UJIAN AKHIR SEMESTER GANJIL-MACHINE LEARNING

 NAMA            : ERSHA SEPTIANI

KELAS/NIM   : INFORMATIKA B / 18.01.013.049

JAWABAN      :

1. Revolusi teknologi sedang berlangsung dan mengaburkan batas antara fisik, digital, dan biologis. sederhananya "Revolusi industri kempat adalah bagaimana teknologi seperti kecerdasan buatan, kendaraan otonom, dan internet saling memengaruhi kehidupan manusia". Adapun tahapan revolusi industri sebelumnya yaitu :

1. Revolusi Industri 1.0 dimulai pada abad ke-18 dengan adanya penemuan mesin uap dan mesin manufaktur, mesin-mesin ini dikembangkan untuk membantu para pekerja.
2. Revolusi industri 2.0 ditandai dengan adanya produksi masal, mesin listrik dan standarisasi industri pada  abad ke-19. Listrik menjadi sumber utama kekuasaan. penggunaan listrik lebih efektif darpada tenaga uap atau air karena produksi difokuskan ke satu mesin saja. dan pada akhirnya mesin dirancang dengan sumber daya sendiri dan membuatnya lebih portable.
3. Revolusi industri 3.0 ditandai dengan adanya komputer dan teknologi informasi pada abad ke-20, penemuan dan pembuatan perangkat elektronik seperti transistor dan kemudian chip sirkuit terintegrasi memungkinkan untuk lebih mengotomatisasi mesin-mesin individual untuk melengkapi atau mengganti operator. di periode ini juga melahirkan pengembangan sistem perangkat lunak untuk memanfaatkan perangkat keras elektronik. 
4. dan saat ini sedang berada di era revolusi industri 4 di abad ke-21 dimana industri 4.0 menghubungkan Internet Of Things(IOT) dengan teknik manufaktur untuk memungkinkan sistem berbagai informasi, menganalisanya, dan menggunakannya untuk memandu tindakan cerdas. Revolusi ini dikenal juga dengan istilah Smart Factory, dimana dilakukan penerapan konsep otomatisasi oleh mesin tanpa memerlukan lagi tenaga manusia dalam pengaplikasiannya. Inovasi baru Internet Of Things (IOT), Big Data, Percetakan 3D, Artificial Intellegence (AI), kendaraan tanpa pengemudi, rekayasa genetika, dan robot. Sejumlah perusahaan sudah memberlakukan revolusi industri 4.0 contohnya Amazon, Tesla, Uber, DHL, Suzuki, Adidas, dan Nestle. Saat ini di indonesia telah menggunakan teknologi robot pada operasional pabrik suzuki

b. Untuk menghadapi atau beradaptasi di era digital atau di revolusi industri 4.0 tidak hanya mengandalkan jempol  saja akan tetapi ada hal yang lebih penting pertama, memperkuat Sumber Daya Manusia yang ada. Ada banyak pekerjaan di masa depan yang terintegritas dengan teknologi, karena itulah harus ada keterampilan dan kemampuan di bidang teknologi, dan semua itu di mulai dari bangku sekolah serta ketersediaan internet untuk semua kalangan. 

2. Script :

Shell :

3. Jenis-jenis operator pada bahasa Python :

• Operator Aritmatika (Arithmetic Operators)
• Operator Perbandingan (Comparison (Relational) Operators)
• Operator Penugasan (Assignment Operators)
• Operator Logika (Logical Operators)
• Operator Bitwise (Bitwise Operators)
• Operator Keanggotaan (Membership Operators)
• Operator Identitas (Identity Operators)
• 
  

4. Perbedaan sisi kerja operator keanggotaan dan operator identitas :

a. Operator identitas adalah operator yang bisa dipakai untuk memeriksa apakah nilai sebuah variabel ada di tempat yang sama (di memory) atau tidak. Operator ini dikenal juga sebagai identity operators.

Operator ini terdiri dari 2 jenis:

Operator	Penjelasan
is	Bernilai True jika kedua operand merujuk ke object yang sama dan berisi nilai yang sama
is not	Bernilai True jika kedua operand merujuk ke object yang tidak sama

b. Operator keanggotaan adalah operator yang dipakai untuk memeriksa apakah suatu nilai ada di dalam sebuah himpunan atau tidak. Himpunan yang dimaksud terdiri dari tipe data “berbentuk array” seperti string, list, tuple, set dan dictionary. Operator ini dikenal juga sebagai membership operators.

Operator ini terdiri dari 2 jenis:

Operator	Penjelasan
in	Bernilai True jika nilai yang dicari ada di dalam himpunan
not in	Bernilai True jika nilai yang dicari tidak ada dalam himpunan

5. Metode KNN (K-Nearest Neighbor)

    K-nearest neighbors atau KNN adalah algoritma yang berfungsi untuk melakukan klasifikasi suatu data berdasarkan data pembelajaran(train data sets), yang diambil dari k tetangga terdekatnya (nearest neighbors). Dengan k merupakan banyaknya tetangga terdekat. (https://www.advernesia.com/blog/data-science/pengertian-dan-cara-kerja-algoritma-k-nearest-neighbours-knn/)

    K-Nearest Neighbor atau yang sering disingkat dengan KNN adalah salah satu algoritma yang digunakan untuk melakukan klasifikasi terhadap objek berdasarkan dari data pembelajaran (data training) yang jaraknya paling dekat dengan objek tersebut. Tujuan dari algoritma KNN adalah mengklasifikasikan objek baru berdasarkan atribut dan sampel-sampel dari data training.

    KNN adalah algoritma supervised learning yang maksudnya algoritma ini menggunakan data yang telah ada dan outputnya telah diketahui. KNN banyak dipergunakan pada aplikasi data mining, pattern recognition, image processing, dll. 

- penerapan metode KNN pada aplikasi penentuan golongan darah berdasarkan sifat

- penerapan algoritma KNN untuk penentuan resiko kredit kepemilikan kendaraan bermotor (https://media.neliti.com/media/publications/155541-ID-penerapan-algoritma-k-nearest-neighbor-u.pdf)

- penerapan algoritma KNN untuk prediksi waktu kelulusan mahasiswa (https://docplayer.info/67274206-Penerapan-algoritma-k-nearest-neighbor-k-nn-untuk-prediksi-waktu-kelulusan-mahasiswa.html)