Basis Data

  Apa Itu Supervised Learning (Prediksi)? Supervised Learning adalah metode dalam machine learning di mana model dilatih menggunakan data yang sudah diberi label. Data ini terdiri dari fitur input dan output yang diketahui. Model belajar dari data ini untuk memprediksi output yang benar saat diberikan data baru. Prediksi dalam konteks supervised learning biasanya merujuk pada tugas regresi, di mana output yang diprediksi adalah nilai kontinu. Contohnya adalah memprediksi harga rumah berdasarkan fitur-fitur seperti ukuran, lokasi, dan kondisi rumah. Algoritma Prediksi dalam Supervised Learning Berikut adalah penjelasan tentang 30 algoritma prediksi yang sering digunakan dalam supervised learning: Linear Regression Deskripsi: Algoritma ini mencari garis terbaik yang meminimalkan jumlah kuadrat kesalahan antara prediksi dan nilai aktual. Cocok untuk hubungan linier antara variabel input dan output. Contoh: Memprediksi harga rumah berdasarkan ukuran dan lokasi. Ridge Regression Des...

  SUPERVISE LEARNING (KLASIFIKASI) & 30 ALGORITMA(KLASIFIKASI) YANG ADA DIDALAMNYA Apa Itu Supervised Learning (Klasifikasi)? Supervised Learning adalah teknik dalam machine learning di mana model dilatih menggunakan data yang sudah diberi label. Data ini terdiri dari input dan output yang sudah diketahui. Model mempelajari pola dari data tersebut untuk membuat prediksi yang akurat saat diberikan data baru. Klasifikasi adalah salah satu jenis supervised learning yang fokus pada prediksi output dalam bentuk kategori atau kelas. Contoh aplikasinya adalah mengidentifikasi email sebagai spam atau bukan, dan mengenali digit tulisan tangan. Algoritma Klasifikasi dalam Supervised Learning Berikut adalah 30 algoritma klasifikasi yang sering digunakan dalam supervised learning: 1. Logistic Regression: Digunakan untuk memprediksi probabilitas kejadian suatu peristiwa dengan fungsi logit. Meskipun namanya regresi, ia digunakan untuk tugas klasifikasi biner.     2. K-Nearest Nei...

 Data Preprocessing  A. Data Cleaning      Data cleaning adalah proses identifikasi, koreksi, dan penghapusan kesalahan serta ketidaksesuaian dalam dataset agar data tersebut dapat digunakan secara efektif dalam analisis. Dalam Google Colab : .str.replace("","") mengganti satu string di setiap baris kolom dengan string lainnya .str.split("") mengambil sebuah string dan memungkinkan Anda membagi kolom menjadi dua berdasarkan string tersebut .astype() memungkinkan Anda mengonversi kolom dari satu tipe ke tipe lainnya B. Data Collection      Data collection adalah proses pengumpulan informasi atau data dari berbagai sumber untuk tujuan analisis, penelitian, atau pengambilan keputusan. Dalam Google Collab : Collecting data dari Roboflow untuk selanjutnya dilakukan training C. Data Transform       Data transform adalah proses manipulasi atau perubahan struktur data dari satu bentuk ke bentuk lainnya untuk memenuhi kebutuhan analisis...

A. Data Preparation       Data preparation  adalah proses pengumpulan, penggabungan, penataan, dan pengorganisasian data sehingga dapat digunakan dalam aplikasi  business intelligence  (BI), analitik, dan visualisasi data. Proses ini   terkadang juga disebut dengan istilah  data wrangling .  Salah satu fungsi utama  data preparation  adalah memastikan keakuratan dan konsistensi data mentah yang disiapkan untuk pemrosesan dan analisis. Contoh dalam Google Colab : 1.  Persiapan Data dengan Pandas      Persiapan data yang akan digunakan dalam analisis adalah langkah pertama dalam analisis data statistik. Dalam kebanyakan kasus, sebagian besar waktu yang dihabiskan untuk proyek pemodelan statistik dihabiskan untuk mengimpor, membersihkan, memvalidasi, dan mengubah kumpulan data.      Dalam bagian ini, pandas, paket Python pihak ketiga yang sangat penting untuk analisis data, akan diperkenalk...

  Tahapan Data Mining A. Cross-Industry Standard Process for Data Mining          A dalah salah satu model proses datamining (datamining framework) yang awalnya (1996) dibangun oleh 5 perusahaan yaitu Integral Solutions Ltd (ISL), Teradata, Daimler AG, NCR Corporation dan  OHRA. Framework ini kemudian dikembangan oleh ratusan organisasi dan perusahaan di Eropa untuk dijadikan methodology standard non-proprietary bagi data mining Tahapan tahapan yang ada di  Cross-Industry Standard Process for Data Mining meliputi : 1. Business Understanding Adalah tahap pertama dalam CRISP-DM dan termasuk bagian yang cukup vital. Pada tahap ini membutuhkan pengetahuan dari objek bisnis, bagaimana membangun atau mendapatkan data, dan bagaimana untuk mencocokan tujuan pemodelan untuk tujuan bisnis sehingga model terbaik dapat dibangun. 2. Data Understanding Secara garis besar untuk memeriksa data, sehingga dapat mengidentifikasi masalah dalam data. Tahap i...

  Bagian 1. Pendahuluan                 Di era modern, meningkatkan kualitas pendidikan menjadi semakin sulit. Tingkat kelulusan yang tepat waktu dan durasi studi mahasiswa di perguruan tinggi adalah dua indikator keberhasilan pendidikan. Oleh karena itu, sangat penting untuk memahami dengan baik komponen yang memengaruhi kelulusan tepat waktu. Tujuan dari laporan ini adalah untuk melakukan analisis menyeluruh tentang komponen yang mempengaruhi kelulusan tepat waktu dan lama studi di lingkungan akademik. Di antara tugas analisis yang dilakukan adalah integrasi dan pembersihan data serta pengenalan pola atau tren yang mempengaruhi lulusan secara cepat. Dalam analisis lulusan tepat waktu, masalah berikut akan dibahas. 1.       Langkah-langkah apa saja dalam integrasi dan pembersihan data serta analisis pola lulusan tepat waktu? 2.       Bagaimana hasil an...