MACHINE LEARNING TECNIQUE

DI SUSUN OLEH:
STELAH VITA HADI
NIM 682023104

PRODI SISTEM INFORMASI

1
 PEMBAHASAN

1.1 Clustering

Clustering adalah salah satu teknik dari algoritma machine learning yaitu
unsupervised learning. prosedur pemecahan clustering membagi populasi atau
data point menggunakan sifat yang sama ke beberapa gerombolan kecil untuk
dikelompokkan. Teknik ini merupakan salah satu algoritma pada machine
learning yang sering digunakan oleh Perusahaan untuk melakukan segmentasi
pada customer mereka untuk meningkatkan penjualan di perusaahan mereka.
Secara garis besar clustering merupakan proses untuk membagi semua data ke
dalam suatu grup atau clusters berdasarkan pola yang ada pada data. Dalam
clusteting juga memiliki jenis-jenis metode yang di gunakan seperti centoid, yaitu
metode yang mengelompokkan sata ke dalan non-hierarchical clusters. Densitiy,
yaitu menghubungkan area dengan kepadatan yang sama ke dalam suatu
kelompok. Distribution, pada tipe ini akan mengasumsikan data terdiri dari
distribus, dengan bertambahnya jarak dari pusat distribusi, maka probabilitas
suatu titik termasuk ke dalam kelompok distribusi akan berkurang. Clustering
merupakan algoritma dan akan bekerja dengan menerapkan algoritma-algoritma
yang ada di dalamnya. Contoh penerapan secara nyata dari clustering itu sangat
luas dari bidang teknik, bidang ilmu komputer, bidang media dan bidang
astronomy seperti analisa sinyal radar, analisa database special, diagnosa penyakit
dan penanganannya, menginvestigasi formasi tanah, mengelompokkan wilayah
atau kota, digunakan dalam studi tentang sistem pada sungai dan gunung, dan
banyak bidang serta contoh lainnya.

1.2 Deteksi anomali

Deteksi anomali memeriksa titik data tertentu dan mendeteksi dan

2
dengan pola perilaku yang ada. deteksi anomali ini sangat penting di industri,
seperti keuangan, ritel, dan keamanan siber, tetapi setiap bisnis harus
mempertimbangkan solusi deteksi anomali. Deteksi anomali menyediakan cara
untuk secara otomatis mendeteksi outlier yang berbahaya dan melindungi data
dari suatu perusahaan. Tujuan utama dari anomaly detection adalah membuat
sebuah model yang dapat mendeteksi dan menjelaskan suatu anomali dalam
sebuah dataset. Aplikasi dari anomaly detection sering kali dapat kita temukan
dalam kehidupan sehari-hari kita, salah satu penerapannya dalam dunia nyata yaitu
mendeteksi transaksi mencurigakan menggunakan kartu kredit.

1.3 Decision making

decision making adalah serangkaian langkah yang diambil oleh manusia untuk
menentukan pilihan atau tindakan yang terbaik. Kemampuan pengambilan
keputusan ini biasanya dibutuhkan saat berada di antara dua hal atau lebih untuk
memenuhi suatu kebutuhan. decision making dalam dunia kerja adalah proses
penyelesaian masalah yang melibatkan pengambilan keputusan untuk memilih
solusi yang paling memungkinkan. Manfaat dari decision seperti Memberikan
lebih banyak informasi mengenai keputusan yang diambil, Meningkatkan
partisipasi dari pekerja, Memberikan lebih banyak alternatif untuk pilihan yang
lebih baik, Meningkatkan tingkat penerimaan dan komitmen pekerja,
Meningkatkan kualitas keputusan yang diambil. Contoh dari decision making
adalah problem solving, active listening, penalaran, intuisi. Dalam dunia nyata
decision making sering di gunakan untuk mengambil suatu keputusan dari suatu
masalah yang di anggap benar.

DAFTAR PUSTAKA

https://kantinit.com/kecerdasan-buatan/clustering-pengertian-jenis-dan-contoh-
penerapannya/

https://codingstudio.id/blog/mengenal-clustering/

3
https://aws.amazon.com/id/what-is/anomaly-detection/

https://edistywn.medium.com/catatan-belajar-anomaly-detection-menggunakan-
algoritma-isolation-forest-4e4d13e61c3d

https://vocasia.id/blog/apa-itu-decision-making/