Machine Learning

Sebelum membangun sebuah Machine Learning, terdapat 2 hal penting yang harus dipahami, yaitu

• Pertanyaan/permasalahan spesifik apa yang ingin diatasi dan jawaban apa yang diinginkan dari Machine Learning tersebut

• Biaya yang dibutuhkan dan anggota team untuk membangun Machine Learning

• Izin proyek dan proposal pengajuan pembangunan Machine Learning

• Manfaat dan data yang dibutuhkan untuk membuat Machine Learning

Ada berapa tipe pertanyaan utama yang dapat dijawab dengan Machine Learning

• 3

• 4

• 5

• 7

Manakah yang benar menurut tipe pertanyaan Machine Learning dan hasil output yang diberikan berdasarkan pernyataan dibawah ini

• Tipe Pertanyaan Reggresion Model = menghasilkan output berupa angka/numerik

• Tipe Pertanyaan Clasification Model = menghasilkan output berupa klaisifikasi kelompok/group

• Jawaban a dan b benar

• Jawaban a dan b salah

Untuk pertanyaan “Berapa perkiraan jumlah IJP Cash yang akan diterima PT. Jamkrindo pada tahun 2021. Manakah model pertanyaan Machine Learning yang paling cocok untuk menjawab pertanyaan ini?

• Is this an A or B?

• How Much or How Many?

• How are these things organized?

• semua salah

Setelah menentukan model pertanyaan yang cocok untuk digunakan dalam membangun sebuah machine learning, langkah selanjutnya adanya Mengukur dan merumuskan performa akurasi dari model tersebut. Ada berapa model metric pada Classification model yang bisa digunakan untuk mengukur performa akurasi model tersebut?

• 4 jenis model metric (accuracy, precision, recall, F1 score)

• 1 jenis model metric (F1 score)

• 3 jenis model metric (precision, recall, accuracy)

• semua salah

Untuk contoh kasus “memprediksi transaksi fraud pada kartu kredit”, model metric Recall adalah untuk mengetahui?

• Jumlah transaksi fraud yang diprediksi fraud adalah benar transaksi fraud, dan jumlah transaksi yang diprediksi non fraud adalah benar transaksi non fraud (akurasi 80%)

• Dari semua transaksi yang diprediksi fraud, ada berapa yang benar-benar transaksi fraud (akurasi 50%)

• semua benar

• Dari semua transaksi yang actual fraud, berapa yang telah terprediksi (akurasi 25%)

Dalam Model classification, proses klasifikasi data input dengan cara membaca kata perkata atau sekumpulan dari kata-kata yang kemungkinan atau tingkat kemiripannya paling tinggi dengan parameter yang sudah dirumuskan adalah pengertian dari proses klasifikasi dengan metode

• K-Nearest Neighbours (KKN)

• Naives Bayes

• Random Forest

• Semua benar

Model machine learning untuk mengetahui suatu Market Segmentation dapat menggunakan metode

• Classification Model

• Reggresion Model

• Clustering Model

• Random Forest

Apa yang dimaksud dengan Deep Learning

• Proses mengelola data dengan menghitung jumlah data yang masuk

• Proses mengelola data dengan teknik meniru sistem syaraf manusia (neural network) dengan hasil outpun yang lebih detail dan kompleks

• Proses mengelola data dengan teknik membaca data yang masuk berdasarkan kata per kata

• Semua Salah

Hal utama yang membedakan Neural Networks dengan Deep Learning Neural Networks yaitu

• Pada architecture nya, dimana deep learning lebih kompleks strukturnya dari pada neural networks

• Dari data yang masuk

• Dari hasil output yang diperoleh

• Dari lama proses klasifikasi datanya