• Tidak ada hasil yang ditemukan

Matematika untuk Machine Learning. Fungsi. Fungsi ( ) = 0.7

N/A
N/A
Protected

Academic year: 2021

Membagikan "Matematika untuk Machine Learning. Fungsi. Fungsi ( ) = 0.7"

Copied!
12
0
0

Teks penuh

(1)

Program Fresh Graduate Academy Digital Talent Scholarship 2019 | Machine Learning

Matematika untuk Machine Learning

Nama pembicara dengan gelar

Program Fresh Graduate Academy Digital Talent Scholarship 2019 | Machine Learning

Fungsi

Bagian 1

22/07/2019 Matematika untuk Machine Learning - Kalkulus

2

Program Fresh Graduate Academy Digital Talent Scholarship 2019 | Machine Learning

Fungsi

• Fungsi merupakan pemetaan setiap anggota himpunan kepada anggota himpunan yang lain.

• Misalkan, nilai ujian seorang siswa memberikan pengaruh sebanyak 70%

dalam pemberian total nilai akhir.

• Jika seorang siswa mendapatkan nilai 10 maka total nilai akhir yang didapatkan oleh siswa tersebut adalah 7.

( ) = 0.7

(2)

Fungsi

22/07/2019 Matematika untuk Machine Learning - Kalkulus

4

f(x) = 0.7x

x f(x)

0 0

2 1.4

4 2.8

6 4.2

Program Fresh Graduate Academy Digital Talent Scholarship 2019 | Machine Learning

Fungsi

• Fungsi biasanya digambarkan sebagai sebuah garis atau kurva pada grafik.

• Garis pada grafik fungsi menggambarkan perubahan output dari suatu fungsi berdasarkan input yang berbeda.

22/07/2019 Matematika untuk Machine Learning - Kalkulus

5

f(x) f(x) = 0.7x

x f(x)

0 0

2 1.4

4 2.8

6 4.2

Program Fresh Graduate Academy Digital Talent Scholarship 2019 | Machine Learning

Fungsi

• Fungsi biasanya digambarkan sebagai sebuah garis atau kurva pada grafik.

• Garis pada grafik fungsi menggambarkan perubahan output dari suatu fungsi berdasarkan input yang berbeda. f(x)

f(x) = 0.7x

x f(x)

0 0

2 1.4

4 2.8

6 4.2

(3)

Gradient

Bagian 2

22/07/2019 Matematika untuk Machine Learning - Kalkulus

7

Program Fresh Graduate Academy Digital Talent Scholarship 2019 | Machine Learning

Gradient

• Gradien merupakan kemiringan suatu garis fungsi.

• Untuk menghitung gradien dibutuhkan minimal dua titik yang berada pada garis fungsi.

22/07/2019 Matematika untuk Machine Learning - Kalkulus

8

f(x)

Program Fresh Graduate Academy Digital Talent Scholarship 2019 | Machine Learning

Gradient

• Gradient pada umumnya dilambangkan dengan m.

• Jika diketahui dua buah titik pada garis dengan titik pertama (x

1

, y

1

) dan titik kedua (x

2

, y

2

) maka perhitungan gradien dapat dihitung dengan rumus berikut:

= Δ Δ

(delta)

Perbedaan /

Perubahan

(4)

Gradient

22/07/2019 Matematika untuk Machine Learning - Kalkulus

10

= Δ Δ Grafik Fungsi y = 0.7x

Program Fresh Graduate Academy Digital Talent Scholarship 2019 | Machine Learning

Gradient

22/07/2019 Matematika untuk Machine Learning - Kalkulus

11

Grafik Fungsi y = 0.7x

= Δ Δ

= −

= 2.8 − 1.4 4 − 2

= 1.4 2 = 0.7

Program Fresh Graduate Academy Digital Talent Scholarship 2019 | Machine Learning

Gradient

Grafik Fungsi y = 0.7x

= Δ Δ

= −

= 2.8 − 1.4 4 − 2

= 1.4 2 = 0.7

Gradient pada fungsi penilaian siswa F(x) = 0.7x menunjukkan bahwa perubahan nilai ujian siswa terhadap total nilai akhir adalah bergerak

sebanyak 0.7 (hasil gradient) unit X dan 0.7 unit Y

(5)

Penerapan Gradien

• Misalkan, keputusan kelulusan seorang siswa dipengaruhi oleh dua faktor, yaitu rata-rata nilai ujian dan jumlah absensi.

• Berikut merupakan data rata-rata nilai ujian (x), jumlah absensi (y) dan keterangan siswa lulus atau tidak lulus (L/TL).

22/07/2019 Matematika untuk Machine Learning - Kalkulus

13

x y L/TL

2 4 TL

4 1 L

2 2 TL

6 5 TL

6 3 L

Program Fresh Graduate Academy Digital Talent Scholarship 2019 | Machine Learning

Penerapan Gradien

22/07/2019 Matematika untuk Machine Learning - Kalkulus

14

Area siswa tidak lulus

Area siswa lulus

Garis fungsi pembatas kelulusan

Program Fresh Graduate Academy Digital Talent Scholarship 2019 | Machine Learning

Penerapan Gradien

= Δ Δ

= −

= 4 − 0 6 − 1

= 4

5 = 0.8

(6)

Fungsi dan Gradient

Praktikum Lab

22/07/2019 Matematika untuk Machine Learning - Kalkulus

16

Program Fresh Graduate Academy Digital Talent Scholarship 2019 | Machine Learning

Diferensiasi

Bagian 3

22/07/2019 Matematika untuk Machine Learning - Kalkulus

17

Program Fresh Graduate Academy Digital Talent Scholarship 2019 | Machine Learning

Pendahuluan Diferensiasi

• Fungsi garis dapat diterapkan untuk menjadi batas pemisah antara dua kategori.

• Mencari gradien dari suatu fungsi garis dilakukan dengan mengambil dua titik apapun yang ada pada garis fungsi.

= Δ

Δ

(7)

Pendahuluan Diferensiasi

22/07/2019 Matematika untuk Machine Learning - Kalkulus

19

Gradient kurva?

Program Fresh Graduate Academy Digital Talent Scholarship 2019 | Machine Learning

Pendahuluan Diferensiasi

22/07/2019 Matematika untuk Machine Learning - Kalkulus

20

• Gradien fungsi kurva berbeda-beda di setiap titik pada kurva.

• Mencari gradien suatu titik pada kurva dapat dihitung dengan membuat garis singgung pada titik tersebut.

• Garis singgung adalah garis yang melewati satu titik pada kurva dengan tidak memotong garis kurva.

Program Fresh Graduate Academy Digital Talent Scholarship 2019 | Machine Learning

Pendahuluan Diferensiasi

Grafik Fungsi F(x) = x

2

+1

(8)

Pendahuluan Diferensiasi

22/07/2019 Matematika untuk Machine Learning - Kalkulus

22

• Menghitung gradien garis membutuhkan dua titik pada garis tersebut.

• Maka untuk menghitung gradien pada satu titik di kurva dibutuhkan satu titik lain pada kurva yang sangat dekat dengan titik tersebut.

Grafik Fungsi F(x) = x

2

+1

Program Fresh Graduate Academy Digital Talent Scholarship 2019 | Machine Learning

Diferensiasi

22/07/2019 Matematika untuk Machine Learning - Kalkulus

23

• Diferensiasi merupakan perubahan yang sangat kecil (mendekati nol) pada sumbu-Y terhadap sumbu-X.

′( ) = lim

+ ℎ −

ℎ Grafik Fungsi F(x) = x

2

+1

h

Program Fresh Graduate Academy Digital Talent Scholarship 2019 | Machine Learning

Diferensiasi

= lim

+ ℎ − ℎ

3 = lim

3 + ℎ − 3 ℎ

= lim

3 + ℎ + 1 − 3 + 1 ℎ

= lim

9 + 6ℎ + ℎ + 1 − 9 + 1 ℎ

= lim

6ℎ + ℎ + 10 − 10 ℎ

= lim

= lim

6 + ℎ =6 Grafik Fungsi F(x) =

x

2

+1

(9)

Diferensiasi

22/07/2019 Matematika untuk Machine Learning - Kalkulus

25

= lim

→ + ℎ −

ℎ 3 = lim

3 + ℎ − 3 ℎ 3 = 6

Diferensiasi menunjukan bahwa garis singgung terhadap titik

(3,10)

dapat dibentuk dengan titik bantu (4, (10+6) ) dan (2, (10-6) ) atau (4,16) dan (2,4).

Grafik Fungsi F(x) = x

2

+1

Program Fresh Graduate Academy Digital Talent Scholarship 2019 | Machine Learning

Aturan Derivasi

22/07/2019 Matematika untuk Machine Learning - Kalkulus

26

=

= 0

=

=

Contoh:

= 3 maka ′ = 0 1 = 0 2 = 0 3 = 0

Contoh:

= maka = 3

1 = 3. (1) = 3 2 = 3. (2) = 12 3 = 3. (3) = 27

Program Fresh Graduate Academy Digital Talent Scholarship 2019 | Machine Learning

Latihan Derivasi

Hitung derivasi dari fungsi :

1. =

2. = + 3 + 2

3. = + 2

4. = 0.7

5. = − − 2

= 2

= 2 + 3

′ = 3 + 2

= 0.7

′ = 4 − 1

(10)

Diferensiasi dan Derivasi

Praktikum Lab

22/07/2019 Matematika untuk Machine Learning - Kalkulus

28

Program Fresh Graduate Academy Digital Talent Scholarship 2019 | Machine Learning

Multi Varian Diferensiasi

Bagian 4

22/07/2019 Matematika untuk Machine Learning - Kalkulus

29

Program Fresh Graduate Academy Digital Talent Scholarship 2019 | Machine Learning

Multi Varian Diferensiasi

• Multi varian diferensiasi dibutuhkan ketika suatu fungsi memiliki lebih dari satu variabel input.

• Diferensiasi untuk fungsi dengan multi variabel input yaitu melakukan diferensiasi terhadap masing-masing variabel input.

• Misalkan suatu fungsi F memiliki dua variabel input x dan y

, = +

• Maka diferensiasi untuk fungsi F(x,y) adalah ( , ) dan ( , )

(11)

Multi Varian Diferensiasi

, = +

• Diferensiasi untuk fungsi F(x,y) adalah ( , ) dan ( , )

22/07/2019 Matematika untuk Machine Learning - Kalkulus

31

( , )

= ( + )

( , )

= ( ) + ( ) ( , )

= 2 + 0 ( , )

= 2

( , )

=

( + )

( , )

= ( ) + ( ) ( , )

= 0 + 2 ( , )

= 2

Program Fresh Graduate Academy Digital Talent Scholarship 2019 | Machine Learning

Multi Varian Diferensiasi

= 2 + 2

22/07/2019 Matematika untuk Machine Learning - Kalkulus

32

( , )

= ( + )

( , )

= ( ) + ( ) ( , )

= 2 + 0 ( , )

= 2

( , )

=

( + )

( , )

= ( ) + ( ) ( , )

= 0 + 2 ( , )

= 2

Program Fresh Graduate Academy Digital Talent Scholarship 2019 | Machine Learning

Latihan Multi Varian Derivasi

Hitung derivasi dari fungsi :

1. , =

2. , = −

3. , = + 2

4. , = 7 + 3

5. , = − − 2

= + 2

= 2 − + − 1

= ( +2) + 3 + 2

= 7 + 7

= (4 − ) + ( −1)

(12)

Multi Varian Diferensiasi

Praktikum Lab

22/07/2019 Matematika untuk Machine Learning - Kalkulus

34

Gambar

Grafik Fungsi y = 0.7x = Δ Δ = − − = 2.8 − 1.4 4 − 2 = 1.4 2 = 0.7
Grafik Fungsi F(x) = x 2 +1
Grafik Fungsi F(x) = x 2 +1
Grafik Fungsi F(x) =  x 2 +1

Referensi

Dokumen terkait

Mampu mengembangkan pengetahuan, teknologi, dan atau seni baru di dalam bidang keilmuannya atau praktik profesionalnya melalui riset, hingga menghasilkan karya kreatif, original,

Maber Teknindo, dari hasil penelitian tersebut diketahui bahwa perusahaan telah melaksanakan kewajibannya dalam hal perhitungan dan pelaporan PPN selama satu

Kesimpulan yang dapat diambil dari hasil analisa 3.2.3.1 dan 3.2.3.2, telah dijelaskan bahwa metode regresi sederhana dan multiple regression sama-sama tidak cocok digunakan

Rivai dan Sagala (2009: 548) Kinerja merupakan perilaku yang nyata yang ditampilkan setiap orang sebagai prestasi kerja yang dihasilkan oleh pegawai sesuai

Mahasiswa mampu memahami konsep hubungan Negara, Hukum dan Kebijakan Publik secara utuh dan holistic, serta mampu mengaplikasikan kedalam konsep Pelayanan Publik

Terdapat hubungan gangguan pendengaran dengan perkembangan. bahasa anak dengan sindrom down

Next year, palm oil production outlook from Sampoerna Agro nucleus estates is expected to achieve record high growth rates since being publicly-listed on the back of maturing

Ditinjau dari daya pembeda masing-masing pengecoh juga dapat dikatakan berfungsi baik karena rbis atau rpbis untuk alternatif jawaban A, dan C seluruhnya bernilai negatif