https://inibudi.or.id/wiki/index.php?action=history&feed=atom&title=Q-Learning_vs_SARSA 2026-04-22T00:24:26Z Riwayat revisi halaman ini di wiki MediaWiki 1.43.0 https://inibudi.or.id/wiki/index.php?title=Q-Learning_vs_SARSA&diff=13089&oldid=prev 2025-07-30T05:23:59Z

<p>Batch created by Azure OpenAI</p> <p><b>Halaman baru</b></p><div>Q-Learning dan [[SARSA]] adalah dua algoritma populer dalam pembelajaran penguatan. Keduanya digunakan untuk menemukan kebijakan optimal, namun memiliki perbedaan mendasar dalam cara memperbarui nilai Q dan memilih aksi yang akan diambil oleh agen.<br /> <br /> == Perbedaan Utama ==<br /> Q-Learning dikenal sebagai off-policy, yaitu memperbarui nilai Q berdasarkan aksi terbaik yang bisa diambil pada langkah berikutnya, tanpa memperhatikan aksi yang benar-benar diambil. Sebaliknya, SARSA adalah on-policy, memperbarui nilai Q berdasarkan aksi aktual yang diambil oleh agen.<br /> <br /> == Keunggulan Q-Learning ==<br /> Q-Learning cenderung lebih agresif dalam mencari kebijakan optimal, karena selalu mengasumsikan agen akan memilih aksi terbaik selanjutnya. Hal ini membuat Q-Learning lebih cepat menemukan kebijakan optimal di lingkungan yang deterministik.<br /> <br /> == Kapan Menggunakan SARSA ==<br /> SARSA sering digunakan ketika lingkungan bersifat stochastik atau ketika eksplorasi berisiko tinggi. Dalam kasus ini, pembaruan berbasis aksi aktual membuat pembelajaran lebih stabil dan aman bagi agen.</div>

Budi