1. Apa yang dimaksud supervised learning, unsupervised learning dan reinforcement learning? berikan contoh masing-masing?

a. Supervised learning merupakan suatu pembelajaran yang terawasi dimana jika output yang diharapkan telah diketahui sebelumnya. Biasanya pembelajaran ini dilakukan dengan menggunakan data yang telah ada. Pada metode ini, setiap pola yang diberikan kedalam jaringan saraf tiruan telah diketahui outputnya. Satu pola input akan diberikan ke satu neuron pada lapisan input. Pola ini akan dirambatkan di sepanjang jaringan syaraf hingga sampai ke neuron pada lapisan output. Lapisan output ini akan membangkitkan pola output yang nantinya akan dicocokkan dengan pola output targetnya. Apabila terjadi perbedaan antara pola output hasil pembelajaran dengan pola output target, maka akan muncul error. Dan jika nilai error ini masih cukup besar, itu berarti masih perlu dilakukan pembelajaran yang lebih lanjut.

Dalam teknik supervised learning, maka sebuah program harus dapat membuat klasifikasi – klasifikasi dari contoh- contoh yang telah diberikan.

Misalnya sebuah program diberikan benda berupa bangku dan meja, maka setelah beberapa contoh, program tersebut harus dapat memilah- milah objek ke dalam klasifikasi yang cocok.
Kesulitan dari supervised learning adalah kita tidak dapat membuat klasifikasi yang benar. Dapat dimungkinkan program akan salah dalam mengklasifikasi sebuah objek setelah dilatih. Oleh karena itu, selain menggunakan training set kita juga memberikan test set. Dari situ kita akan mengukur persentase keberhasilannya. Semakin tinggi berarti semakin baik program tersebut.
Persentase tersebut dapat ditingkatkan dengan diketahuinya temporal dependence dari sebuah data. Misalnya diketahui bahwa 70% mahasiswa dari jurusan Teknik Informatika adalah laki- laki dan 80% mahasiswa dari jurusan Sastra adalah wanita. Maka program tersebut akan dapat mengklasifikasi dengan lebih baik.

Contoh penggunaan metode supervised learning adalah hebbian (hebb rule), perceptron, hapfield, dan backpropagation.

b. Unsupervised learning merupakan pembelajan yang tidak terawasi dimana tidak memerlukan target output. Pada metode ini tidak dapat ditentukan hasil seperti apa yang diharapkan selama proses pembelajaran, nilai bobot yang disusun dalam proses range tertentu tergantung pada nilai output yang diberikan. Tujuan metode uinsupervised learning ini agar kita dapat mengelompokkan unit-unit yang hampir sama dalam satu area tertentu.

Teknik ini menggunakan prosedur yang berusaha untuk mencari partisi dari sebuah pola. Unsupervised learning mempelajari bagaimana sebuah sistem dapat belajar untuk merepresentasikan pola input dalam cara yang menggambarkan struktur statistikal dari keseluruhan pola input.
Berbeda dari supervised learning, unsupervised learning tidak memiliki target output yang eksplisit atau tidak ada pengklasifikasian input.
Dalam machine learning, teknik unsupervised sangat penting. Hal ini dikarenakan cara bekerjanya mirip dengan cara bekerja otak manusia. Dalam melakukan pembelajaran, tidak ada informasi dari contoh yang tersedia. Oleh karena itu, unsupervised learning menjadi ese

Contoh penggunaan metode unsupervised ini adalah competitive, LVQ(Learning Vector Quantization), neocognitron.

c. Reinforcement learning adalah sebuah teknik learning yang mempelajari aturan kontrol dengan cara berinteraksi dengan lingkungan yang masih asing. Ada 2 cara dalam teknik ini, teknik model-based dan teknik model-free.
Dalam teknik model-based, kita akan membuat sebuah subset berisi 4 tuple yang menggambarkan aksi, kondisi, hasil dan kondisi selanjutnya. Setelah mendapatkan subset yang cukup banyak maka kita dapat menghasilkan probability transition function dan reward function. Setelah mendapatkan kedua fungsi tersebut, kita dapat menggunakan dynamic programming untuk menghasilkan aturan yang paling optimal.
Dalam teknik model-free, kita tidak menyimpan subset yang berisi 4 tuple. Kita langsung menerapkan sebuah algoritma yang dapat langsung mengubah aturan kontrol menjadi lebih efisien.

2. Apa yang dimaksud dengan Learning Decision Tree dan berikan contohnya?

Learning Decision Tree adalah sebuah struktur pohon yang dimana setiap node dari  pohon ini merepresentasikan atribut yang telah diuji, setiap cabang merupakan suatu pembagian hasil uji, dan node daun merepresentasikan kelompok kelas tertentu. Level node teratas dari sebuah Decision Tree adalah node akar yang biasanya berupa atribut yang paling memiliki pengaruh terbesar pada suatu kelas tertentu. Pada umumnya Decision Tree melakukan strategi pencarian secara top-down untuk solusinya. Pada proses mengklasifikasi data yang tidak diketahui, nilai atribut akan diuji dengan cara melacak jalur dari node akar (root) sampai node akhir (daun) dan kemudian akan diprediksi kelas yang dimiliki oleh suatu data baru tertentu.

Beberapa contoh pemakaian Learning Decision Tree,yaitu :
• Diagnosa penyakit tertentu, seperti hipertensi, kanker, stroke dan lain-lain
• Pemilihan produk seperti rumah, kendaraan, komputer dan lain-lain
• Pemilihan pegawai teladan sesuai dengan kriteria tertentu
• Deteksi gangguan pada computer atau jaringan computer seperti Deteksi Entrusi, deteksi virus (Trojan dan varians), dan lain-lain

Our Team :
1601218211 Denis Sunardi – Camera Man
1601226296 Erwin Surianto – Video Editor
1601218350 Irvanho – Art Director
1601218691 Jessica Octa Viana – Story Board
1601218716 Vanny Tjahyadi – Director

300pictures proudly presents

Iron Man Vs Robot

Di Blog kali ini saya ingin membahas mengenai video yang saya dan kelompok saya telah buat.
Sebelum melihat dan menjelaskan videonya, saya ingin memperlihatkan Story Board-nya terlebih dahulu.
Apa itu Story Board ? Story Board adalah suatu sketsa/gambar yang menceritakan alur sebuah cerita sebelum cerita tersebut dibuat menjadi suatu aplikasi multimedia.

Langsungg ajaa yuuu dilihatt story boardnya ~~~~

 

Nahh… Gimana-gimanaa mengenaii story boardnya. Sebelumnya buat kamuu yang bingung gimana cara bikin story board? Gampangg aja, story board bisa aja kamu bikin mirip seperti komik lalu ceritakan alur cerita yang ingin kamu buat, untuk membuat Story Board kamu ga perlu gambar sedetail mungkin kamu cukup menggambar secara halus tokoh-tokoh yang ada dan beri ciri-ciri tokoh tersebut agar tidak tertukar.

Cukupp mengenai Story Boardnya, disini kita langsung aja lihat ke videonya yuuu ~~~

Nah buat video yang diatas itu video pertama kali dibuat, tapi karena ada beberapa masukan maka kita mengedit beberapa hal-hal yang kurang tersebut

Di atas adalah video yang telah kami edit.

Hal-hal yang kami edit adalah :

1. Penggunaan bahasa yang lebih baik (tidak kasar), kenapa kita merubah bahasa yang ada? Soalnya menurut kita video ini bisa ditonton untuk berbagai umur dan kalangan, jadi kita takut akan ada anak di bawah umur yang nonton dan melihat kata-kata yang kasar tersebut.

2. Durasi scene dan timing yang lebih di sesuaikan lagi.

3. Penggantian nama cast

Nah… Buat yang masih bingung ini video menceritakan tentang apa. Saya akan memberi penjelasan singkat aja.

Video ini menceritakan tentang ironman yang sedang bersantai ria di kolam renang, tapi kemudian ada robot yang ingin mencari masalah. Maka dari itu iron man ingin memberantas robot tersebut, terjadilah adegan pukul memukul antar ironman dan robot itu. Pas adegan pukul memukul, ironman lengah dan berhasil dipukul robot sampai jatuh tak berdaya. Tapi untungnya pas robotnya lengah ada seorang manusia yang menginjak robot itu. Akhirnya Ironman menangg !! hehe..

 

Nah penjelasan mengenai storyboard uda, cerita videonya juga uda… Sekarang saya mau menjelaskan cara dan teknik video kami.

Video ini menggunakan teknik Stop Motion.

Apa sih Stop Motion itu? Stop Motion di video kami itu teknik yang menggabungkan beberapa foto-foto menjadi sebuah video.

Buat Teknik Stop Motion di video kami memang masihh banyak banget kekurangannya. Tapi belajar dari pengalaman yang ada, saya ingin memberi beberapa tips dalam membuat Video Stop Motion.

TIPS STOP MOTION :

1. Kalau kamu mau membuat video dengan objek yang bergerak seperti diatas, kamu harus bikin objek itu bergerak pelan-pelan dalam artian disini kalau mau buat adegan robot angkat tangan itu harus dari bawah makin lama makin di naikin, jangan langsung dari bawah terus selanjutnya tangannya uda diatas.

2. Kesabaran yang lebih. Buat stop motion sendiri kamu harus punya kesabaran lebih, kenapa ? Selain kamu harus menggerakkan objeknya perlahan, kamu juga harus mengambil banyak gambar untuk menjadikan sebuat video.

3. Perhatikan saat sesi mengambil gambar! Jangan ada teman kamu yang kelihatan (tanpa sengaja keambil). Kami menyebutnya “BOCOR”, nah kalau ada temen kami yang ikutan eksis pas ngambil gambar kami pasti langsung teriak “BOCOR BOCOR!!” hehe

4. Lebih bagus untuk pengambilan Stop Motion di Indoor. Kenapa? Soalnya kalau Outdoor kita harus nyesuaiin sama cuaca yang kemarin-kemarin. Mungkin aja hari ini terang terus besoknya mendung.

Nah sekian tips dari saya.

Kami kelompok 10 Sistem Multimedia – 04PLT sudah berusaha semaksimal mungkin. hehe… Jadi maaf sebelumnya buat video yang masih banyak kekurangan itu.

 

TERIMA KASIHHH~~ ^_^

 

1.  Apa yang dimaksud Adversarial Search & Constraint Satisfaction Problems ? berikan contoh?

a. Adversarial Search / MiniMax Search biasa dikenal karena penggunaannya dalam menghitung langkah terbaik dalam dua pertandingan pemain di mana semua informasi yang tersedia.

Contoh permainan :

–         Chess (Catur)

–         Tic Tac Toe

 

b. Constraint Satisfaction Problems adalah proses pencarian solusi pada suatu set kendala yang memaksakan kondisi dimana variable-variabel harus terpenuhi. Oleh karena itu solusinya adalah seperangkat nilai-nilai untuk variabel-variabel yang memenuhi semua kendala – yaitu , titik di wilayah layak.

Teknik yang digunakan dalam constraint satisfication problem tergantung pada jenis kendala yang dihadapi .

Jenis – jenis CSPs :

• Variabel diskrit

–         Finite Domains

–         Infinite Domains

• Variabel Kontinyu ( Continuous Variables )

 

2. Apa itu Propositional Logic ? Berikan Contoh ?

Logika Proposisi (Propositional Logic) menawarkan logika dalam bentuk sederhana sehingga mudah dipahami. Meskipun begitu, Logika Proposisi sudah mampu membantu menarik kesimpulan. Namun, banyak kasus yang muncul akan menjadi terlihat panjang dan rumit saat diwujudkan dalam bentuk Logika Proposisi. Dan itu bisa lebih panjang dan rumit dibandingkan problem itu sendiri.

 

Contoh Propositional Logic :

 

P : Andy adalah siswa kelas 2 SMP

Q : Amin mengenakan seragam pramuka

R : Hari Sabtu

 

Kalimat yang bisa dinyatakan dari cerita tersebut adalah :

 

1: p ^ q -> r

2: p

3. r

 

Dengan ekpresi seperti itu, kita sudah bisa menarik kesimpulan tentang Andy. Tetapi banyak informasi yang tidak dinyatakan dan terlewatkan. Akibatnya,  ekspresi tersebut tidak bisa digunakan untuk membuat kesimpulan tentang seragam yang dipakai Andy pada hari Sabtu jika diketahui bahwa Andy juga seorang siswa kelas SMP tersebut. Agar bisa membuat kesimpulan tentang Andy, kita bisa mengubahnya menjadi seperti di bawah ini:

 

1 : p1 Λ r → q
2 : p1
3 : r
4 : p2 Λ r → q
5 : p2

 

dengan p₁ berarti “Andy adalah anak kelas 2 SMP” dan p₂ berarti “Andy adalah anak kelas 2 SMP”. Bagaimana jika untuk semua siswa? Kita harus menambahkan lagi kalimat nomor 1 dan 2 dengan sebelumnya mengubah p₁ menjadi p₃. Demikian seterusnya sampai p₃₅. Maka akan diperoleh 71 kalimat. Padahal, solusi ini hanya dapat digunakan untuk hari Sabtu saja, belum hari-hari yang lain.

 

Referensi : http://taufiq.staff.uii.ac.id/2010/08/03/first-order-logic/

 

3. Buat coding (Boleh C, C++ atau Java) untuk Algoritma A & Algoritma A* (A Star)?

 

Dalam bahasa C++

#include <iostream>

#include <iomanip>

#include <queue>

#include <string>

#include <math.h>

#include <ctime>

using namespace std;

 

const int n=60; // horizontal size of the map

const int m=60; // vertical size size of the map

static int map[n][m];

static int closed_nodes_map[n][m]; // map of closed (tried-out) nodes

static int open_nodes_map[n][m]; // map of open (not-yet-tried) nodes

static int dir_map[n][m]; // map of directions

const int dir=8; // number of possible directions to go at any position

// if dir==4

//static int dx[dir]={1, 0, -1, 0};

//static int dy[dir]={0, 1, 0, -1};

// if dir==8

static int dx[dir]={1, 1, 0, –1, –1, –1, 0, 1};

static int dy[dir]={0, 1, 1, 1, 0, –1, –1, –1};

 

class node

{

// current position

int xPos;

int yPos;

// total distance already travelled to reach the node

int level;

// priority=level+remaining distance estimate

int priority;  // smaller: higher priority

 

public:

node(int xp, int yp, int d, int p)

{xPos=xp; yPos=yp; level=d; priority=p;}

int getxPos() const {return xPos;}

int getyPos() const {return yPos;}

int getLevel() const {return level;}

int getPriority() const {return priority;}

 

void updatePriority(const int & xDest, const int & yDest)

{

priority=level+estimate(xDest, yDest)*10; //A*

}

 

// give better priority to going strait instead of diagonally

void nextLevel(const int & i) // i: direction

{

level+=(dir==8?(i%2==0?10:14):10);

}

// Estimation function for the remaining distance to the goal.

const int & estimate(const int & xDest, const int & yDest) const

{

static int xd, yd, d;

xd=xDest–xPos;

yd=yDest–yPos;

 

// Euclidian Distance

d=static_cast<int>(sqrt(xd*xd+yd*yd));

 

// Manhattan distance

//d=abs(xd)+abs(yd);

// Chebyshev distance

//d=max(abs(xd), abs(yd));

 

return(d);

}

};

 

// Determine priority (in the priority queue)

bool operator<(const node & a, const node & b)

{

return a.getPriority() > b.getPriority();

}

 

// A-star algorithm.

// The route returned is a string of direction digits.

string pathFind( const int & xStart, const int & yStart,

const int & xFinish, const int & yFinish )

{

static priority_queue<node> pq[2]; // list of open (not-yet-tried) nodes

static int pqi; // pq index

static node* n0;

static node* m0;

static int i, j, x, y, xdx, ydy;

static char c;

pqi=0;

 

// reset the node maps

for(y=0;y<m;y++)

{

for(x=0;x<n;x++)

{

closed_nodes_map[x][y]=0;

open_nodes_map[x][y]=0;

}

}

 

// create the start node and push into list of open nodes

n0=new node(xStart, yStart, 0, 0);

n0->updatePriority(xFinish, yFinish);

pq[pqi].push(*n0);

open_nodes_map[x][y]=n0->getPriority(); // mark it on the open nodes map

 

// A* search

while(!pq[pqi].empty())

{

// get the current node w/ the highest priority

// from the list of open nodes

n0=new node( pq[pqi].top().getxPos(), pq[pqi].top().getyPos(),

pq[pqi].top().getLevel(), pq[pqi].top().getPriority());

 

x=n0->getxPos(); y=n0->getyPos();

 

pq[pqi].pop(); // remove the node from the open list

open_nodes_map[x][y]=0;

// mark it on the closed nodes map

closed_nodes_map[x][y]=1;

 

// quit searching when the goal state is reached

//if((*n0).estimate(xFinish, yFinish) == 0)

if(x==xFinish && y==yFinish)

{

// generate the path from finish to start

// by following the directions

string path=“”;

while(!(x==xStart && y==yStart))

{

j=dir_map[x][y];

c=‘0’+(j+dir/2)%dir;

path=c+path;

x+=dx[j];

y+=dy[j];

}

 

// garbage collection

delete n0;

// empty the leftover nodes

while(!pq[pqi].empty()) pq[pqi].pop();

return path;

}

 

// generate moves (child nodes) in all possible directions

for(i=0;i<dir;i++)

{

xdx=x+dx[i]; ydy=y+dy[i];

 

if(!(xdx<0 || xdx>n–1 || ydy<0 || ydy>m–1 || map[xdx][ydy]==1

|| closed_nodes_map[xdx][ydy]==1))

{

// generate a child node

m0=new node( xdx, ydy, n0->getLevel(),

n0->getPriority());

m0->nextLevel(i);

m0->updatePriority(xFinish, yFinish);

 

// if it is not in the open list then add into that

if(open_nodes_map[xdx][ydy]==0)

{

open_nodes_map[xdx][ydy]=m0->getPriority();

pq[pqi].push(*m0);

// mark its parent node direction

dir_map[xdx][ydy]=(i+dir/2)%dir;

}

else if(open_nodes_map[xdx][ydy]>m0->getPriority())

{

// update the priority info

open_nodes_map[xdx][ydy]=m0->getPriority();

// update the parent direction info

dir_map[xdx][ydy]=(i+dir/2)%dir;

 

// replace the node

// by emptying one pq to the other one

// except the node to be replaced will be ignored

// and the new node will be pushed in instead

while(!(pq[pqi].top().getxPos()==xdx &&

pq[pqi].top().getyPos()==ydy))

{

pq[1–pqi].push(pq[pqi].top());

pq[pqi].pop();

}

pq[pqi].pop(); // remove the wanted node

// empty the larger size pq to the smaller one

if(pq[pqi].size()>pq[1–pqi].size()) pqi=1–pqi;

while(!pq[pqi].empty())

{

pq[1–pqi].push(pq[pqi].top());

pq[pqi].pop();

}

pqi=1–pqi;

pq[pqi].push(*m0); // add the better node instead

}

else delete m0; // garbage collection

}

}

delete n0; // garbage collection

}

return “”; // no route found

}

 

int main()

{

srand(time(NULL));

 

// create empty map

for(int y=0;y<m;y++)

{

for(int x=0;x<n;x++) map[x][y]=0;

}

 

// fillout the map matrix with a ‘+’ pattern

for(int x=n/8;x<n*7/8;x++)

{

map[x][m/2]=1;

}

for(int y=m/8;y<m*7/8;y++)

{

map[n/2][y]=1;

}

// randomly select start and finish locations

int xA, yA, xB, yB;

switch(rand()%8)

{

case 0: xA=0;yA=0;xB=n–1;yB=m–1; break;

case 1: xA=0;yA=m–1;xB=n–1;yB=0; break;

case 2: xA=n/2–1;yA=m/2–1;xB=n/2+1;yB=m/2+1; break;

case 3: xA=n/2–1;yA=m/2+1;xB=n/2+1;yB=m/2–1; break;

case 4: xA=n/2–1;yA=0;xB=n/2+1;yB=m–1; break;

case 5: xA=n/2+1;yA=m–1;xB=n/2–1;yB=0; break;

case 6: xA=0;yA=m/2–1;xB=n–1;yB=m/2+1; break;

case 7: xA=n–1;yA=m/2+1;xB=0;yB=m/2–1; break;

}

 

cout<<“Map Size (X,Y): “<<n<<“,”<<m<<endl;

cout<<“Start: “<<xA<<“,”<<yA<<endl;

cout<<“Finish: “<<xB<<“,”<<yB<<endl;

// get the route

clock_t start = clock();

string route=pathFind(xA, yA, xB, yB);

if(route==“”) cout<<“An empty route generated!”<<endl;

clock_t end = clock();

double time_elapsed = double(end – start);

cout<<“Time to calculate the route (ms): “<<time_elapsed<<endl;

cout<<“Route:”<<endl;

cout<<route<<endl<<endl;

 

// follow the route on the map and display it

if(route.length()>0)

{

int j; char c;

int x=xA;

int y=yA;

map[x][y]=2;

for(int i=0;i<route.length();i++)

{

c =route.at(i);

j=atoi(&c);

x=x+dx[j];

y=y+dy[j];

map[x][y]=3;

}

map[x][y]=4;

// display the map with the route

for(int y=0;y<m;y++)

{

for(int x=0;x<n;x++)

if(map[x][y]==0)

cout<<“.”;

else if(map[x][y]==1)

cout<<“O”; //obstacle

else if(map[x][y]==2)

cout<<“S”; //start

else if(map[x][y]==3)

cout<<“R”; //route

else if(map[x][y]==4)

cout<<“F”; //finish

cout<<endl;

}

}

getchar(); // wait for a (Enter) keypress 

return(0);

}

 

Referensi : http://code.activestate.com/recipes/577457-a-star-shortest-path-algorithm/

Welcome to Binusian blog.
This is the first post of any blog.binusian.org member blog. Edit or delete it, then start blogging!
Happy Blogging 🙂