Lompat ke isi

Algoritma ekspektasi-maksimisasi: Perbedaan antara revisi

Ensiklopedia Pengetahuan Universitas Islam Sultan Agung

Maintenance script (bicara | kontrib)

37.956 suntingan
Maintenance script (bicara | kontrib)
37.956 suntingan
Impor teks terkontrol dari Wikipedia bahasa Indonesia; revisi 28443392; atribusi sumber disertakan.
 
Maintenance script (bicara | kontrib)
37.956 suntingan
Presentation V4: sitasi, referensi, Math, Wikimedia Commons, dan atribusi
 
Baris 1: Baris 1:
Dalam [[statistika]], '''algoritma ekspektasi-maksimisasi''' () atau '''algoritma EM''' () adalah metode berulang yang dipakai untuk mencari pendekatan nilai [[kemungkinan maksimum]] () dan ''[[Maximum a Posteriori]]'' (MAP) dari parameter dalam sebuah [[model statistik]], di mana modelnya bergantung pada [[variabel laten]] yang tidak diketahui.
Dalam [[statistika]], '''algoritma ekspektasi-maksimisasi''' () atau '''algoritma EM''' () adalah metode berulang yang dipakai untuk mencari pendekatan nilai [[kemungkinan maksimum]] () dan ''[[Maximum a Posteriori]]'' (MAP) dari parameter dalam sebuah [[model statistik]], di mana modelnya bergantung pada [[variabel laten]] yang tidak diketahui.


Algoritma ekspektasi-maksimasi termasuk [[algoritma pengklasteran]] karena berupa basis perhitungan probabilitas. Algoritma ini secara intuitif memiliki dua tahap, yaitu tahap ekspektasi dan tahap maksimisasi. Tahap ekspektasi merupakan tahap yang menentukan perhitungan ekspektasi sehingga diperoleh nilai estimasi parameternya, sedangkan tahap maksimalisasi merupakan tahap yang mengulangi perhitungan parameter sehingga memaksimalkan nilai probabilitas.
Algoritma ekspektasi-maksimasi termasuk [[algoritma pengklasteran]] karena berupa basis perhitungan probabilitas.<ref>Fricles Ariwisanto Sianturi. [https://books.google.co.id/books?id=MWcHEAAAQBAJ&pg=PA120&dq=statistika+dan+algoritma+em&hl=id&newbks=1&newbks_redir=0&sa=X&ved=2ahUKEwjV_bXr4v71AhWH63MBHQqWBDwQ6AF6BAgJEAI#v=onepage&q=statistika%20dan%20algoritma%20em&f=false DATA MINING: Teori dan Aplikasi Weka]. IOCS Publisher. 2019-03-27. hlm. 120. ISBN 978-602-51936-6-8.</ref> Algoritma ini secara intuitif memiliki dua tahap, yaitu tahap ekspektasi dan tahap maksimisasi. Tahap ekspektasi merupakan tahap yang menentukan perhitungan ekspektasi sehingga diperoleh nilai estimasi parameternya,<ref>[https://binus.ac.id/malang/2021/11/expectation-maximization-em-algorithm/ Expectation Maximization (EM) Algorithm]. ''BINUS UNIVERSITY MALANG Pilihan Universitas Terbaik di Malang''. 2021-11-04.</ref> sedangkan tahap maksimalisasi merupakan tahap yang mengulangi perhitungan parameter sehingga memaksimalkan nilai probabilitas.<ref>Fricles Ariwisanto Sianturi. [https://books.google.co.id/books?id=MWcHEAAAQBAJ&pg=PA120&dq=statistika+dan+algoritma+em&hl=id&newbks=1&newbks_redir=0&sa=X&ved=2ahUKEwjV_bXr4v71AhWH63MBHQqWBDwQ6AF6BAgJEAI#v=onepage&q=statistika%20dan%20algoritma%20em&f=false DATA MINING: Teori dan Aplikasi Weka]. IOCS Publisher. 2019-03-27. hlm. 120. ISBN 978-602-51936-6-8.</ref>
 
Penerapan algoritma ekspektasi-maksimisasi sangatlah luas, salah satunya adalah [[Pemelajaran mesin|pembelajaran mesin]], dimana algoritma ini dipakai sebagai metode pengelompok data. Selain itu, algoritma ekspektasi-maksimisasi juga memiliki penerapan lainnya, seperti [[pengenalan ucapan]], dan [[analisis faktor]].
 
== Rujukan ==


Penerapan algoritma ekspektasi-maksimisasi sangatlah luas, salah satunya adalah [[Pemelajaran mesin|pembelajaran mesin]], dimana algoritma ini dipakai sebagai metode pengelompok data.<ref>[https://www.indowhiz.com/articles/id/mengenal-konsep-algoritma-expectation-maximization-em/ Mengenal Konsep Algoritma Expectation–maximization (EM)]. ''Indowhiz''. 2020-03-01.</ref><ref>Duggirala Raja Kishor. [https://www.igi-global.com/article/a-novel-hybridization-of-expectation-maximization-and-k-means-algorithms-for-better-clustering-performance/www.igi-global.com/article/a-novel-hybridization-of-expectation-maximization-and-k-means-algorithms-for-better-clustering-performance/160125 A Novel Hybridization of Expectation-Maximization and K-Means Algorithms for Better Clustering Performance]. ''International Journal of Ambient Computing and Intelligence (IJACI)''. 2016-07-01. Vol. 7 (2). hlm. 47–74. doi:10.4018/IJACI.2016070103.</ref><ref>Joan Garriga. [https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0151984 Expectation-Maximization Binary Clustering for Behavioural Annotation]. ''PLOS ONE''. 2016-03-22. Vol. 11 (3). hlm. e0151984. doi:10.1371/journal.pone.0151984.</ref> Selain itu, algoritma ekspektasi-maksimisasi juga memiliki penerapan lainnya, seperti [[pengenalan ucapan]], dan [[analisis faktor]].


== Referensi ==
<references />


== Sumber dan atribusi ==
== Sumber dan atribusi ==


Konten artikel ini diadaptasi dari [https://id.wikipedia.org/w/index.php?title=Algoritma+ekspektasi-maksimisasi&oldid=28443392 Wikipedia bahasa Indonesia], revisi 28443392 (2025-11-13T04:41:25Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi-BerbagiSerupa (CC BY-SA). Mohon gunakan konten ini secara bijak serta sesuai dengan ketentuan lisensi yang berlaku.
Konten artikel ini diadaptasi dari [https://id.wikipedia.org/w/index.php?title=Algoritma+ekspektasi-maksimisasi&oldid=28443392 Wikipedia bahasa Indonesia], revisi 28443392 (2025-11-13T04:41:25Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi-BerbagiSerupa (CC BY-SA). Mohon gunakan konten ini secara bijak serta sesuai dengan ketentuan lisensi yang berlaku.
<!-- WIKI_UNISSULA_PRESENTATION_V4 -->

Revisi terkini sejak 25 Agustus 2026 17.59

Dalam statistika, algoritma ekspektasi-maksimisasi () atau algoritma EM () adalah metode berulang yang dipakai untuk mencari pendekatan nilai kemungkinan maksimum () dan Maximum a Posteriori (MAP) dari parameter dalam sebuah model statistik, di mana modelnya bergantung pada variabel laten yang tidak diketahui.

Algoritma ekspektasi-maksimasi termasuk algoritma pengklasteran karena berupa basis perhitungan probabilitas.[1] Algoritma ini secara intuitif memiliki dua tahap, yaitu tahap ekspektasi dan tahap maksimisasi. Tahap ekspektasi merupakan tahap yang menentukan perhitungan ekspektasi sehingga diperoleh nilai estimasi parameternya,[2] sedangkan tahap maksimalisasi merupakan tahap yang mengulangi perhitungan parameter sehingga memaksimalkan nilai probabilitas.[3]

Penerapan algoritma ekspektasi-maksimisasi sangatlah luas, salah satunya adalah pembelajaran mesin, dimana algoritma ini dipakai sebagai metode pengelompok data.[4][5][6] Selain itu, algoritma ekspektasi-maksimisasi juga memiliki penerapan lainnya, seperti pengenalan ucapan, dan analisis faktor.

Referensi

  1. ↑ Fricles Ariwisanto Sianturi. DATA MINING: Teori dan Aplikasi Weka. IOCS Publisher. 2019-03-27. hlm. 120. ISBN 978-602-51936-6-8.
  2. ↑ Expectation Maximization (EM) Algorithm. BINUS UNIVERSITY MALANG Pilihan Universitas Terbaik di Malang. 2021-11-04.
  3. ↑ Fricles Ariwisanto Sianturi. DATA MINING: Teori dan Aplikasi Weka. IOCS Publisher. 2019-03-27. hlm. 120. ISBN 978-602-51936-6-8.
  4. ↑ Mengenal Konsep Algoritma Expectation–maximization (EM). Indowhiz. 2020-03-01.
  5. ↑ Duggirala Raja Kishor. A Novel Hybridization of Expectation-Maximization and K-Means Algorithms for Better Clustering Performance. International Journal of Ambient Computing and Intelligence (IJACI). 2016-07-01. Vol. 7 (2). hlm. 47–74. doi:10.4018/IJACI.2016070103.
  6. ↑ Joan Garriga. Expectation-Maximization Binary Clustering for Behavioural Annotation. PLOS ONE. 2016-03-22. Vol. 11 (3). hlm. e0151984. doi:10.1371/journal.pone.0151984.

Sumber dan atribusi

Konten artikel ini diadaptasi dari Wikipedia bahasa Indonesia, revisi 28443392 (2025-11-13T04:41:25Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi-BerbagiSerupa (CC BY-SA). Mohon gunakan konten ini secara bijak serta sesuai dengan ketentuan lisensi yang berlaku.


Diperoleh dari "https://wiki.unissula.ac.id/index.php?title=Algoritma_ekspektasi-maksimisasi&oldid=11401"