IF Notes

Desain Learning Element dan Tipe Feedback

5 min read

Back to IF3170 Inteligensi Artifisial

Topic: Desain Elemen Pembelajaran dan Tipe Umpan Balik

Questions/Cues

  • Apa 4 pertimbangan utama dalam merancang Learning Element?

  • Apa itu Supervised Learning?

  • Apa contoh Supervised Learning pada agen supir taksi?

  • Apa itu Unsupervised Learning?

  • Apa contoh Unsupervised Learning pada agen supir taksi?

  • Apa itu Reinforcement Learning?

  • Apa contoh Reinforcement Learning pada agen supir taksi?

  • Apa perbedaan utama ketiganya?

Reference Points

  • IF3170 - Materi 08 - Seg 01, Slide 7-9

  • Russell, S. J., & Norvig, P. (2010). Artificial Intelligence- A Modern Approach.

Desain Elemen Pembelajaran (Learning Element)

Merancang Learning Element yang efektif memerlukan empat keputusan desain utama. Keputusan ini menentukan bagaimana agen akan belajar dari lingkungannya.

  1. Komponen mana yang akan dipelajari?

    • Kita harus menentukan bagian mana dari Performance Element yang akan dimodifikasi. Apakah agen akan belajar aturan baru, cara memetakan kondisi ke aksi, atau cara memprediksi hasil dari sebuah aksi?

  2. Umpan balik (feedback) apa yang tersedia?

    • Jenis dan ketersediaan umpan balik sangat menentukan pendekatan belajar yang bisa digunakan. Apakah ada “guru” yang memberikan jawaban benar? Ataukah agen hanya menerima sinyal “sukses” atau “gagal” di akhir? Ataukah tidak ada umpan balik sama sekali?

  3. Representasi apa yang digunakan?

    • Kita harus memilih cara untuk merepresentasikan pengetahuan atau komponen yang sedang dipelajari. Pilihan representasi bisa berupa aturan logika, jaringan saraf tiruan, fungsi probabilitas, atau pohon keputusan (decision tree). Pilihan ini akan membatasi apa yang bisa dipelajari oleh agen.

  4. Pengetahuan awal (prior knowledge) apa yang tersedia?

    • Apakah agen memulai dari nol (tabula rasa), atau kita memberikannya beberapa pengetahuan dasar untuk mempercepat proses belajar? Pengetahuan awal dapat secara signifikan membantu agen belajar lebih cepat dan lebih akurat.

Contoh Kasus: Agen Supir Taksi

Mari kita gunakan contoh agen supir taksi untuk memahami bagaimana berbagai jenis umpan balik bekerja dalam praktik.

  • Tugas: Keputusan Mengerem (Brake Decision)

    • Umpan Balik: Seorang instruktur di sampingnya berteriak “REM!” setiap kali ada bahaya.

    • Jenis Belajar: Ini adalah Supervised Learning. Agen diberikan pasangan input (situasi di jalan) dan output yang benar (mengerem atau tidak).

  • Tugas: Mengenali Bus (Buses Recognition)

    • Umpan Balik: Diberikan sekumpulan gambar, lalu seorang manusia melabeli mana yang gambar bus dan mana yang bukan.

    • Jenis Belajar: Ini juga Supervised Learning. Agen belajar fungsi pemetaan dari input (gambar) ke output (label ‘bus’ atau ‘bukan bus’).

  • Tugas: Mengenali Hari Macet/Lancar (Good/Bad Traffic Day)

    • Umpan Balik: Tidak ada umpan balik langsung. Agen hanya mengamati pola lalu lintas (kecepatan rata-rata, jumlah mobil, dll) dari hari ke hari dan harus menyimpulkan sendiri konsep “hari macet” dan “hari lancar”.

    • Jenis Belajar: Ini adalah Unsupervised Learning. Agen harus menemukan struktur atau pola tersembunyi dalam data tanpa label.

  • Tugas: Mengenali Perilaku Mengemudi yang Disukai Penumpang

    • Umpan Balik: Di akhir perjalanan, penumpang memberikan tip (atau tidak memberikan tip). Tip ini adalah sinyal positif (reward).

    • Jenis Belajar: Ini adalah Reinforcement Learning. Agen tidak diberi tahu aksi mana yang salah/benar secara spesifik, tetapi ia menerima sinyal umpan balik (reward/punishment) setelah serangkaian aksi. Tugas agen adalah mencari tahu urutan aksi mana yang menghasilkan reward terbaik.

Tipe Pembelajaran Berdasarkan Umpan Balik

  1. Supervised Learning (Pembelajaran Terawasi)

    • Definisi: Agen belajar dari sekumpulan contoh data yang sudah diberi label dengan benar (pasangan input-output). Tujuannya adalah untuk mempelajari sebuah fungsi f yang dapat memetakan input x ke output y (y = f(x)).

    • Analogi: Belajar dengan seorang guru yang selalu memberikan kunci jawaban.

  2. Unsupervised Learning (Pembelajaran Tak Terawasi)

    • Definisi: Agen belajar dari sekumpulan data yang tidak memiliki label. Tujuannya adalah untuk menemukan pola, struktur, atau klaster yang menarik dalam data.

    • Analogi: Menganalisis data pelanggan dan menemukan sendiri grup-grup pelanggan (misalnya “pembeli hemat”, “pembeli loyal”) tanpa diberi tahu kategori tersebut sebelumnya.

  3. Reinforcement Learning (Pembelajaran Penguatan)

    • Definisi: Agen belajar melalui interaksi dengan lingkungannya. Agen menerima rewards (penghargaan) untuk aksi yang baik dan punishments (hukuman) untuk aksi yang buruk. Tujuannya adalah untuk mempelajari sebuah kebijakan (policy)—yaitu strategi tindakan—yang memaksimalkan total reward yang diterima dari waktu ke waktu.

    • Analogi: Melatih seekor anjing. Kita tidak memberitahu “gerakkan kaki kirimu 3 cm ke depan”, tetapi kita memberikan hadiah saat ia berhasil melakukan trik yang kita inginkan.

Summary

Desain sebuah elemen pembelajaran bergantung pada empat faktor kunci: komponen apa yang dipelajari, umpan balik apa yang tersedia, representasi pengetahuan yang digunakan, dan pengetahuan awal yang dimiliki. Jenis umpan balik ini mengkategorikan proses belajar menjadi tiga tipe utama: Supervised Learning (belajar dari contoh berlabel), Unsupervised Learning (menemukan pola pada data tak berlabel), dan Reinforcement Learning (belajar dari sinyal penghargaan dan hukuman untuk memaksimalkan hasil jangka panjang).

Graph View

Backlinks