- 52
- 749 442
Kuliah Informatika
Indonesia
Registrace 29. 01. 2009
Assalaamu'alaikum. Halo semuanya, perkenalkan nama saya Muhammad Fachrie. Channel ini khusus saya buat untuk berbagi materi perkuliahan di bidang Informatika, khususnya pada mata kuliah Kecerdasan Buatan, Data Analitik, Basis Data, dan Algoritma Pemrograman. Selain itu, saya juga akan berbagi video-video berupa tips ringan bagi mahasiswa Informatika untuk menjalani masa studinya.
Semoga konten channel ini bermanfaat dan jangan lupa untuk subscribe pada channel ini agar kita bisa terus sama-sama belajar.
Semoga konten channel ini bermanfaat dan jangan lupa untuk subscribe pada channel ini agar kita bisa terus sama-sama belajar.
Klasterisasi Data dengan K-Means pada Aplikasi Rapidminer
Pada video ini kita belajar melakukan klasterisasi data (data clustering) menggunakan salah satu algoritma unsupervised learning, yakni K-Means. Berbeda dengan klasifikasi yang merupakan teknik supervised learning, klasterisasi (clustering) tidak membutuhkan label karena pengelompokan data dilakukan berdasarkan kemiripan data. Di awal video, kita akan membahas dulu mengenai konsep dasar klasterisasi (clustering), perbedaan klasifikasi dan klasterisasi (clustering), dan bagaimana cara kerja K-Means. Selain itu, kita juga membahas bagaimana menentukan nilai k 9 (klaster) yang tepat menggunakan elbow method. Selamat menonton :)
Link unduh dataset: tinyurl.com/43cbe3kz
#machinelearning #artificialintelligence #naivebayes #rapidminer
*catatan: video nomor 4, 5, dan 6 belum sempat dibuat karena ini menyesuaikan dengan kegiatan perkuliahan di kampus. Namun nanti video ke-4, 5, dan 6 akan disusulkan dengan topik mengenai logistic regression, neural networks, dan k-nearest neighbors.
Link unduh dataset: tinyurl.com/43cbe3kz
#machinelearning #artificialintelligence #naivebayes #rapidminer
*catatan: video nomor 4, 5, dan 6 belum sempat dibuat karena ini menyesuaikan dengan kegiatan perkuliahan di kampus. Namun nanti video ke-4, 5, dan 6 akan disusulkan dengan topik mengenai logistic regression, neural networks, dan k-nearest neighbors.
zhlédnutí: 47 174
Video
Teknik Blind Search (BFS, DFS, dan UCS) pada Kecerdasan Buatan - Kuliah AI #03
zhlédnutí 28KPřed 2 lety
Blind Search merupakan salah satu teknik di dalam Kecerdasan Buatan yang merupakan teknik pencarian deterministik tanpa informasi yang mengarahkan pada goal state (tujuan). Ada tiga algoritma Blind Search yang dibahas di dalam video ini, yakni Breadth First Search (BFS), Depth First Search (DFS), dan Uniform Cost Search (UCS). Setiap algoritma dibahas mulai dari prinsip dasar pencariannya hingg...
Klasifikasi Data dengan Naive Bayes Classifier pada Aplikasi Rapidminer
zhlédnutí 41KPřed 2 lety
Pada video ini kita belajar melakukan klasifikasi data menggunakan salah satu algoritma Machine Learning, yakni Naive Bayes Classifier. Berbeda dengan Decision Tree yang menghasilkan model/ knowledge berupa pohon keputusan, algoritma Naive Bayes menghasilkan model/ knowledge (pengetahuan) berupa nilai probabilitas pada dataset. Di video ini, kita juga membahas membandingkan akurasi antara algor...
Mengenal Konsep Ruang Keadaan pada Teknik Searching (Kecerdasan Buatan) - Kuliah AI #02
zhlédnutí 27KPřed 2 lety
Ini adalah video kedua pada seri perkuliahan Kecerdasan Buatan atau Artificial Intelligence (AI). Pada video ini, kita akan belajar bagian awal dari teknik Searching pada Kecerdasan Buatan, yakni Ruang Keadaan (state space). Ruang keadaan merupakan komponen yang terdiri dari intial state (kondisi awal), goal state (kondisi akhir/ tujuan), dan sekumpulan operator untuk berpindah dari satu state ...
Mengenal Artificial Intelligence (Kecerdasan Buatan) - Kuliah AI #01
zhlédnutí 149KPřed 2 lety
Ini adalah video pertama pada seri perkuliahan Kecerdasan Buatan atau Artificial Intelligence (AI). Pada video ini, kita akan belajar mengenai konsep dasar dari Artificial Intelligence (AI), bagaimana penerapannya di dalam kehidupan sehari-hari, dan teknik-teknik apa saja yang ada di dalamnya. Pada video ini, kita akan membahas Artificial Intelligence (AI) secara umum dengan contoh-contoh yang ...
02 - Klasifikasi Data dengan Decision Tree pada Aplikasi Rapidminer
zhlédnutí 43KPřed 2 lety
Pada video ini kita belajar melakukan klasifikasi data menggunakan salah satu algoritma Machine Learning, yakni Decision Tree. Algoritma tersebut melakukan pembelajaran terhadap data latih (training data) dan menghasilkan pengetahuan (knowledge) berupa pohon keputusan (decision tree). Pada video ini, kita juga membahas algoritma Random Forest yang merupakan bentuk lebih canggih dari Decision Tr...
01 - Berkenalan dengan Machine Learning
zhlédnutí 45KPřed 2 lety
Pada video ini kita membahas tentang apa itu Machine Learning, bagaimana cara kerjanya, dan bagaimana penerapannya dalam kehidupan kita saat ini. Ada banyak sekali aplikasi ataupun teknologi di sekitar kita yang sebetulnya menggunakan Machine Learning, dan semuanya itu kita bahas di dalam video ini. Setelah menonton video ini, diharapkan para penonton memiliki gambaran umum tentang Machine Lear...
Ini Bedanya Teknik Informatika dengan jurusan lainnya
zhlédnutí 7KPřed 2 lety
Di video ini kita membahas perbedaan beberapa jurusan di bidang komputer dan informatika, yakni Teknik Informatika, Ilmu Komputer, Sistem Informasi, Teknik Komputer, Rekayasa Perangkat Lunak, dan Teknologi Informasi. Bagi adik-adik SMA yang berencana untuk kuliah di bidang komputer, video ini mudah-mudahan bisa memberikan pencerahan, sehingga tidak bingung lagi mau memilih Teknik Informatika at...
Neural Networks untuk Pemula - Perkuliahan Soft Computing #06
zhlédnutí 18KPřed 2 lety
Di video kali ini, kita membahas salah satu algoritma Soft Computing yang juga merupakan salah satu teknik dalam Machine Learning yang sangat populer dan handal, yakni Artificial Neural Networks (Jaringan Saraf Tiruan), atau yang lebih sering disebut Neural Networks. Video ini ditujukan bagi para pemula yang ingin mempelajari konsep dasar Neural Networks alur yang mudah dipahami. Pembahasan men...
Tutorial mengubah atribut regular menjadi label pada Rapidminer
zhlédnutí 8KPřed 2 lety
Sebelum dataset dapat digunakan pada masalah klasifikasi, maka salah satu atribut pada dataset harus diset sebagai label. Pada Rapidminer, setidaknya ada tiga cara yang dapat dilakukan untuk mengubah atribut biasa menjadi label, yakni melakukan set role saat mengimport data, atau menggunakan operator set rore, atau bisa juga dengan mengubah meta data pada panel parameter. Video sebelumnya tenta...
Analisis Sentimen data Twitter dengan Rapidminer - Seri Perkuliahan Data Analytic & Data Mining #13
zhlédnutí 26KPřed 2 lety
Pada video ini, kita belajar melakukan analisis sentimen dari data Twitter berbahasa Indonesia menggunakan algoritma Naive Bayes, yakni salah satu teknik Machine Learning yang banyak digunakan pada permasalahan analisis sentimen. Terdapat dua bagian yang dibahas dalam video ini, bagian pertama membahas proses pembangunan model klasifikasi sentimen menggunakan algoritma Naive Bayes dengan data l...
Membuat Dataset Analisis Sentimen di Rapidminer - Seri Perkuliahan Data Analytic & Data Mining #12
zhlédnutí 19KPřed 2 lety
Pada video ini, kita belajar mempersiapkan dataset yang akan kita pakai pada proses analisis sentimen. Proses penyiapan dataset ini terdiri dari proses replace, filter example, remove duplicates, dan write csv. Video sebelumnya dapat dilihat di sini: czcams.com/video/WxlPn2lJU48/video.html Link unduh dokumen stopword Bahasa Indonesia: www.kaggle.com/oswinrh/indonesian-stoplist Link unduh datase...
Wordcloud dari Data Twitter dengan Rapidminer - Seri Perkuliahan Data Analytic & Data Mining #11
zhlédnutí 10KPřed 2 lety
Halo teman-teman semua. Pada video ini, kita belajar mengenai teknik visualisasi data teks menggunakan Rapidminer. Data teks yang diperoleh dari Twitter akan sangat menarik jika divisualisasikan dalam format wordcloud, sehingga kita dapat dengan mudah mengetahui hal-hal apa saja yang paling sering dibahas atau disebut oleh netizen di Twitter. Jika teman-teman belum sempat menonton video sebelum...
Pemrosesan Teks dengan Rapidminer - Seri Perkuliahan Data Analytic & Data Mining #10
zhlédnutí 23KPřed 2 lety
Halo teman-teman semua. Pada video ini, kita belajar mengenai teknik pemrosesan teks. Teks yang kita gunakan pada tutorial ini bersumber dari media sosial Twitter. Pemrosesan teks tersebut berguna untuk menganalisis informasi penting ataupun kata-kata yang paling sering muncul/ disebut. Untuk dapat melakukan pemrosesan teks, kalian harus menginstall terlebih dahulu sebuah ekstensi bernama "Text...
Tutorial Instalasi Extension pada Rapidminer Studio
zhlédnutí 7KPřed 2 lety
Halo teman-teman semuanya. Pada video kali ini, kita akan belajar cara melakukan instalasi extension (operator tambahan) pada Rapidminer Studio. Extension atau operator tambahan ini merupakan salah satu fitur unggulan dari Rapidminer, sehingga kita dapat melengkapi operator-operator bawaan yang sudah disediakan sebelumnya oleh Rapidminer. Ada banyak sekali extension yang dapat dipasang, di anta...
Crawling Data Twitter dengan Rapidminer - Seri Perkuliahan Data Analytic & Data Mining #09
zhlédnutí 23KPřed 2 lety
Crawling Data Twitter dengan Rapidminer - Seri Perkuliahan Data Analytic & Data Mining #09
Agregasi Data dengan Rapidminer - Seri Perkuliahan Data Analytic & Data Mining #08
zhlédnutí 3,8KPřed 2 lety
Agregasi Data dengan Rapidminer - Seri Perkuliahan Data Analytic & Data Mining #08
Manipulasi Data dengan Rapidminer - Seri Perkuliahan Data Analytic & Data Mining #07
zhlédnutí 3,2KPřed 2 lety
Manipulasi Data dengan Rapidminer - Seri Perkuliahan Data Analytic & Data Mining #07
Data Filtering dengan Rapidminer - Seri Perkuliahan Data Analytic & Data Mining #06
zhlédnutí 6KPřed 2 lety
Data Filtering dengan Rapidminer - Seri Perkuliahan Data Analytic & Data Mining #06
Rekayasa Atribut Dataset pada Rapidminer - Seri Perkuliahan Data Analytic & Data Mining #05
zhlédnutí 6KPřed 2 lety
Rekayasa Atribut Dataset pada Rapidminer - Seri Perkuliahan Data Analytic & Data Mining #05
Menggabungkan Data pada Rapidminer - Seri Perkuliahan Data Analytic & Data Mining #04
zhlédnutí 9KPřed 2 lety
Menggabungkan Data pada Rapidminer - Seri Perkuliahan Data Analytic & Data Mining #04
Optimasi Sistem Inferensi Fuzzy (Fuzzy Grid Search) - Perkuliahan Soft Computing #05
zhlédnutí 6KPřed 2 lety
Optimasi Sistem Inferensi Fuzzy (Fuzzy Grid Search) - Perkuliahan Soft Computing #05
Operasi Boolean Citra Digital - Perkuliahan Pengolahan Citra Digital #06
zhlédnutí 3,5KPřed 2 lety
Operasi Boolean Citra Digital - Perkuliahan Pengolahan Citra Digital #06
Operasi Aritmetika Citra Digital - Perkuliahan Pengolahan Citra Digital #05
zhlédnutí 4,8KPřed 2 lety
Operasi Aritmetika Citra Digital - Perkuliahan Pengolahan Citra Digital #05
Membuka dan Membaca Data pada Rapidminer - Seri Perkuliahan Data Analytic & Data Mining #03
zhlédnutí 13KPřed 2 lety
Membuka dan Membaca Data pada Rapidminer - Seri Perkuliahan Data Analytic & Data Mining #03
Normalisasi dan Ekualisasi Histogram - Perkuliahan Pengolahan Citra Digital #04
zhlédnutí 8KPřed 2 lety
Normalisasi dan Ekualisasi Histogram - Perkuliahan Pengolahan Citra Digital #04
Histogram Warna Citra Digital - Perkuliahan Pengolahan Citra Digital #03
zhlédnutí 8KPřed 2 lety
Histogram Warna Citra Digital - Perkuliahan Pengolahan Citra Digital #03
Dasar Pengolahan Citra Digital dengan Python dan OpenCV (Praktikum - PCD)
zhlédnutí 11KPřed 2 lety
Dasar Pengolahan Citra Digital dengan Python dan OpenCV (Praktikum - PCD)
Tiga Teknik Defuzzification (Fuzzy Logic) - Perkuliahan Soft Computing #04
zhlédnutí 7KPřed 2 lety
Tiga Teknik Defuzzification (Fuzzy Logic) - Perkuliahan Soft Computing #04
Fuzzification dan Inference (Fuzzy Logic) - Perkuliahan Soft Computing #03
zhlédnutí 7KPřed 2 lety
Fuzzification dan Inference (Fuzzy Logic) - Perkuliahan Soft Computing #03
Saya baru dengar AI Minggu ini❤
Untuk tabel dataset sentimennya dibedakan seperti biasa kan pak?
dibedakan bagaimana maksudnya?
@@KuliahInformatika dibedakan kolomnya. karena kata teman saya kokomnya satu tapi dibedakan titik koma
bro tolong buat materi Gaussian, Bernaulli dan Binomial
bang di rapidminer apakah bisa menghitung waktu komputasi merujuk pada daya pemrosesan, memori, jaringan, penyimpanan, dan sumber daya lainnya yang diperlukan agar komputasi program berhasil pada sebuah dataset? mohon di jawab terimakasih
kalau waktu komputasi ada, kita bisa lihat di bagian kiri bawah pada saat proses berlangsung. Tapi secara spesifik, rapidminer tidak support untuk menghitung waktu komputasi yang detil seperti Anda tuliskan.
37:30 izin koreksi pak, itu random forestnya belum diceklis pruning sama prepruningnya, jadi akurasinya bisa terlalu overfitting, dan bisa terlihat dari jumlah cabang pada random forest terlalu banyak dibandingkan decision tree. Terimakasih banyak atas ilmunya pak, saya jadi lebih paham lagi tentang machine learning berbasis tree.
Ahh.. siap.. terima kasih koreksinya ya
Kepala agak pusing
Pak izin bertanya, Kenapa pada pohon keputusan itu yang muncul cuman satu atribute saja?
Berarti cuma satu atribut itu saja yang memiliki pengaruh terhadap klasifikasi datanya
pak ,knp di bagian operators gk ada search twitter
Memang sudah nggak ada lagi sejak Elon Musk menutup akses ke Twitter API. Alternatifnya coba pakai python, search di google tutori twit crawling dengan python
sebelumnya maaf saya ingin menghubungi bapak, untuk menanyakan tools rapidminer lebih dalam, bisa dihubungi lwat apa ya pak?
Silakan bisa via email ke muhammad.fachrie@staff.uty.ac.id
trimakasih ilmunya pak dosen
Sama2 bu. Semoga bermanfaat
Pak pembahasan confusion matix divideo yang mana ya?
Belum ada mbak video yang khusus bahas confusion matrix, mohon maaf.
Bang kenapa kolom sentimen saya hasilnya bergabung dengan kolom text?
Hmm.. bergabung gimana maksudnya? Jadi satu kolom begitu? Harusnya beda kolom
@@KuliahInformatika iya pak jadi 1 kolom text dan sentimen nya gabung
@@vindarjaya wah, unik nih.. saya sulit untuk kasih solusi karena ga tau workflow yang dibuat seperti apa
@@KuliahInformatika masih cari solusi juga ini. Udah buat excel berkali kali masih sama
Gimana solusinya ya pa? Textnya masih gabung dengan sentimen
wedeeehhh... ga nyangka bs ktmu lg sm Fachri, tinggal di mana dikau skrg ?
Ya Allaah.. maasya Allah.. kak mail.. aku sekarang tinggal di jogja kak. La sejak 2015. Ngajar di PTS di sini. Kak mail apo kabar? Masih di NF kak? Lamo nian dak ketemu.. mudah2an sehat galo2 kak.
@@KuliahInformatika Alhamdulillah Kk' msh di NF, selain ngajar sdh bbrp tahun ini dpt amanah jg di divisi IT nyo NF. Pas browsing2 ttg AI ini eh tetiba muncul rekomendasi video dari KuliahInformatika 👍🤩
Klo bermodalkan ilmu programming, kr2 butuh brp lamo Fachri utk menguasai AI atau ML ?
@@IsmailMKgs maasya Allah.. masih setia di NF. Kalu kak mail, insya Allah cepet kak mahami ML ini, kareno kk la biso programming dan jago matematika.. naah cocok itu kak. ML itu isinyo matematika galo, terutama persamaan garis, probabilitas, statistika. Kalu nak praktis, banyak library machine learning yang biso tinggal pake, misalnyo scikitlearn dan tensorflow (bahasa python)
Sejauh ini, penjelasan mas yang paling enak ditangkap dengan bahasa yg humble. Terima kasih ya mas, jadi punya opsi topik riset, sama project tim buat di kantor :D
Alhamdulillaah. Terima kasih kembali.. semoga bermanfaat ya
Pak dosen apakah regresi di statustika sama dg regresi di machine learning, kalau gak salah namanya SVR? Kalau berbeda di mana letak perbedaannya?
Sama kok. Konsep di balik Machine learning itu adalah ilmu statistika
Pak itu data uji sama latih sama ga?
Berbeda. Data latih dan data uji tidak boleh sama. Gampangnya, kalau punya dataset, 70% dipake sebagai data latih, sisanya yang 30% untuk data uji.
izin bertanya pak, cara mengetahui tabel citra grayscalenya dari mana ya?
maksudnya tabel citra grayscale? citra grayscale itu diperoleh dari proses transformasi dari citra RGB melalui rumus tertentu. Coba tonton 1 atau 2 video sebelum ini.
mohon maaf pak, ini untuk dapetin data baru untuk patokan perhitungan Distance Euclidean nya gimana ya?
untuk proses training/ development, data baru bisa kita ambil dari 20% atau 30% dari total data yang kita punya. Biasanya 70% data kita pakai untuk training, 30% nya untuk testing (dianggap sebagai data baru yang belum dipelajari oleh algoritma)
Paham banget pak 🙏 terimakasih banyak sudah menemani matkul Artificial Intelligence saya selama 1 Semester
Alhamdulillaah... semoga bermanfaat. terima kasih sudah mampir ke channel ini 😊
Saya rasa ada peluang d masa depan AI d terapkan d robot,apa salahnya coba..ketika manusia sudah tidak bisa d harapkan lagi.ya bisa dgantikan oleh robot.
Iya, sejak beberapa tahun ke belakang, robot sudah menggunakan AI di dalamnya.
Pak kalau data katagorik apakah bisa menggunakan k-means? Saya membaca beberapa sumber cocoknya k-medoids
K-Means hanya untuk data numerik
@@KuliahInformatika meskpiun kita pakai operator nominal to numerical apakah ttp tdk cocok Pak?
@@diliaaaa93 bisa.
@@KuliahInformatikajika data saya kategorik yang saya transformasikan ke numerik maka measure types nya lebih baik apa ya Pak?
terima kasih pak ilmunya semoga tetap diberi kesehatan dan kemudahan
Aamiin ya Allah. makasih ya doanya.
Pak izin bertanya Data saya kena akurasi nya dibawah 50% terus ya pak?
Nah itu banyak sebabnya: datasetnya apakah memadai atau tidak, atributnya representatif untuk klasifikasi atau tidak, pengaturan parameter decision tree sudah tepat atau belum, dsb.
Kenapa rootnya harus age? kenapa ga gender saja jdi kita tahu gender apa saja yg akan menjadi future costumer dan gainnya caranya gimana
Nah, itu hasil perhitungan statistik pakai information gain (IG). Nilai IG ini menentukan atribut mana yang paling signifikan dalam membedakan mana future customer dan mana yang bukan. Tapi mohon maaf, di video ini saya memang belum membahas rinci perhitungannya 😁
@@KuliahInformatika iyaa pak saya baru belajar dan stuck di situ 🥲 masih bingung di bagian perhitungannya
Apa ada kelasnya pak untuk pembelajaran teknik informatika ?
mohon maaf, saya tidak membuka kelas pelatihan/ kursus. belum sanggup, hehe
pak mau nanya ini lanjutanya mana ya kok langsung ke part 7
hehe.. iya, mohon maaf karena waktu itu harus menyesuaikan dengan materi perkuliahan di kampus. Saya belum sempat membuat kelanjutannya lagi.
Terima Kasih Pak. Berguna.
Alhamdulillaah. Terima kasih kembali
buka kursus untuk membuat machine learning tidak pak?
Mohon maaf, saya ngga membuka kelas kursus
Terima kasih ilmu nya pak, tapi saya belum paham terkait bagai mana menentukan nilai pixel atau nilai matrik nya, mohon penjelasannya pak
Nilai pixel = nilai elemen matriks. Jadi citra digital itu = matriks 2 dimensi
Terima kasih pak
Nilai neuron output slalu 0 dan 1 apa itu mewakili nilai binomial pak? 1 adl yeah dan 0 adl nope?
Iya, bisa seperti itu. Ralat sedikit, mungkin maksudnya "binominal" ya, bukan "binomial"
@@KuliahInformatika ya betul typo
Pak trend harga emas maksidnya kumpulan data harga historis emas ya?
Iya, betul. Histori harga emas dari hari ke hari
apakah uca mirip algoritma Dijkstra?
UCS memang sangat mirip dengan dijkstra, tapi kalau lihat2 referensi di internet, ada sedikit perbedaan di antara keduanya. Detilnya coba baca di sini: ojs.aaai.org/index.php/SOCS/article/view/18191
Mantap banget pak, anda penyelamat 😭😭
Semangat 🔥
Terima kasih banyak pak untuk vidionya 🙏🏻
Terima kasih juga sudah berkunjung
auto sub pak dosen, terima kasih
Kenapa pada rapidminer tidak bisa menampilkan nilai MAPE
Secara default, Rapidminer memang tidak memiliki fitur untuk itu.
kenapa ridak bisa menghitung nilai MAPE pada rapid miner
Secara default, Rapidminer memang tidak memiliki fitur untuk itu.
kalo 1 dataset memakai 3 classifier cara di rapidminernya bagaimana ya ?
3 classifier itu mau dibandingkan atau mau di-voting? Caranya berbeda.
@@KuliahInformatika mau diibandingkan mas hasilnya apakah di channel ini ada tutorialnya ?
@@arfiantopandu9910 oh, tutorialnya ga ada sih. Tapi kalau mau seperti itu, dari dataset koneksikan ke operator "Multiply", nanti setelah itu kita bisa pakai dataset itu untuk banyak classifier. coba tonton tutorialnya di sini: czcams.com/video/k6W_IUIyyLY/video.html&pp=ygUTbXVsdGlwbHkgcmFwaWRtaW5lcg%3D%3D
Kalau datanya dari kuisoner pak kan udh number tuh, nah dijadiin puas atau tidaknya bagaiamana tuh pak? Terus baru dah dibuat k-means nya soalnya saya liat jurnal puas 7 tidak puasnya 3 wkwkwk saya bingung
Kita harus buat ketentuan sendiri, batas nilai puas dan tidak puas itu berapa, baru setelah itu kita bisa konversi numeriknya ke dalam 2 kategori "puas" dan "tidak puas"
@@KuliahInformatika manual berati yah pak, tolong buatin vidionya dong pak saya penasaran hbis liat jurnal org katanya kuisoner tadi saya buat, saya jawab sndiri dgn total 7 pertnyaan dengan skala likert 1-4 , nah saya bisanya ubah manual pakai rumus countif= 4,3,2,1 ada berapa, terus jumlahin hasil 4 dan 3, 2 dan 1 baru dah jadi kyk dijurnal 😭😭, tapi kadang nggk mau kebaca di rapidminer disitu saya stck krn apa🤣🤣🙏
halo pak,sangat membantu tapi saya mengalami masalah,setelah menjadi data seperti diatas mau dilakukan pengukuran peforma menggunakan confusion matrix,tapi saya tidak tau export data nya agar bisa diujikan,mohon bantuannya gimana ya pak?
Dari Apply Model, koneksikan ke operator "Performance (Classification)", nanti setelah dirun, akan muncul confusion matrixnya
terimakasih pak . semoga semakin sukses ke depannya
Aamiin ya Allah. Terima kasih doanya ya
izin bertanya pak saya mengambil data harga emas (price) dari tahun 2014-2023 pak, untuk variabel input apakah bisa saya memakai nilai open, hight, low dan variabel output nya price pak ?
Iya, sangat bisa sekali
Closenya gak ada?
izin bertanya pak saya mengambil data harga emas (price) dari tahun 2014-2023 pak, untuk variabel input apakah bisa saya memakai nilai open, hight, low dan variabel output nya price pak ?
Iya, sangat bisa sekali
penjelasan bapak sangat mudah di menerti untuk teori PCD, tapi sayang sekali untuk video lanjutanya tidak tersedia :(
Maaf ya, saya belum sempat untuk update konten lagi sejak WFH selesai, mohon doanya supaya bisa lanjut lagi 🙏
selamat sore pak, saya mau bertanya. saya kan punya data mentah ya pak tentang penjualan mobil dari berbagai merk dan tipe. nah disitu hanya ada total penjualannya saja pak tidak ada class laku dan kurang laku. bagaimana caranya pak agar data mentah tersebut jadi data training yg mempunya class laku dan kurang laku. terima kasih pak semoga dijawab
Harus ada ketentuan batas berapa jumlah yang dikatakan laku dan kurang laku. Kalau sudah ada ketentuannya, nanti kolom total penjualan bisa dikonversi ke dua kelas "laku" dan "kurang laku". Kolom tipe dan merk juga bisa dijadikan sebagai atribut untuk melakukan klasifikasi.
@@KuliahInformatika ketentuan batasnya dari mana ya pak? mohon izin
@@KuliahInformatika dan untuk data testing nya itu total penjualannya harus beda dari data training ya pak?
Halo bapak izin bertanya semoga dijawab ya, saya juga buat pengujian analisis sentimen tpi memang operator yang digunakan tidak sebanyak yg dicontohkan bapak. Yang saya tanyakan apa normal ya setelah di run (sudah ada preprocessing lengkap dan cross validation) dataset nya bertambah banyak. Itu alasannya kenapa ya pak kalau boleh tau, terimakasih 🙏🏻
Jumlah data/ record tidak mungkin bertambah setelah diproses, tapi jika berkurang masih mungkin.
@@KuliahInformatika apa mungkin karena saya menambahkan operator smote upsampling ya sebelum cross validation
halo bapak, izin bertanya knp pada proses saya, yg menjadi atribut spesial hanya atribut teks saja, sementara atribut sentimen malah masuk ke dalam atribut reguler? bagaimana ya solusinya. terimakasih
Koneksikan ke operator "Set Role", lalu nanti pada operator itu set atribut sentimen sebagai "label". Semoga membantu
@@KuliahInformatika terimakashih pak sebelumnya, mohon maaf untuk pr0cessing tahap stemming belum ada ya di video yt bapak...
Permisi pak. Terimakasih atas ilmunya yang telah diberikan. Saya mempunyai 2 pertanyaan, mohon jawabannya 🙏. 1. Saya mencoba perhitungan manual di excel dan uji coba menggunakan rapid miner, tetapi pada perhitungan kedua software tersebut, kedapatan nilai yg berbeda. Untuk itu kenapa ya pak? 2. Apakah di rapid miner untuk pengambilan centeroid secara acak, apa bisa ditentukan oleh kita pak? Terimakasih pak mohon jawabannya 🙏🙏
1. Iya, besar kemungkinan akan berbeda hasil perhitungan kita dengan rapidminer, karena centroid awal selalu ditentukan secata acak. 2. Sayangnya di rapidminer, kita tidak bisa mengatur nilai centroid awal secara manual 🙂
@@KuliahInformatika terimakasih pak, karna dari konten yg lain hasil perhitungan bisa sama. Itu yg jadi tanda tanya saya hehe
hallo ka, bisa saya mengundang kk sebagai narasumber di kampus, topik AI
Boleh. Ini email saya: muhammad.fachrie@staff.uty.ac.id
@@KuliahInformatika ok Mas, terima kasih infonya
@@pusinppm oke. Sama2