Pengantar Metode Klasifikasi Kapita Selekta Matematika Terapan B Nanang Susyanto Departemen Matematika FMIPA UGM 01 Februari 2017 NS (Dep.Mat) Introduction 01/02/2017 1/9
Welcome message from author
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
Pengantar Metode KlasifikasiKapita Selekta Matematika Terapan B
Nanang Susyanto
Departemen Matematika FMIPA UGM
01 Februari 2017
NS (Dep.Mat) Introduction 01/02/2017 1 / 9
Pendahuluan
Slides kuliah dapat diunduh di http://nanang.staff.ugm.ac.id/.Jika ada perubahan terkait perkuliahan maka pemberitahuanlewat wakil kelas.Maksimum 15 menit keterlambatan.Pertanyaan terkait kuliah: Gedung departemen Matematika lt.3(Office) atau nanang [email protected] (email).Lain-lain.
NS (Dep.Mat) Introduction 01/02/2017 2 / 9
Komponen Nilai
No Komponen Prosentase1 Ujian Akhir Semester (UAS) 302 Ujian Tengah Semester (UTS) 203 Aktivitas di kelas: Quiz, Diskusi, Presentasi 254 Tugas 25
Total 100
NS (Dep.Mat) Introduction 01/02/2017 3 / 9
Silabus
Model deterministik vs model probabilistik, prediksi, keakuratan,dan error.Fungsi jarak dan fungsi kemiripan.Vektor berdimensi tinggi dan dekomposisi matriks.Mereduksi dimensi vektor berdimensi tinggi.Klasifikasi dua kelas (binary classification)Klasifikasi multi-kelas (multiclass classification)Aplikasi dalam pengenalan wajah: menghitung kemiripan antaradua foto.
NS (Dep.Mat) Introduction 01/02/2017 4 / 9
Referensi
Information Theory, Inference and Learning Algorithms by D. J. C.MacKay, Cambridge University Press, 2003.Pattern Recognition and Machine Learning by C. M. Bishop,Springer Verlag, 2006.
NS (Dep.Mat) Introduction 01/02/2017 5 / 9
Klasifikasi
Seorang bagian kredit bank ingin memutuskan apakah seseorangyang mengajukan kredit akan dapat melunasi pinjamannyadengan menganalisa jawaban-jawaban dari quesioner yangberikan.
Seorang manajer penjualan ingin menganalisa apakah seseorangakan membeli produk baru jika diberikan profil dari orang tersebut.Seorang dokter ingin menganalisa apakah seorang pasien kankerdapat bertahan atau tidak dengan menggunakan rekam diagnosaorang tersebut.Seorang polisi akan mencari buronan dengan mencocokkan fotodi TKP dengan semua foto di e-ktp yang dipunyai.
NS (Dep.Mat) Introduction 01/02/2017 7 / 9
Klasifikasi
Seorang bagian kredit bank ingin memutuskan apakah seseorangyang mengajukan kredit akan dapat melunasi pinjamannyadengan menganalisa jawaban-jawaban dari quesioner yangberikan.Seorang manajer penjualan ingin menganalisa apakah seseorangakan membeli produk baru jika diberikan profil dari orang tersebut.
Seorang dokter ingin menganalisa apakah seorang pasien kankerdapat bertahan atau tidak dengan menggunakan rekam diagnosaorang tersebut.Seorang polisi akan mencari buronan dengan mencocokkan fotodi TKP dengan semua foto di e-ktp yang dipunyai.
NS (Dep.Mat) Introduction 01/02/2017 7 / 9
Klasifikasi
Seorang bagian kredit bank ingin memutuskan apakah seseorangyang mengajukan kredit akan dapat melunasi pinjamannyadengan menganalisa jawaban-jawaban dari quesioner yangberikan.Seorang manajer penjualan ingin menganalisa apakah seseorangakan membeli produk baru jika diberikan profil dari orang tersebut.Seorang dokter ingin menganalisa apakah seorang pasien kankerdapat bertahan atau tidak dengan menggunakan rekam diagnosaorang tersebut.
Seorang polisi akan mencari buronan dengan mencocokkan fotodi TKP dengan semua foto di e-ktp yang dipunyai.
NS (Dep.Mat) Introduction 01/02/2017 7 / 9
Klasifikasi
Seorang bagian kredit bank ingin memutuskan apakah seseorangyang mengajukan kredit akan dapat melunasi pinjamannyadengan menganalisa jawaban-jawaban dari quesioner yangberikan.Seorang manajer penjualan ingin menganalisa apakah seseorangakan membeli produk baru jika diberikan profil dari orang tersebut.Seorang dokter ingin menganalisa apakah seorang pasien kankerdapat bertahan atau tidak dengan menggunakan rekam diagnosaorang tersebut.Seorang polisi akan mencari buronan dengan mencocokkan fotodi TKP dengan semua foto di e-ktp yang dipunyai.
NS (Dep.Mat) Introduction 01/02/2017 7 / 9
Model deterministik vs probabilistik
Deterministik: Data diketahui sebelumnya.
Once you start the system, you know exactly what is going tohappenContoh: Prediksi saldo di rekening bank. Jika diketahui saldo awaldan suku bunga maka saldo setelah satu tahun dapat ditentukansecara tepat.
Ada unsur randomness.
You know the likelihood that something will happen, but you don’tknow when it will happen.Contoh: Melempar dadu sampe muncul angka 3. Peluang munculangka 3 adalah 1/6 tetapi tidak akan diketahui secara tepat kapanakan muncul angka 3.
NS (Dep.Mat) Introduction 01/02/2017 8 / 9
Model deterministik vs probabilistik
Deterministik: Data diketahui sebelumnya.Once you start the system, you know exactly what is going tohappen
Contoh: Prediksi saldo di rekening bank. Jika diketahui saldo awaldan suku bunga maka saldo setelah satu tahun dapat ditentukansecara tepat.
Ada unsur randomness.
You know the likelihood that something will happen, but you don’tknow when it will happen.Contoh: Melempar dadu sampe muncul angka 3. Peluang munculangka 3 adalah 1/6 tetapi tidak akan diketahui secara tepat kapanakan muncul angka 3.
NS (Dep.Mat) Introduction 01/02/2017 8 / 9
Model deterministik vs probabilistik
Deterministik: Data diketahui sebelumnya.Once you start the system, you know exactly what is going tohappenContoh: Prediksi saldo di rekening bank. Jika diketahui saldo awaldan suku bunga maka saldo setelah satu tahun dapat ditentukansecara tepat.
Ada unsur randomness.
You know the likelihood that something will happen, but you don’tknow when it will happen.Contoh: Melempar dadu sampe muncul angka 3. Peluang munculangka 3 adalah 1/6 tetapi tidak akan diketahui secara tepat kapanakan muncul angka 3.
NS (Dep.Mat) Introduction 01/02/2017 8 / 9
Model deterministik vs probabilistik
Deterministik: Data diketahui sebelumnya.Once you start the system, you know exactly what is going tohappenContoh: Prediksi saldo di rekening bank. Jika diketahui saldo awaldan suku bunga maka saldo setelah satu tahun dapat ditentukansecara tepat.
Ada unsur randomness.
You know the likelihood that something will happen, but you don’tknow when it will happen.Contoh: Melempar dadu sampe muncul angka 3. Peluang munculangka 3 adalah 1/6 tetapi tidak akan diketahui secara tepat kapanakan muncul angka 3.
NS (Dep.Mat) Introduction 01/02/2017 8 / 9
Model deterministik vs probabilistik
Deterministik: Data diketahui sebelumnya.Once you start the system, you know exactly what is going tohappenContoh: Prediksi saldo di rekening bank. Jika diketahui saldo awaldan suku bunga maka saldo setelah satu tahun dapat ditentukansecara tepat.
Ada unsur randomness.You know the likelihood that something will happen, but you don’tknow when it will happen.
Contoh: Melempar dadu sampe muncul angka 3. Peluang munculangka 3 adalah 1/6 tetapi tidak akan diketahui secara tepat kapanakan muncul angka 3.
NS (Dep.Mat) Introduction 01/02/2017 8 / 9
Model deterministik vs probabilistik
Deterministik: Data diketahui sebelumnya.Once you start the system, you know exactly what is going tohappenContoh: Prediksi saldo di rekening bank. Jika diketahui saldo awaldan suku bunga maka saldo setelah satu tahun dapat ditentukansecara tepat.
Ada unsur randomness.You know the likelihood that something will happen, but you don’tknow when it will happen.Contoh: Melempar dadu sampe muncul angka 3. Peluang munculangka 3 adalah 1/6 tetapi tidak akan diketahui secara tepat kapanakan muncul angka 3.
NS (Dep.Mat) Introduction 01/02/2017 8 / 9
Prediksi, keakuratan, dan error
NS (Dep.Mat) Introduction 01/02/2017 9 / 9
Related Documents
