Algoritma ekspektasi-maksimisasi

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.

Penerapan algoritma ekspektasi-maksimisasi sangatlah luas, salah satunya adalah 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.

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.