nuluh/thesis
1
0
Fork 0
Code Issues 47 Pull Requests Actions Packages Projects Releases 1 Wiki Activity

feat(latex): add new glossary entries for explained variance ratio, standard scaler, grid search, and stratified k-fold and add efficiency metrics and SVM hyperparameters to notations

Browse Source
This commit is contained in:
Rifqi D. Panuluh
2025-10-15 12:03:17 +00:00
parent 866799fb65
commit e1376b6d03
4 changed files with 118 additions and 76 deletions
Download Patch File Download Diff File Expand all files Collapse all files

34
latex/frontmatter/glossaries.tex
View File

@@ -25,16 +25,40 @@
% \newglossaryentry{pemelajaran mesin}{}
% \addterm{machinelearning}{pemelajaran mesin}{pemelajaran mesin}{machine learning}{A program or system that trains a model from input data. The trained model can make useful predictions from new (never-before-seen) data drawn from the same distribution as the one used to train the model.}
% explained variance ratio
\newglossaryentry{explained-variance-ratio}{
name={explained variance ratio},
description={Proporsi variansi yang dapat dijelaskan oleh setiap komponen utama dalam analisis \gls{pca}. Metrik ini memberikan informasi tentang seberapa baik komponen tersebut merepresentasikan data asli.},
sort={Explained Variance Ratio}
}
\newglossaryentry{algoritma-genetika}{
name={Algoritma Genetika},
description={Kelas algoritma optimasi dan pencarian yang terinspirasi oleh proses evolusi biologis, seperti seleksi alam, mutasi, dan rekombinasi. Algoritma ini sering digunakan untuk menemukan solusi perkiraan untuk masalah yang kompleks dan sulit dipecahkan secara analitis.},
sort={Algoritma Genetika}
}
% standard scaler
\newglossaryentry{standard-scaler}{
name={standard scaler},
description={Metode normalisasi data yang mengubah fitur sehingga memiliki distribusi dengan rata-rata (\textit{mean}) nol dan standar deviasi satu.},
sort={standard scaler}
}
% grid search
\newglossaryentry{grid-search}{
name={grid search},
description={Metode pencarian \textit{hyperparameter} yang melibatkan eksplorasi sistematis dari kombinasi nilai-nilai \textit{hyperparameter} yang telah ditentukan sebelumnya. Setiap kombinasi dievaluasi menggunakan teknik \gls{cross-validation} untuk menentukan kinerja model, dan kombinasi terbaik dipilih berdasarkan metrik evaluasi yang diinginkan.},
sort={grid search}
}
% stratified k-fold
\newglossaryentry{stratified-k-fold}{
name={stratified k-fold},
description={Teknik pembagian data untuk \gls{cross-validation} di mana data dibagi menjadi \(k\) bagian (\textit{fold}) dengan mempertahankan proporsi kelas yang sama di setiap \textit{fold}. Hal ini penting untuk \textit{dataset} yang tidak seimbang, karena memastikan bahwa setiap \textit{fold} mencerminkan distribusi kelas asli, sehingga menghasilkan evaluasi model yang lebih andal.},
sort={stratified k-fold}
}
\newglossaryentry{deep-learning}{
name={\textit{deep learning}},
name={deep learning},
description={Bagian dari keluarga metode pembelajaran mesin yang lebih luas berdasarkan jaringan saraf tiruan dengan banyak lapisan (deep neural networks). Arsitektur ini memungkinkan model untuk belajar representasi data secara hierarkis, mulai dari fitur tingkat rendah hingga konsep abstrak tingkat tinggi.},
sort={Pembelajaran Mendalam}
sort={deep learning}
}
\newglossaryentry{jaringan-saraf-tiruan}{
@@ -73,10 +97,10 @@
sort={Heuristik}
}
\newglossaryentry{validasi-silang}{
name={Validasi Silang (Cross-Validation)},
\newglossaryentry{cross-validation}{
name={cross-validation},
description={Teknik statistik untuk mengevaluasi seberapa baik hasil analisis statistik (seperti model prediktif) akan generalisasi ke kumpulan data independen. Ini penting untuk menghindari overfitting dan mendapatkan estimasi kinerja model yang lebih andal pada data yang belum pernah dilihat.},
sort={Validasi Silang}
sort={cross-validation}
}
\newglossaryentry{bias-algoritmik}{