Model dan Prediksi Data

Nestia Dwi Jelita

XI Bahasa

TUGAS INFORMATIKA 12/10/22

1. Jelaskan perbedaan unsupervised dan supervised learning

Perbedaannya adalah :

- Kegunaan : Supervised learning akan membantu Anda untuk mengumpulkan atau memproduksi output data dari pengalaman yang sudah pernah terjadi. Sementara itu, unsupervised learning lebih sering digunakan untuk menemukan seluruh pola yang tidak dikenal dalam data. 

- Proses Kerja : Pada model supervised learning, Anda akan mendapatkan variabel data input dan output. Namun, hal ini tidak terjadi pada unsupervised learning. Pada pendekatan tersebut, Anda hanya akan mendapatkan data input.

- Proses Belajar : Pada supervised learning, algoritma komputer melakukan pembelajaran secara offline sebelum menghadapi data. Artinya, komputer “dibekali” sejumlah materi tertentu agar nanti dapat mengenali data dengan mudah. Hal ini tidak terjadi pada unsupervised learning. Pada pendekatan ini, algoritma komputer mempelajari data secara real-time. Itu artinya, ketika komputer berhadapan dengan data, pada saat itu juga, komputer belajar mengenali data.

2. Jelaskan perbedaan model data berdasarkan objek dan odel data berdasarkan record

Model data berbasis objek menggunakan konsep entitas, atribut dan hubungan antar entitas. Dan model ini terdiri dari :

1. Entity Relationship Model 

Model untuk menjelaskan hubungan antar data dalam basis data berdasarkan suatu persepsi bahwa real word terdiri dari objek-object dasar yang mempunyai hubungan atau relasi antara objec-objec tersebut E-R MODEL berisi ketentuan /aturan khusus yang harus dipenuhi oleh isi database.

2. Binary Model 

Binary model adalah model data yang memperluas definisi dari entity, bukan hanya atributenya tetapi juga tindakan-tindakannya.

3. Semantic Model

Hampir sama dengan Entity Relationship model dimana relasi antara objek dasar tidak dinyatakan dengan simbol tetapi menggunakan kata-kata (Semantic).

Sedangkan

Model ini berdasarkan pada record untuk menjelaskan kepada user tentang hubungan logic antar data dalam basis data. Berbeda dengan Object Based Data Model (Model Data Berbasis Object), Model Data ini digunakan untuk menguraikan struktur logika keseluruhan dari suatu database, juga digunakan untuk menguraikan implementasi dari sistem database (higher level

description of implementation).

Terdapat 3 jenis Model Data pada Model Data Berbasis Record, yaitu :

1. Model Relational

Dimana data serta hubungan antar data direpresentasikan oleh sejumlah tabel dan masing-masing tabel terdiri dari beberapa kolom yang namanya unique.

2. Model Hirarki

Dimana data serta hubungan antar data direpresentasikan dengan record dan link (pointer), dimana record-record tersebut disusun dalam bentuk tree (pohon), dan masing-masing node pada tree tersebut merupakan record/grup data elemen dan memiliki hubungan cardinalitas 1:1 dan 1:M

3. Model Jaringan

Distandarisasi tahun 1971 oleh Database Task Group (DBTG) atau disebut juga model CODASYL (Conference on Data System Language), mirip dengan hirarkical model dimana data dan hubungan antar data direpresentasikan dengan record dan links.

3. Apakah yang dimaksud dengan estimasi dan berikan contohnya

Dalam Kamus Besar Bahan Indonesia, estimasi memiliki arti perkiraan, penilaian, atau pendapat. Sedangkan berdasarkan istilah, terdapat ahli yang menyebutkan bahwa estimasi adalah suatu pengukuran yang didasarkan pada hasil kuantitatif atau hasil yang akurasinya dapat diukur dengan angka. Dari beberapa pengertian tersebut, dapat dipahami bahwa estimasi adalah metode pengukuran yang digunakan untuk memperkirakan jalannya suatu pekerjaan atau proyek yang akan dilakukan. Dalam hal ini, estimasi biasanya digunakan dengan menggunakan perhitungan angka sebagai tolok ukur yang jelas dan pasti. Misalnya seperti estimasi statistik pada proyek sensus penduduk, estimasi biaya pengerjaan proyek, estimasi biaya untuk menggelar suatu acara dan lain sebagainya

Contohnya

- Saat kita melakukan sebuah kegiatan yang membutuhkan anggaran dana

- Proyek yang di kerjakan dengan batasan waktu tertentu.

Dalam hal itu rencana perkiraan atau estimasi, menjadi tolak ukur dan gambaran umum dana atau waktu yang dibutuhkan untuk menyelesaikan pekerjaan tersebut.

4. Apakah yang dimaksud dengan klasifikasi dan berikan contohnya

Klasifikasi adalah pengaturan sistematis dalam pembagian atau pengelompokan hal berdasarkan kesamaan sifatnya. Misalnya klasifikasi makhluk hidup menjadi amfibi, mamalia, ikan, ataupun aves, memberikan gambaran secara umum tentang makhluk hidup. Klasifikasi memudahkan kita untuk mengerti suatu bidang yang kompleks menjadi lebih terstruktur namun sederhana. 

- Contoh klasifikasi adalah klasifikasi makhluk hidup, klasifikasi burung berdasarkan morfologi paruhnya, klasifikasi golongan darah, klasifikasi seni lukis berdasarkan alirannya, klasifikasi jenis-jenis olah raga bola besar, hingga klasifikasi sumber daya suatu negara.

5.  Apakah yang dimaksud dengan clustering dan berikan contohnya

clustering adalah suatu metode pengelompokan data. Lebih lengkapnya, clustering adalah metode pengelompokan data yang digunakan untuk mengenali kelompok-kelompok (cluster) yang dihasilkan dari pengelompokkan unsur-unsur yang lebih kecil berdasarkan adanya kemiripan satu sama lain. Kemiripan yang menjadi dasar pengelompokkan tidaklah bersifat universal, sehingga ukuran-ukuran penyamanya harus dijabarkan terlebih dahulu oleh peneliti atau penganalisis.

Jadi, clustering adalah proses mengelompokkan data ke dalam beberapa cluster atau kelompok sehingga data dalam suatu clsuter memiliki tingkat kemiripan yang maksimum dan data antar cluster yang berbeda memiliki kemiripan minimum. 

Seperti yang telah disebutkan sebelumnya, clustering adalah metode yang bisanya digunakan pada business inteligence, pengenalan pola citra, web search, bidang ilmu biologi, dan untuk keamanan (security). Dalam business inteligence, clustering bisa mengelompokkan banyak customer ke menjadi beberapa kelompok. 

- Contohnya : mengelompokan customer ke dalam beberapa cluster dengan kesamaan karakteristik yang kuat. 

Clustering ini juga dikenal sebagai data segmentasi karena clustering mempartisi banyak data set ke dalam banyak group berdasarkan kesamaannya.