https://inibudi.or.id/wiki/index.php?action=history&feed=atom&title=Algoritma_SARSA_dalam_Temporal_Difference 2026-04-19T16:00:19Z Riwayat revisi halaman ini di wiki MediaWiki 1.43.0 https://inibudi.or.id/wiki/index.php?title=Algoritma_SARSA_dalam_Temporal_Difference&diff=13108&oldid=prev 2025-07-30T05:24:34Z

<p>Batch created by Azure OpenAI</p> <p><b>Halaman baru</b></p><div>SARSA adalah salah satu algoritma terkenal dalam keluarga [[Temporal Difference (TD) Learning]]. Nama SARSA merupakan singkatan dari State-Action-Reward-State-Action, yang menggambarkan urutan variabel yang terlibat dalam pembaruan nilai pada algoritma ini.<br /> <br /> == Mekanisme Pembaruan SARSA ==<br /> Pada setiap langkah, SARSA memperbarui estimasi nilai berdasarkan aksi yang benar-benar diambil oleh agen. Hal ini berbeda dengan [[Q-learning]], yang memperbarui nilai berdasarkan aksi terbaik yang mungkin.<br /> <br /> == Sifat On-Policy dari SARSA ==<br /> SARSA termasuk dalam algoritma on-policy, artinya pembaruan nilai dilakukan berdasarkan kebijakan yang sedang dijalankan oleh agen. Hal ini membuat SARSA lebih stabil dalam lingkungan yang berubah-ubah atau stochastik.<br /> <br /> == Aplikasi SARSA ==<br /> SARSA banyak digunakan dalam aplikasi di mana kebijakan explorasi eksplisit diperlukan, seperti dalam pengendalian robot dan permainan. Keunggulan utama SARSA terletak pada kemampuannya untuk mengatasi trade-off antara eksplorasi dan eksploitasi dengan lebih baik.</div>

Budi