introduction deep learning - reza_chan.staff.gunadarma.ac.id

29
Introduction deep learning Pengantar Deep Learning

Upload: others

Post on 28-Feb-2022

10 views

Category:

Documents


0 download

TRANSCRIPT

Page 1: Introduction deep learning - reza_chan.staff.gunadarma.ac.id

IntroductiondeeplearningPengantar DeepLearning

Page 2: Introduction deep learning - reza_chan.staff.gunadarma.ac.id

Pendukungsebuahklubjuarabertahanmemperkirakanbahwaklubmerekaakanmenjadijuaratahunini

Disebutprobabilitasawal“priorprobability”

Setelahkompetisiberlangsungselama6bulan,ternyataklubmerekamenderitabanyakkekalahan.Kini,merekaharusmerevisiprobabilitasyangsudahada,denganmembuatprobabilitasyanglebihbaikmenggunakaninformasitambahanyangdimiliki

Disebutprobabilitasrevisi“posteriorprobability”

CONTOHKASUS

Page 3: Introduction deep learning - reza_chan.staff.gunadarma.ac.id

PELUANGBERSYARAT

•Peluang terjadinya kejadian B jika diketahui suatukejadian lain A telah terjadi

Page 4: Introduction deep learning - reza_chan.staff.gunadarma.ac.id

Sebuah penerbangan reguler berangkat tepat pada waktunyaadalah P(B)=0,83.Peluang penerbangan itu mendarat tepatpada waktunya adalah P(A)=0,92dan peluang penerbanganitu berangkat dan mendarat tepat pada waktunya adalahP(AÇB)=0,78.Hitung peluang suatu pesawat pada penerbangan tersebut :

mendarat pada waktunya jika diketahui bahwa pesawat ituberangkat tepat pada waktunya

berangkat pada waktunya jika diketahui bahwa pesawattersebut mendarat tepat waktu.

CONTOH:

4

Page 5: Introduction deep learning - reza_chan.staff.gunadarma.ac.id

Jawab:Peluang pesawat mendarat tepat waktu bila diketahui pesawattersebut berangkat tepat waktu adalah :

P (AÇB) P(A/B) = P (A) 0.78 P(B/A) = 0.83 = 0.94

(B)

5

Page 6: Introduction deep learning - reza_chan.staff.gunadarma.ac.id

Peluang pesawat berangkat tepat waktu bila diketahui pesawattersebut mendarat tepat waktu adalah :

P (AÇB) P(B/A) = P (A)

0.78

P(B/A) = 0.92 = 0,85

6

Page 7: Introduction deep learning - reza_chan.staff.gunadarma.ac.id

7

Ruang sampel menyatakan populasi orang dewasa yangtelah tamat

SMUdi suatu kota tertentu dikelompokan menurut jenis kelamin dan

statusbekerja seperti dalam tabel berikut:Bekerja Tdk bekerja Jumlah

Laki-lakiWanita

460140

40260

500400

Jumlah 600 300 900

Populasi Orang Dewasa Telah Tamat SMU

Daerah tersebut akan dijadikan daerah pariwisata danseseorang akan dipilih secara acak dalam usahapenggalakan kota tersebut sebagai obyek wisata keseluruhnegeri. Berapa probabilitas lelaki yang terpilih ternyataberstatus bekerja?

CONTOH:

Page 8: Introduction deep learning - reza_chan.staff.gunadarma.ac.id

Jawab:Misalkan ;

- E=orang yangterpilih berstatus bekeja

- M=Lelaki yangterpilih

Probabilitas lelaki yangterpilih ternyata berstatus bekerja adalah

Daritabel diperoleh: &

Jadi:

P(M E)P(M/E)P(E)Ç

=

600 2900 3P(E) = = 460 23

900 45P(M E)Ç = =

2330

23 452 3/P(M/E)/

= =

Page 9: Introduction deep learning - reza_chan.staff.gunadarma.ac.id

9

Apabila terdapat suatu kondisi dimana probabilitas P(A/B)menjadi bernilai sama dengan P(A),maka dalam hal iniperistiwa Btidak mempunyai pengaruh terhadap terjadinyaperistiwa A,sehingga :

P(A/B)=P(A)Atau P(B/A)=P(B)

dinamakan sebagai peristiwa yangsaling bebas (independent)

Page 10: Introduction deep learning - reza_chan.staff.gunadarma.ac.id

Dengan demikian,bila terdapat peristiwa A1,A2,.....,Akyangsaling bebasmaka:

)().....().()....( 21321 kk APAPAPAAAAP =ÇÇÇ

)()()( BPAPBAp =Ç

antara Adan B, sesuai dengan aturan perkalian maka kondisisaling bebas tersebut :

10

Page 11: Introduction deep learning - reza_chan.staff.gunadarma.ac.id

Kaidahpenggandaan

• BilasuatupercobaankejadianAdanBkeduanyadapatterjadisekaligus,maka

P(AÇB)=P(A)P(B|A)• KarenakejadianAÇBdanBÇAsetara,dapatditulisjuga:P(AÇB)=P(BÇA)=P(B)P(A|B)

Page 12: Introduction deep learning - reza_chan.staff.gunadarma.ac.id

• Jika A adalah kejadian bahwa sekering pertama rusak,dan B kejadian sekering kedua rusak, maka P(AÇB)dapat ditafsirkan sebagai A terjadi, dan kemudian Bterjadi setelah A terjadi. Peluang mendapatkansekering rusak pada pengambilan pertama adalah ¼,dan peluang mendapatkan sekering rusak padapengambilan kedua adalah 4/19, sehingga:

Page 13: Introduction deep learning - reza_chan.staff.gunadarma.ac.id

• JikaSEKERINGAdimasukkankembalikedalamkotak,makapeluangmendapatkansekeringrusakpadapengambilan keduaadalahTETAPsebesar¼,sehinggaP(B|A)=P(B)dankeduakejadianAdanBdikatakanBEBAS.

• Sehinggadiperolehpenggandaankhusus:• P(AÇB)=P(A)P(B)

Page 14: Introduction deep learning - reza_chan.staff.gunadarma.ac.id

2.Dalamsebuahkotakterdapat10gulunganfilm,dandiketahuibahwa3diantaranyarusak.Hitungpeluangbila2buahgulunganfilmrusakdiambilacaksatupersatusecaraberurutan.

Jawab:MisalA:peristiwaterambilgulunganpertamarusak

B:peristiwaterambilgulungankeduarusakMakapeluangkeduagulunganrusakadalah:

=1/1514

Page 15: Introduction deep learning - reza_chan.staff.gunadarma.ac.id

Teorema Bayes

A= (B∩A) ∪ (B’ ∩ A)

P(A) = P(B∩A) + P(B’∩A)= P(B).P(A│B) + P(B’).P(A│B’)

S

A

B’

B

Page 16: Introduction deep learning - reza_chan.staff.gunadarma.ac.id

Aturan BayesPandang diagram venn berikut:

saling terpisah, jadi

Diperoleh rumus

E AÇ cE AÇ

cE

E

A

cA (E A) (E A)= Ç È Ç

DiagramVennuntuk kejadian A,Edan cE

c(E A)dan(E A)Ç Ç

c

c

c c

P(A) P (E A) (E A)

P(E A) P(E A)

P(E)P(A E) P(E )P(A E )

é ù= Ç È Çê úë û

= Ç + Ç

= +

Page 17: Introduction deep learning - reza_chan.staff.gunadarma.ac.id

ContohRuang sampel menyatakan populasi orang dewasa yangtelah tamat

SMUdi suatu kota tertentu dikelompokan menurut jenis kelamin dan status

bekerja seperti pada tabel sbb:

Daerah ini akan dijadikan daerah pariwisata dan seseorang akan

dipilih secara acak dalam usaha penggalakan kota tersebut sebagai obyek

wisata keseluruh negeri. Dan diketahui bahwa ada 36 orang yang berstatus

bekerja dan 12 orang berstatus menganggur adalah anggota koperasi.

Berapa peluang orang yang terpilih ternyata anggota koperasi?

Bekerja Tdk bekerja JumlahLaki-lakiWanita

460140

40260

500400

Jumlah 600 300 900

Page 18: Introduction deep learning - reza_chan.staff.gunadarma.ac.id

Jawab:Misal: E=orang yangterpilih berstatus bekeja

A=orang yangterpilih anggota koperasiDaritabel diperoleh: 600 2

900 3P(E) = =

131cP(E ) P(E)= - =

36 3600 50P(A E) = =

12 1300 25

cP(A E ) = =

Jadi peluang orang yangterpilih anggota koperasi adalah

32 1 13 50 3 25475

c cP(A) P(E)P(A E) P(E )P(A E )

( ) ( ) ( ) ( )

= +

= +

=

Page 19: Introduction deep learning - reza_chan.staff.gunadarma.ac.id

323 50P(E)P(A /E) ( )( )=

2 13 25

c cP(E )P(A /E ) ( )( )=125

cP(A /E ) =

23P(E) =

350P(A /E) = AE

cE ADiagrampohon untuk data

Jika dalam ruang sampel (S)terdapat kejadian-kejadian saling lepas

dengan probabilitas ≠ 0, dan bila ada kejadian A yang mungkin dapat terjadi pada

kejadian , maka probabilitas kejadian A adalah:

dengan:

dan saling terpisah

1 2 kB ,B ,......,B

1 1

1 1 2 2

k ki i i

i i

k k

P(A) P(B A) P(B )P(A B )

P(B )P(A B ) P(B )P(A B ) ..... P(B )P(A B )= -

= Ç =

= + + +

å å

1 2 kA (B A) (B A) ..... (B A)= Ç È Ç È È Ç

1 2 kB A , B A, ......... ,B AÇ Ç Ç

𝑃(𝐸𝐶) =13

1 2 kB ,B ,......,B

Page 20: Introduction deep learning - reza_chan.staff.gunadarma.ac.id

DiagramVenn:

Penyekatan ruang sampel S

A1B

2B 3B 4B

5B

6B

7BkB

Jika kejadian-kejadian merupakan sekatan dari ruang sampel S

dengan ,maka utk sembarang kejadian A,

berlaku

untuk r=1,2,….,k

1 2 kB ,B ,......,B

( ) 0 ; 1,2,....,iP B i k¹ =

0P(A) ¹

1 1

r r rr k k

i i ii i

P(B A) P(B )P(A B )P(B A)P(B A) P(B )P(A B )

= =

Ç= =

Çå å

Page 21: Introduction deep learning - reza_chan.staff.gunadarma.ac.id

Contoh:

Tiga anggota dari sebuah organisasi dicalonkan sebagai ketua. Telah

diketahui peluang bpk Ali (A) terpilih 0,3 ; peluang bpk Basuki (B) terpilih 0,5 dan

peluang bpk Catur (C) terpilih 0,2. Juga telah diketahui peluang kenaikan iuran

anggota jika A terpilih 0,8 ; jika B terpilih 0,1 dan jika C terpilih 0,4.

a). Berapa peluang iuran anggota akan naik ?

b).Berapa peluang bpk Cterpilih sbg ketua jikaterjadikenaikaniuran??

Jawab:Misal: I:iuran anggota dinaikan

A:pakAliterpilih

B:pakBasukiterpilih

C:pak Catur terpilih

0 3P(A) ,® =

0 5P(B) ,® =

0 2P(C) ,® =

Page 22: Introduction deep learning - reza_chan.staff.gunadarma.ac.id

Diketahuidarisoal:;;

a).Peluang iuran anggota akan naik adalah

b).Peluang bapak Cterpilih sebagai ketua jikaterjadikenaikaniuranadalah

0 8P(I A) .= 0 1P(I B) .= 0 4P(I C) .=

0 3 0 8 0 5 0 1 0 2 0 40 24 0 05 0 080 37

P(I) P(A)P(I A) P(B)P(I B) P(C)P(I C)( . )( . ) ( . )( . ) ( . )( . ). . ..

= + += + += + +=

0 2 0 40 3 0 8 0 5 0 1 0 2 0 80 08 80 37 37

P(C)P(I C)P(C I)P(A)P(I A) P(B)P(I B) P(C)P(I C)

( . )( . )( . )( . ) ( . )( . ) ( . )( . )..

=+ +

=+ +

= =

Page 23: Introduction deep learning - reza_chan.staff.gunadarma.ac.id

TeoremaBayes

danKasusSalahdeteksi(falsepositive)

• Pada suatu daerah, terdapat penyakit langka yang menyerang 1 dari1000 orang di dalam populasi tsb. Terdapat suatu tes yang bagus untuksuatu jenis penyakit, tapi tes tersebut belum sempurna. Jika seseorangterjangkit penyakit itu, tes menunjukkan hasil positif 99% benar. Di sisilain, tes ini juga salah deteksi. Sekitar 2% pasien yang tidak terinfeksijuga positif.• Kamu baru saja dites dan hasilnya positif. Berapa peluangmu sungguh2terinfeksi??

Page 24: Introduction deep learning - reza_chan.staff.gunadarma.ac.id

Jawab:

• Terdapat2keadaanuntukdianalisa:A:pasienmengidappenyakit/terinfeksiB:hasiltespasienpositif

Informasikeefektifantesdapatditulis:P(A)=0,001(1dari1000orangterinfeksi)P(B|A)=0,99(probabilitastespositif,denganinfeksisebesar0,99)P((B|tidakA)=0,02(probabilitastespositif,tapi tidak terinfeksi)Masalahyaadalah:P(A|B)=berapa??(probabilitasterinfeksi,hasilpositif)

Page 25: Introduction deep learning - reza_chan.staff.gunadarma.ac.id

Jawab(lanjutan)

• Buattabel2x2yangmembagiruangsampelmenjadi4peristiwayangsalingmeniadakan.• Tabelinimenyajikansemuakombinasiyangmungkindarikondisipenyakitdanhasiltes.

A TIDAKAB A DANB TIDAKADANB

TIDAKB A DANTIDAKB TIDAKADANTIDAKB

Page 26: Introduction deep learning - reza_chan.staff.gunadarma.ac.id

Jawab(lanjutan)

• Probabilitasmasing-masingperistiwa:

A TIDAKA jumlahB P(A DANB) P(TIDAKADANB) P(B)

TIDAKB P(A DANTIDAKB) P(TIDAKADANTIDAKB) P(TIDAK B)

P(A) P(TIDAKA) 1

Sekarang kitahitung:• P(A danB)=P(A)P(B|A)=(0,001)(0,99)=0,00099• P(TidakA danB)=P(tidakA)P(B| tidakA)

=(0,999)(0,02)=0,01998

Page 27: Introduction deep learning - reza_chan.staff.gunadarma.ac.id

Jawab(lanjutan)

•Sehinggadiperoleh:A TIDAKA jumlah

B 0,00099 0,01998 0,02097

TIDAKB A DANTIDAKB P(TIDAKADANTIDAKB) P(TIDAK B)

0,001 0,999 =1– 0,001 1

A TIDAKA jumlahB 0,00099 0,01998 0,02097

TIDAKB 0,00001 0,97902 0,97903

0,001 0,999 1

Page 28: Introduction deep learning - reza_chan.staff.gunadarma.ac.id

P(A|B)=P(A)P(B|A)P(A)P(B|A)+P(TIDAKA)P(B| TIDAKA)

• Diperoleh:• P(A|B)=P(AdanB) =0,00099=0,0472

P(B)0,02097

28

TeoremaBayes

Page 29: Introduction deep learning - reza_chan.staff.gunadarma.ac.id

Terima kasih