https://inibudi.or.id/wiki/index.php?action=history&feed=atom&title=Perbandingan_SARSA_dan_Q-learning 2026-05-25T22:16:46Z Riwayat revisi halaman ini di wiki MediaWiki 1.43.0 https://inibudi.or.id/wiki/index.php?title=Perbandingan_SARSA_dan_Q-learning&diff=13096&oldid=prev 2025-07-30T05:24:06Z

<p>Batch created by Azure OpenAI</p> <p><b>Halaman baru</b></p><div>Dalam dunia [[pembelajaran penguatan]], SARSA dan Q-learning adalah dua algoritma yang sering digunakan dan dibandingkan. Keduanya merupakan algoritma pembelajaran nilai yang bertujuan menemukan kebijakan optimal, namun memiliki perbedaan mendasar dalam mekanisme pembaruan nilainya.<br /> <br /> == On-policy vs Off-policy ==<br /> SARSA dikenal sebagai algoritma on-policy, artinya pembaruan nilai Q didasarkan pada aksi yang diambil sesuai dengan kebijakan saat ini. Sedangkan Q-learning bersifat off-policy, di mana pembaruan nilai dilakukan berdasarkan aksi terbaik yang bisa diambil menurut tabel Q, tidak harus aksi yang benar-benar diambil agen.<br /> <br /> == Dampak pada Proses Pembelajaran ==<br /> Perbedaan on-policy dan off-policy menyebabkan SARSA lebih sensitif terhadap kebijakan eksplorasi, seperti [[epsilon-greedy]]. SARSA cenderung lebih aman pada lingkungan yang dinamis dan berisiko, sementara Q-learning lebih agresif dalam mencari solusi optimal.<br /> <br /> == Kelebihan dan Kekurangan ==<br /> SARSA menawarkan kestabilan dan keamanan dalam lingkungan yang tidak pasti, namun bisa menghasilkan kebijakan yang kurang optimal dibandingkan Q-learning. Sebaliknya, Q-learning dapat lebih cepat menemukan kebijakan optimal, tetapi lebih berisiko jika kebijakan eksplorasi tidak diatur dengan baik.</div>

Budi