Pinned Repositories
K-Nearest-Neighbor
Berikut adalah hasil dari tugas Kecerdasan Buatan saya di Telkom University. Mengimplementasikan algoritma KNN untuk memberi kelas kepada 200 data berdasarkan 800 data train yang telah diberikan
EnsambleLearning
Diberikan sebuah Trainset berupa himpunan data berisi 299 objek data yang memiliki 2 atribut input (X1 dan X2) dan 1 output (Class) yang memiliki 2 label (bernilai 1 dan 2). Bangunlah sebuah sistem klasifikasi menggunakan metode metode Bagging, salah satu teknik Ensemble Learning, berbasis Naïve Bayes untuk menentukan kelas/label data uji dalam Testset. Sistem membaca masukan file TrainsetTugas4ML.csv dan TestsetTugas4ML.csv dan mengeluarkan output berupa file TebakanTugas4ML.csv berupa satu kolom berisi 75 baris yang menyatakan kelas/label baris yang bersesuaian pada file TestsetTugas4ML.csv.
Fuzzy-Logic
Berikut adalah hasil dari tugas Kecerdasan Buatan saya di Telkom University. Mengimplementasikan algoritma fuzzy logic untuk mencari 20 orang teratas yang pantas untuk mendapatkan BLT (Bantuan Langsung Tunai)
NaiveBayes
Diberikan sebuah Trainset berupa himpunan data berisi 160 objek data yang memiliki 7 atribut input (age, workclass, education, marital-status, occupation, relationship, hours-per-week) dan 1 output (label kelas income) yang memiliki 2 kelas/label (>50K, dan <=50K). Bangunlah sebuah sistem klasifikasi menggunakan metode Naïve Bayes untuk menentukan kelas/label data testing dalam Testset. Sistem membaca masukan file TrainsetTugas1ML.csv dan TestsetTugas1ML.csv dan mengeluarkan output berupa file TebakanTugas1ML.csv berupa satu kolom berisi 40 baris yang menyatakan kelas/label baris yang bersesuaian pada file TestsetTugas1ML.csv.
QLearning
Bangunlah sebuah program Q-learning untuk menemukan optimum policy sehingga Agent yang berada di posisi Start (1,1) mampu menemukan Goal yang berada di posisi (15,15) dengan mendapatkan Total Reward maksimum pada grid world Gambar di bawah ini. Data pada gambar tersebut dapat dilihat di file DataTugas3ML2019.txt. Pada kasus ini, Agent hanya bisa melakukan empat aksi: N, E, S, dan W yang secara berurutan menyatakan North (ke atas), East (ke kanan), South (ke bawah), dan West (ke kiri). Anda boleh menggunakan skema apapun dalam mengimplementasikan sebuah episode.
SelfOrganizingMap
Diberikan sebuah dataset berisi 600 objek data yang memiliki dua atribut tanpa label kelas. Bangunlah sebuah model klasterisasi (clustering) menggunakan metode Self Organizing Map (SOM) untuk menghasilkan sejumlah klaster yang paling optimum. (CLO1: 5% Analisis masalah, CLO2: 5% Desain program, dan CLO3: 10% Source code dan Analisis hasil).
Simulated-Annealing
Hasil Simulated Annealing yang pernah saya buat.
fahminurf
Config files for my GitHub profile.
gitgitan
Lets try devops guys
myresume
fahminurf's Repositories
fahminurf/myresume
fahminurf/gitgitan
Lets try devops guys
fahminurf/Fuzzy-Logic
Berikut adalah hasil dari tugas Kecerdasan Buatan saya di Telkom University. Mengimplementasikan algoritma fuzzy logic untuk mencari 20 orang teratas yang pantas untuk mendapatkan BLT (Bantuan Langsung Tunai)
fahminurf/NaiveBayes
Diberikan sebuah Trainset berupa himpunan data berisi 160 objek data yang memiliki 7 atribut input (age, workclass, education, marital-status, occupation, relationship, hours-per-week) dan 1 output (label kelas income) yang memiliki 2 kelas/label (>50K, dan <=50K). Bangunlah sebuah sistem klasifikasi menggunakan metode Naïve Bayes untuk menentukan kelas/label data testing dalam Testset. Sistem membaca masukan file TrainsetTugas1ML.csv dan TestsetTugas1ML.csv dan mengeluarkan output berupa file TebakanTugas1ML.csv berupa satu kolom berisi 40 baris yang menyatakan kelas/label baris yang bersesuaian pada file TestsetTugas1ML.csv.
fahminurf/Simulated-Annealing
Hasil Simulated Annealing yang pernah saya buat.
fahminurf/K-Nearest-Neighbor
Berikut adalah hasil dari tugas Kecerdasan Buatan saya di Telkom University. Mengimplementasikan algoritma KNN untuk memberi kelas kepada 200 data berdasarkan 800 data train yang telah diberikan
fahminurf/fahminurf
Config files for my GitHub profile.
fahminurf/EnsambleLearning
Diberikan sebuah Trainset berupa himpunan data berisi 299 objek data yang memiliki 2 atribut input (X1 dan X2) dan 1 output (Class) yang memiliki 2 label (bernilai 1 dan 2). Bangunlah sebuah sistem klasifikasi menggunakan metode metode Bagging, salah satu teknik Ensemble Learning, berbasis Naïve Bayes untuk menentukan kelas/label data uji dalam Testset. Sistem membaca masukan file TrainsetTugas4ML.csv dan TestsetTugas4ML.csv dan mengeluarkan output berupa file TebakanTugas4ML.csv berupa satu kolom berisi 75 baris yang menyatakan kelas/label baris yang bersesuaian pada file TestsetTugas4ML.csv.
fahminurf/QLearning
Bangunlah sebuah program Q-learning untuk menemukan optimum policy sehingga Agent yang berada di posisi Start (1,1) mampu menemukan Goal yang berada di posisi (15,15) dengan mendapatkan Total Reward maksimum pada grid world Gambar di bawah ini. Data pada gambar tersebut dapat dilihat di file DataTugas3ML2019.txt. Pada kasus ini, Agent hanya bisa melakukan empat aksi: N, E, S, dan W yang secara berurutan menyatakan North (ke atas), East (ke kanan), South (ke bawah), dan West (ke kiri). Anda boleh menggunakan skema apapun dalam mengimplementasikan sebuah episode.
fahminurf/SelfOrganizingMap
Diberikan sebuah dataset berisi 600 objek data yang memiliki dua atribut tanpa label kelas. Bangunlah sebuah model klasterisasi (clustering) menggunakan metode Self Organizing Map (SOM) untuk menghasilkan sejumlah klaster yang paling optimum. (CLO1: 5% Analisis masalah, CLO2: 5% Desain program, dan CLO3: 10% Source code dan Analisis hasil).