuk data baru. Misalnya, kita ingin
memprediksi harga rumah berdasarkan luas, jumlah kamar,
dan lokasi.

digunakan ketika kita ingin menemukan pola atau struktur


tersembunyi dalam data yang besar dan kompleks. Misalnya,
unsuper kita ingin mengelompokkan pelanggan menjadi beberapa
vised segmen berdasarkan perilaku pembelian mereka tanpa
mengetahui sebelumnya bagaimana kelompok-kelompok
tersebut seharusnya.
KESIMPULAN
Supervised learning dan unsupervised learning adalah
dua teknik dasar dalam pembelajaran mesin yang
memiliki tujuan dan cara kerja yang berbeda.
Supervised learning digunakan untuk melatih model
dengan data yang sudah memiliki label atau target,
sehingga model dapat belajar untuk memprediksi
output berdasarkan input yang diberikan. Sementara
itu, unsupervised learning digunakan untuk
menemukan pola atau struktur tersembunyi dalam
data yang tidak memiliki label. Model unsupervised
learning akan mengelompokkan data atau mengurangi
dimensi data tanpa adanya panduan dari label.
Pemilihan antara supervised atau unsupervised
TERIMA KASIH
ADA YANG INGIN
BERTANYA ?

You might also like