Map5NGx8LGN6MWR4MWZ8NWB4LDcsynIkynwpACBc

DETEKSI ANOMALI & PEMBELAJARAN MESIN

7981759374294050699
BLANTERLANDINGv101
7981759374294050699

DETEKSI ANOMALI & PEMBELAJARAN MESIN

Rabu, 07 April 2021
DETEKSI ANOMALI & PEMBELAJARAN MESIN

DETEKSI ANOMALI & PEMBELAJARAN MESIN

Rp 50.000
oleh Natalia Magdalena Rafu Mamulak, Paskalis Andrianus Nani, Adri Gabriel Sooai
Beli Buku

Profil Penulis

Natalia Magdalena Rafu Mamulak, menyelesaikan Sarjana Teknik di Program Studi Ilmu Komputer Universitas Katolik Widya Mandira Kupang pada 2007. Memperoleh gelar Magister Manajemen dari Universitas Bina Nusantara Jakarta pada 2009. Menekuni bidang kajian penelitian Artificial Itelligence, Decission Support System, GIS dan HCI.

Paskalis Andrianus Nani, menyelesaikan Sarjana Teknik di Program Studi Ilmu Komputer Universitas Katolik Widya Mandira Kupang pada 2008. Memperoleh gelar Magister Teknik di bidang Ilmu Komputer di Universitas Katolik Atma Jaya, Yogyakarta, 2016. Menulis buku “Algoritma dan Pemrograman dengan Bahasa JAVA.” Menekuni bidang kajian penelitian Expert System, Object Oriented Programming, Software Engineering dan HCI.

Adri Gabriel Sooai, memperoleh gelar Ahli Madya Manajemen Informatika dari AMIK Bandung 1996. Memperoleh gelar Sarjana Teknik dari STTI Bandung 2001. Memperoleh Gelar Master Remote Sensing dari Institut Teknologi Sepuluh Nopember (ITS) 2006. Memperoleh Gelar Doktor bidang Teknik Elektro dari ITS 2020.

Deskripsi

Era komputasi berbantuan kecerdasan buatan mengantar manusia ke berbagai solusi praktis untuk memudahkan pekerjaannya. Pembelajaran mesin merupakan sebuah sarana untuk itu. Tulisan ini akan membahas sebuah topik khusus dalam teknologi pembelajaran mesin. Dimulai dari pengertian dan pengenalan akan potensi yang dapat dimanfaatkan bagi kesejahteraan manusia, dilanjutkan dengan sumber data yang menjadi basis pengetahuan untuk keseluruhan proses, perangkat bantu perekaman data, kegiatan awal pengolahan sampai ke sebuah studi menggunakan alat bantu.

Pengolahan dataset di awal kegiatan pembelajaran mesin menentukan hasil akhir. Salah satu yang penting dilakukan adalah memeriksa apakah terdapat anomali atau outlier di dalam dataset. Empat teknik pendeteksi anomali atau pencarian outlier dibahas di sini. Dimulai dari Covariance Estimator, Local Outliers Factor, Isolation Forest dan One-Class SVM. Ditutup dengan sebuah studi kasus pendeteksian anomali menggunakan Covariance Estimator yang dikombinasikan dengan beberapa k-Fold Cross Validation dan ragam pengklasifikasi.

Semoga tulisan ini dapat menjadi sumbangan dalam menambah wawasan mahasiswa dan dosen yang akan memanfaatkan pembelajaran mesin dalam berbagai kegiatan studi dan penelitian. Buku ini adalah luaran dari hibah penelitian LPPM Universitas Katolik Widya Mandira, Kupang, Tahun 2020.

Kupang, 23 Desember 2020
Adri Gabriel Sooai

Kategori
BLANTERLANDINGv101
Formulir Kontak Whatsapp×
Data Anda
Data Lainnya
Kirim Sekarang