Analisis cluster atau clustering yaitu suatu teknik yang digunakan untuk mengelompokkan (group) sekumpulan objek ke dalam beberapa cluster. Perhatikan bahwa suatu objek hanya bisa masuk atau tergabung dalam satu cluster. Beberapa objek yang berada dalam satu cluster cenderung saling mirip, namun cenderung berbeda terhadap objek-objek yang berada dalam cluster lainnya.
Penggunaan Command prompt di windows sering kita gunakan ketika menjalankan aplikasi berbasis CLI command line interface. Saat ini sudah ada update di Windows 10 yang semula tampilan begitu-begitu saja (jelek sekali) dibandingkan dengan terminal nya linux menjadi lebih baik lagi
Saat ini sedang ramai-ramainya mengenai pasien covid-19 mengenai kondisi pasien yaitu hidup/sembuh atau meninggal. Nah kali ini kita akan membahas mengenai regresi logistik yang dapat diterapkan untuk analisis harapan hidup/sembuh pasien covid-19 seperti pengolahan data menggunakan package dplyr untuk melihat analisis awal. Package dplyr tersebut sangat berguna sekali untuk mengolah data numerik menjadi range / kategorikal. Pembahasan mengenai analisis Regresi logistik hampir sama dengan regresi linear dan berganda namun menggunakan bersifat kategorikal/dikotomi. Dikotomi yang dimaksud adalah skala data nominal dengan dua kategori misalnya: ya dan Tidak, Baik dan Buruk atau Tinggi dan Rendah . Pada regresi logistik ada 2 yaitu
Kalian ingin punya Personal Cloud Storage menggunakan NAS berbasis cloud sendiri, yang artinya bebas punya kapasitas besar (tergantung punya kapasitas HD) bisa diakses kapan saja seperti dropbox dan google drive maka NAS Storage menjadi pilihan yang masuk akal saat ini untuk kalangan UKM dengan dana terbatas namun hasil bisa dikompromikan dengan baik. NAS adalah singkatan dari Network Attached Storage yang terdiri dari piranti penyimpanan data (HDD yang bisa kalian setup sendiri) dan sistem operasi khusus untuk kebutuhan backup dan share data dengan beberapa fitur umum seperti berikut ini
Teknologi berbasis Opensource terkadang harus rajin baca-baca forum kalau terjadi error/bugs karena begitu banyak depencies nya yang kadang bikin nyerah bagi newbie, hal yang sangat berbeda dengan aplikasi proprietary yang punya help desk nya walaupun begitu opensource menawarkan kebebasan bagi kalian untuk melihat source code secara langsung atau bahkan sudah ketemu bugsnya bisa dibuat postingan/artikel agar temen-temen yang lain menemui hal yang sama akan terbantu. Nah cerita ini dimulai ketika penulis sedang mengerjakan sebuah deep learning menggunakan tensorflow versi terbaru yaitu
Sesi ini adalah lanjutan dari pembahasan peramalan deret waktu / forecasting time series yang sedikit terlewat yaitu topik dekomposisi deret waktu artinya mengurai deret waktu dengan tujuan memisahkannya ke dalam komponen-komponen penyusunnya seperti pola trend, seasonal dan random. Dekomposisi Deret Waktu atau Decomposing Time Series dibagi menjadi 2 pendekatan yaitu
Sejak menggunakan R untuk melakukan analisis data statisik terutama untuk analisis finansial yang rumit daripada menggunakan Matlab, Python, Minitab, ataupun excel maka penulis lebih cenderung menggunakan R, tapi bagi kalian yang males coding sih bisa menggunakan R-Commander. Alasan penulis menggunakan R karena sangat mudah digunakan untuk cleaning dan filtering data, mengingat tidak semua dataset itu langsung bisa digunakan alih-alih menggunakan excel seperti PIVOT maka dengan package dplyr akan sangat mudah dilakukan. Urusan mengetik code dalam R akan terasa lebih mudah kalau kalian menggunakan R-Studio lho daripada hanya menggunakan R-Console yang tampilan begitu-begitu saja. Rstudio datang dengan 2 versi yaitu desktop dan server yang bisa digunakan secara gratis. Namun kalian pilih saja Rstudio versi desktop, menurut situs resminya Rstudio dibuat menggunakan bahasa C++ dan antar muka QT, sebelum kalian menggunakan Rstudio harus terlebih dahulu install R. Berikut tampilan Rstudio yang mirip sekali dengan Matlab dan Spyder-Python.
22,630 ViewsPeramalan Deret Waktu – Forecasting Time Series merupakan salah satu topik mata kuliah dalam riset operasi dan statistik yang berguna untuk melakukan peramalan / estimasi suatu variabel di masa mendatang berbasis / domain waktu disebut time series/ deret waktu. Melalui kegiatan prediksi seperti apa kondisi masa depan akan mengubah perilaku kita sekarang, lebih tepatnya … Read more
Format penyimpanan ada banyak yang kita kenal, terutama format terbuka yaitu XML, JSON ataupun bila kalian menggunakan bahasa C#, JAVA dikenal dengan teknik serialisasi sedangkan untuk python menggunakan pickle yang merupakan format penyimpanan objek berbasis biner. Dengan semakin banyaknya aplikasi yang berkembang membutuhkan format decoding-encoding yang baik dan terbuka serta mampu menerima beragam format yang ada, hal tersebut bisa kalian gunakan format HDF5. HDF5 disupport oleh https://www.hdfgroup.org/ dengan menawarkan beberapa keunggulan berupa
Tidak setiap pengguna tools statistik suka coding atau menulis script karena lebih suka menggunakan fitur drag and drop yaitu GUI (graphic user interface) seperti SPPS, minitab. Nah kalau di R bisa juga koq tanpa perlu coding tinggal klik sana sini dengan menggunakan R-Commander yang sederhana dan mudah digunakan. Karena pada dasarnya R merupakan bahasa pemrograman yang khusus untuk statistik dan berbasis CLI (command line interface) sehingga dengan adanya R-Commander memudahkan kalian yang tidak familiar dengan coding. Berikut sebuah tampilan R-Commander yang sedang digunakan yang berisi informasi dataset yang aktif, model yang sedang digunakan serta tampilan output. Dengan menggunakan R-Commander yang berbasis GUI semudah menggunakan seperti SPPS.