Pemelajaran pengukuhan: Perbedaan antara revisi
Impor teks terkontrol dari Wikipedia bahasa Indonesia; revisi 28059082; atribusi sumber disertakan. |
Presentation V4: sitasi, referensi, Math, Wikimedia Commons, dan atribusi |
||
| Baris 1: | Baris 1: | ||
'''Pemelajaran pengukuhan (PP)''', '''pemelajaran penguatan''' atau '''''Reinforcement learning'' (RL)''' adalah suatu bidang antar disiplin ilmu dalam [[pemelajaran mesin]] dan [[kendali optimal]] yang berkaitan dengan bagaimana suatu agen cerdas dapat mengambil [[Pemilihan tindakan|tindakan]] di lingkungan yang dinamis dalam rangka untuk memaksimalkan [[Pemilihan berdasarkan imbalan|imbalan bertumpuk-tumpuk]]. Pemelajaran pengukuhan adalah satu dari tiga paradigma utama dalam pemelajaran mesin, di samping [[pemelajaran terarah|pemelajaran terawasi]] dan [[pemelajaran tak terarah|pemelajaran tak terawasi]]. | '''Pemelajaran pengukuhan (PP)''', '''pemelajaran penguatan''' atau '''''Reinforcement learning'' (RL)''' adalah suatu bidang antar disiplin ilmu dalam [[pemelajaran mesin]] dan [[kendali optimal]] yang berkaitan dengan bagaimana suatu agen cerdas dapat mengambil [[Pemilihan tindakan|tindakan]] di lingkungan yang dinamis dalam rangka untuk memaksimalkan [[Pemilihan berdasarkan imbalan|imbalan bertumpuk-tumpuk]]. Pemelajaran pengukuhan adalah satu dari tiga paradigma utama dalam pemelajaran mesin, di samping [[pemelajaran terarah|pemelajaran terawasi]] dan [[pemelajaran tak terarah|pemelajaran tak terawasi]]. | ||
Pemelajaran pengukuhan berbeda dengan pemelajaran terawasi dari dua sisi, yaitu tak membutuhkan penyajian pasangan masukan-keluaran yang telah dilabeli dan tidak memerlukan pembetulan secara terang-terangan untuk tindakan yang kurang optimal. Fokus RL adalah untuk menemukan keseimbangan antara penjelajahan (wilayah yang belum dipetakan) dan pemanfaatan (pengetahuan saat ini). | Pemelajaran pengukuhan berbeda dengan pemelajaran terawasi dari dua sisi, yaitu tak membutuhkan penyajian pasangan masukan-keluaran yang telah dilabeli dan tidak memerlukan pembetulan secara terang-terangan untuk tindakan yang kurang optimal. Fokus RL adalah untuk menemukan keseimbangan antara penjelajahan (wilayah yang belum dipetakan) dan pemanfaatan (pengetahuan saat ini).<ref>Leslie P. Kaelbling. [http://www.cs.washington.edu/research/jair/abstracts/kaelbling96a.html Reinforcement Learning: A Survey]. ''Journal of Artificial Intelligence Research''. 1996. Vol. 4. hlm. 237–285. doi:10.1613/jair.301.</ref> | ||
Lingkungan PP biasanya dinyatakan dalam bentuk [[proses keputusan Markov]] (PKM) karena banyaknya algoritma PP yang dalam hal ini menggunakan teknik [[pemrograman dinamis]].<ref>van Otterlo, M. ''Reinforcement Learning''. 2012. Vol. 12. hlm. 3–42. doi:10.1007/978-3-642-27645-3_1. ISBN 978-3-642-27644-6.</ref> Namun, terdapat perbedaan utama antara PP dengan pemrograman dinamis, yaitu PP tak membutuhkan pengetahuan pasti model matematis dari PKM, melainkan PP ini menujukan PKM yang besar dan rumit yang untuk mendapatkan model yang pasti menjadi sulit atau tidak mungkin dilakukan.<ref>Shengbo Li. [https://link.springer.com/book/10.1007/978-981-19-7784-8 Reinforcement Learning for Sequential Decision and Optimal Control]. 2023. hlm. 1–460. doi:10.1007/978-981-19-7784-8. ISBN 978-9-811-97783-1.</ref> | |||
== Sumber == | == Sumber == | ||
* | * | ||
* | * | ||
* | * | ||
== Bacaan lanjutan == | == Bacaan lanjutan == | ||
* | * | ||
* | * | ||
* | * | ||
* | * | ||
* | * | ||
* | * | ||
* | * | ||
== Pranala luar == | == Pranala luar == | ||
| Baris 31: | Baris 28: | ||
* [https://lilianweng.github.io/posts/2018-02-19-rl-overview/ Mengintip (Lebih Jauh) ke dalam RL] | * [https://lilianweng.github.io/posts/2018-02-19-rl-overview/ Mengintip (Lebih Jauh) ke dalam RL] | ||
== Referensi == | |||
<references /> | |||
== Sumber dan atribusi == | == Sumber dan atribusi == | ||
Konten artikel ini diadaptasi dari [https://id.wikipedia.org/w/index.php?title=Pemelajaran+pengukuhan&oldid=28059082 Wikipedia bahasa Indonesia], revisi 28059082 (2025-10-17T08:58:28Z), 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=Pemelajaran+pengukuhan&oldid=28059082 Wikipedia bahasa Indonesia], revisi 28059082 (2025-10-17T08:58:28Z), 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 23 Agustus 2026 14.01
Pemelajaran pengukuhan (PP), pemelajaran penguatan atau Reinforcement learning (RL) adalah suatu bidang antar disiplin ilmu dalam pemelajaran mesin dan kendali optimal yang berkaitan dengan bagaimana suatu agen cerdas dapat mengambil tindakan di lingkungan yang dinamis dalam rangka untuk memaksimalkan imbalan bertumpuk-tumpuk. Pemelajaran pengukuhan adalah satu dari tiga paradigma utama dalam pemelajaran mesin, di samping pemelajaran terawasi dan pemelajaran tak terawasi.
Pemelajaran pengukuhan berbeda dengan pemelajaran terawasi dari dua sisi, yaitu tak membutuhkan penyajian pasangan masukan-keluaran yang telah dilabeli dan tidak memerlukan pembetulan secara terang-terangan untuk tindakan yang kurang optimal. Fokus RL adalah untuk menemukan keseimbangan antara penjelajahan (wilayah yang belum dipetakan) dan pemanfaatan (pengetahuan saat ini).[1]
Lingkungan PP biasanya dinyatakan dalam bentuk proses keputusan Markov (PKM) karena banyaknya algoritma PP yang dalam hal ini menggunakan teknik pemrograman dinamis.[2] Namun, terdapat perbedaan utama antara PP dengan pemrograman dinamis, yaitu PP tak membutuhkan pengetahuan pasti model matematis dari PKM, melainkan PP ini menujukan PKM yang besar dan rumit yang untuk mendapatkan model yang pasti menjadi sulit atau tidak mungkin dilakukan.[3]
Sumber
Bacaan lanjutan
Pranala luar
- Repositori Reinforcement Learning
- Reinforcement Learning dan Kecerdasan buatan (RLAI, laboratorium Rich Sutton di Universitas Alberta)
- Laboratorium Pemelajaran otonom (ALL, Laboratorium Andrew Barto di Universitas Massachusetts Amherst)
- Eksperimen RL dunia nyata di Delft University of Technology
- Kuliah Andrew NG di Universitas Standord terkait RL
- Membedah RL Rangkaian posting blog tentang RL dengan kode Python
- Mengintip (Lebih Jauh) ke dalam RL
Referensi
- ↑ Leslie P. Kaelbling. Reinforcement Learning: A Survey. Journal of Artificial Intelligence Research. 1996. Vol. 4. hlm. 237–285. doi:10.1613/jair.301.
- ↑ van Otterlo, M. Reinforcement Learning. 2012. Vol. 12. hlm. 3–42. doi:10.1007/978-3-642-27645-3_1. ISBN 978-3-642-27644-6.
- ↑ Shengbo Li. Reinforcement Learning for Sequential Decision and Optimal Control. 2023. hlm. 1–460. doi:10.1007/978-981-19-7784-8. ISBN 978-9-811-97783-1.
Sumber dan atribusi
Konten artikel ini diadaptasi dari Wikipedia bahasa Indonesia, revisi 28059082 (2025-10-17T08:58:28Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi-BerbagiSerupa (CC BY-SA). Mohon gunakan konten ini secara bijak serta sesuai dengan ketentuan lisensi yang berlaku.