SlideShare a Scribd company logo

Seri Belajar Data Science Supervised Learning dengan R

Agus Kurniawan, profile picture
Agus Kurniawan

Buku ini berjudul 'Seri Belajar Data Science: Supervised Learning dengan R' karya M. Reza Faisal, yang berfokus pada implementasi teknik supervised learning pada lingkungan R tanpa membahas konsep dasar dari metode tersebut. Buku ini mencakup langkah-langkah praktis, contoh aplikasi, serta teknik pengukuran kinerja untuk membantu pembaca memahami klasifikasi dalam machine learning. Ditujukan untuk pemula, buku ini menyediakan panduan lengkap dalam mempelajari machine learning dengan pendekatan praktis.

Engineering
Related topics:
Data Science Insights • R Programming Overview
1 of 16
Downloaded 87 times
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
Seri Belajar Data Science Supervised Learning dengan R M Reza Faisal
Seri Belajar Data Science: Supervised Learning dengan R 2 Seri Belajar Data Science: Supervised Learning dengan R Penulis: M Reza Faisal Editor: Agus Kurniawan Penerbit: PE Press Edisi pertama, tahun 2017 Seluruh konten isi buku ini merupakan hak cipta penulis dan PE Press. Dilarang memperbanyak isi buku ini sebagian atau keseluruhan dengan printing, cetak, fotokopi, dan sebagainya tanpa izin tertulis dari Penerbit People Enterprise Press.
Seri Belajar Data Science: Supervised Learning dengan R 3 Kata Pengantar Puji dan syukur diucapkan kepada Allah SWT atas selesainya buku yang berjudul Seri Pemrograman: Supervise Learning dengan R. Metode atau teknik matematika, statistik atau machine learning yang dibahas pada buku ini adalah telah umum digunakan. Sehingga buku ini tidak akan membahas tentang konsep metode dan teknik tersebut. Buku hanya fokus membahas implementasi setiap metode dan teknik pada lingkungan R. Topik machine learning yang dibahas pada buku ini hanya fokus kepada supervised learning pada umumnya dan klasifikasi pada khususnya. Setiap teknik klasifikasi yang dibahas disertai contoh masalah dan penyelesaian langkah demi langkah sehingga dapat diikuti oleh pembaca dengan mudah. Selain membahas teknik-teknik supervised learning - klasifikasi, buku ini juga membahas teknik yang digunakan untuk mengukur kinerja teknik klasifikasi yang digunakan. Sehingga pembaca dapat memiliki pengetahuan yang lengkap untuk menyelesaikan masalah klasifikasi pada lingkungan R. Akhir kata, selamat membaca dan semoga buku ini bermanfaat bagi para pemula untuk mempelajari machine learning pada umumnya dan supervised learning - klasifikasi dengan R pada khususnya. Kritik dan saran akan sangat berarti dan dapat ditujukan via email Banjarmasin, Januari 2017 M Reza Faisal
Seri Belajar Data Science: Supervised Learning dengan R 4 Daftar Isi Table of Contents KATA$PENGANTAR$ 3! DAFTAR$ISI$ 4! 1.$PENDAHULUAN$ 11! 1.1$BAGAIMANA$MANUSIA$BELAJAR$MENGENALI?$ 11! 1.2$KENAPA$KOMPUTER$PERLU$MEMPUNYAI$KEMAMPUAN$BELAJAR$SEPERTI$ MANUSIA?$ 11! 1.3$MACHINE$LEARNING$ 12! 1.3.1!DOMAIN!MODEL! 12! 1.3.2!DEFINISI! 13! 1.3.3!ISTILAH2ISTILAH! 13! 1.3.4!TIPE! 14! 1.3.5!LANGKAH2LANGKAH!IMPLEMENTASI! 16! 1.4$MACHINE$LEARNING$&$DATA$MINING$ 16! 2.$PENGANTAR$PEMROGRAMAN$R$ 17! 2.1$INSTALLASI$ 17! 2.1.1!COMPREHENSIVE!R!ARCHIVE!NETWORK!(CRAN)! 17! 2.1.2!MICROSOFT!R!ARCHIVE!NETWORK!(MRAN)! 22! 2.2$TOOL$PEMROGRAMAN$ 26! 2.2.1!RGUI! 26! 2.2.2!RSTUDIO! 29! 2.2.3!R!TOOLS!FOR!VISUAL!STUDIO! 33! 3.$FUNGSI@FUNGSI$DASAR$R$ 37! 3.1$PACKAGE$ 37! 3.1.1!INSTALLASI!PACKAGE! 37! 3.1.2!MEMUAT!PACKAGE! 38!
Seri Belajar Data Science: Supervised Learning dengan R 5 3.2$WORKING$DIRECTORY$ 38! 3.2.1!MENDAPATKAN!WORKING!DIRECTORY! 39! 3.2.2!MENENTUKAN!WORKING!DIRECTORY! 39! 3.3$DATASET$ 39! 3.4$MENULIS$DATA$KE$FILE$ 40! 3.4.1!WRITE.CSV()! 40! 3.4.2!WRITE.TABLE()! 40! 3.5$MEMBACA$FILE$TEXT$ 41! 3.5.1!READ.CSV()! 41! 3.5.2!READ.TABLE()! 41! 3.6$MEMBACA$FILE$EXCEL$ 41! 3.7$AKSES$DATABASE$ 42! 3.7.1!AKSES!DATABASE!MYSQL! 42! 3.7.2!AKSES!DATABASE!SQL!SERVER! 43! 3.8$MENAMPILKAN$DATA$ 43! 3.8.1!HEAD()! 44! 3.8.2!TAIL()! 44! 3.8.3!VIEW()! 45! 3.8.4!OBYEK$ROWNAME! 46! 3.9$MEMFILTER$DATA$ 46! 3.9.1!OBYEK[,X:Y]! 46! 3.9.2!OBYEK[X:Y,]! 47! 3.9.3!OBYEK[X1:Y1,!X2:Y2]! 47! 3.9.4!OBYEK[WHICH(),!]! 47! 3.10$MENGGABUNG$DATA$ 47! 3.10.1!RBIND()! 47! 3.10.2!CBIND()! 48! 3.11$EXPLORASI$DATA$ 49! 3.11.1!DIM()! 49!
Seri Belajar Data Science: Supervised Learning dengan R 6 3.11.2!NAMES()! 49! 3.11.3!STR()! 49! 3.11.4!TABLE()! 49! 3.11.5!SUMMARY()! 50! 3.12$GRAFIK$ 50! 3.12.1!PLOT()! 50! 3.12.2!SCATTERPLOT3()! 52! 3.12.3!PLOT3D()! 53! 3.12.4!HIST()! 54! 3.12.5!DENSITY()! 55! 3.12.6!PIE()! 55! 3.12.7!BARPLOT()! 56! 3.12.8!BOXPLOT()! 57! 3.12.9!PAR()! 57! 3.13$VISUALISASI$DATA$ 59! 3.13.1!PRINCIPAL!COMPONENT!ANALYSIS!(PCA)! 59! 3.13.2!VISUALISASI!2D! 60! 3.13.3!VISUALISASI!3D! 62! 3.14$HELP$ 62! 4.$PENGANTAR$KLASIFIKASI$ 65! 4.1$DEFINISI$ 65! 4.2$DATA$ 65! 4.3$LANGKAH@LANGKAH$PENGEMBANGAN$ 68! 4.3.1!PENGENALAN!DATA! 69! 4.3.2!PEMBAGIAN!DATA! 69! 4.3.3!IMPLEMENTASI!ALGORITMA!KLASIFIKASI! 72! 4.3.4!PENGUKURAN!KINERJA!ALGORITMA!KLASIFIKASI! 73! 5.$PENGENALAN$&$PEMBAGIAN$DATA$ 79! 5.1$PENGENALAN$DATA$ 79!
Seri Belajar Data Science: Supervised Learning dengan R 7 5.1.1!DATASET!IRIS! 79! 5.1.2!DATASET!TITANIC! 83! 5.1.3!DATASET!YEAST! 86! 5.2$PEMBAGIAN$DATA$ 89! 5.2.1!PERSIAPAN!WORKING!DIRECTORY! 90! 5.2.2!DATA!UNTUK!KLASIFIKASI!BINARY!CLASS! 90! 5.2.3!DATA!UNTUK!KLASIFIKASI!MULTI!CLASS! 94! 6.$RANCANGAN$APLIKASI$KLASIFIKASI$ 97! 6.1$APA$LANGKAH$SELANJUTNYA?$ 97! 6.2$RANCANGAN$APLIKASI$ 97! 6.2.1!RANCANGAN!APLIKASI!1! 97! 6.2.2!RANCANGAN!APLIKASI!2! 98! 6.2.3!RANCANGAN!APLIKASI!3! 99! 7.$K@NEAREST$NEIGHBORS$(KNN)$ 101! 7.1$CARA$KERJA$ 101! 7.2$PERSIAPAN$ 101! 7.3$SINTAKS$ 102! 7.4$IMPLEMENTASI$ 102! 7.4.1!APLIKASI!1! 102! 7.4.2!APLIKASI!2! 104! 7.4.3!APLIKASI!3! 110! 7.5$CATATAN$ 117! 8.$NAÏVE$BAYES$ 119! 8.1$PERSIAPAN$ 122! 8.2$SINTAKS$ 122! 8.3$IMPLEMENTASI$ 124! 8.3.1!APLIKASI!1! 124! 8.3.2!APLIKASI!2! 127!
Seri Belajar Data Science: Supervised Learning dengan R 8 8.3.3!APLIKASI!3! 130! 8.4$CATATAN$ 133! 9.$SUPPORT$VECTOR$MACHINE$(SVM)$ 135! 9.1$CARA$KERJA$ 135! 9.2$PERSIAPAN$ 136! 9.3$SINTAKS$ 137! 9.4$IMPLEMENTASI$ 138! 9.4.1!APLIKASI!1! 138! 9.4.2!APLIKASI!2! 139! 9.4.3!APLIKASI!3! 143! 9.5$CATATAN$ 148! 10.$DECISION$TREE$ 149! 10.1$CARA$KERJA$ 149! 10.2$PERSIAPAN$ 155! 10.3$SINTAKS$ 155! 10.4$IMPLEMENTASI$ 155! 10.4.1!APLIKASI!1! 155! 10.4.2!APLIKASI!2! 158! 10.4.3!APLIKASI!3! 162! 10.5$CATATAN$ 166! 11.$KLASIFIKASI$KELAS$TIDAK$SEIMBANG$ 167! 11.1$DEFINISI$&$EFEK$KELAS$TIDAK$SEIMBANG$ 167! 11.1.1!KNN! 168! 11.1.2!NAÏVE!BAYES! 168! 11.1.3!SVM! 169! 11.1.4!DECISION!TREE! 170! 11.2$SOLUSI$MASALAH$ 171! 11.3$DATASET$CLASS$TIDAK$SEIMBANG$ 172!
Seri Belajar Data Science: Supervised Learning dengan R 9 11.4$SOLUSI$PENDEKATAN$DATA$ 173! 11.4.1!UNDERSAMPLING! 173! 11.4.2!OVERSAMPLING! 180! 11.4.3!GABUNGAN!UNDERSAMPLING!&!OVERSAMPLING! 185! 11.5$SOLUSI$PENDEKATAN$ALGORITMA$ 190! A.!BOOTSTRAP!AGGREGATING!(BAGGING)! 190! B.!BOOSTING! 191! C.!STACKING! 191! 11.6$CATATAN$ 192! 12.$REFERENSI$ 193! 13.$PENUTUP$ 194! PROFILE$ 195!
Seri Belajar Data Science: Supervised Learning dengan R 10
Seri Belajar Data Science: Supervised Learning dengan R 11 1. Pendahuluan 1.1 Bagaimana Manusia Belajar Mengenali? Anak kecil mempunyai keingintahuan yang sangat tinggi. Saat seorang anak kecil dan orang tuanya duduk di depan rumah maka anak kecil tersebut mungkin akan bertanya tentang apa saja yang lewat di depan rumahnya. Saat mobil lewat, sang anak bertanya: “Itu apa?”. “Itu mobil nak”, jawab sang orang tua. Pertanyaan serupa mungkin diulang-ulang oleh sang anak sampai puluhan mobil lewat di depan rumahnya. Sampai suatu saat hal itu tidak akan ditanyakan lagi oleh sang anak. Karena sang anak telah mengenal ciri-ciri bermacam-macam mobil yang telah lewat di depan rumahnya. Suatu saat mungkin sang anak akan memiliki pertanyaan lain. Tetapi pertanyaannya masih berkaitan tentang mobil. Sang anak bertanya: “Itu mobil ya?”. Sang orang tua akan menjawab: “Iya nak” ketika yang lewat adalah mobil. Dan menjawab: “Bukan nak” ketika yang lewat bukan mobil. Hal yang sama mungkin akan terjadi lagi ketika sang anak melihat sepeda motor. Dan kembali sang anak akan berhenti bertanya ketika sang anak telah mengenal ciri-ciri bermacam-macam sepeda motor yang dia lihat. Ketika proses belajar pengenalan mobil dan sepeda motor selesai, maka sang anak akan dengan gampang mengklasifikasikan mana mobil dan sepeda motor. Cerita di atas adalah contoh sederhana supervised learning. Karena data tentang setiap mobil memiliki labelnya. Jika data tentang setiap mobil adalah setiap pertanyaan tentang mobil, maka label adalah jawaban sang orang tua 1.2 Kenapa Komputer Perlu Mempunyai Kemampuan Belajar Seperti Manusia? Tetapi masalah yang dihadapi manusia tidak hanya masalah menentukan dan membedakan sepeda motor dan mobil saja. Banyak hal-hal serupa yang ingin diketahui oleh manusia sebagai contoh adalah bagaimana membedakan email spam dan email bukan spam. Jika manusia belajar mengidentifikasi email spam dan bukan seperti bagaimana sang anak di atas belajar, maka dengan mudah dapat membedakan email spam dan bukan. Tetapi masalahnya tidak mungkin untuk mempekerjakan manusia untuk memfilter email spam yang jumlahnya jutaan bahkan milyaran lebih email pada Yahoo! Mail atau Gmail. Karena manusia mempunyai kebatasan dalam hal kecepatan melakukan menghadapi jumlah yang banyak, selain itu keterbatasan stamina untuk bekerja dalam waktu yang lama atau tanpa istirahat. Selain masalah filter email spam juga ada masalah lain seperti: 1.! Menentukan penipuan transaksi di bank. 2.! Pada bidang bioinformatika terdapat masalah seperti klasifikasi kanker, DNA, genome dan lain-lain. 3.! Klasifikasi lahan pada citra GIS. 4.! Dan lain-lain.
Seri Belajar Data Science: Supervised Learning dengan R 12 1.3 Machine Learning 1.3.1 Domain Model Pada sub bab pertama telah disebutkan bagaimana anak mengenali sesuatu. Manusia dapat melakukan hal karena otak mampu membuat model berdasarkan masalah yang dihadapi yang disebut domain model. Dengan model tersebut maka dapat dilakukan proses seperti: 1.! Klasifikasi. 2.! Prediksi. 3.! Clustering. 4.! Explanation. Pada sub bab pertama terdapat dua domain yaitu “sepeda motor atau mobil” dan “email spam atau bukan”. Untuk membuat domain model dapat digunakan dua pendekatan yaitu: 1.! Pendekatan basis pengetahuan (knowledge-based) Pendekatan ini dapat dilakukan jika ada seorang ahli di suatu domain yang memberikan pengetahuan eksplisit untuk mengidentifikasi sesuatu. Seorang ahli pada suatu domain lebih dikenal sebagai expert system. Jika pendekatan ini diimplementasikan pada perangkat lunak maka pembuat perangkat akan menjadi pemberi pengetahuan secara eksplisit tentang domain model. 2.! Pendekatan data-driven Pendekatan ini memanfaatkan data yang telah ada untuk membangun konsep model secara implisit sehingga dapat digunakan untuk mengidentifikasi sesuatu. Pada buku ini akan berfokus pada pendekatan data-driven. Untuk membuat data menjadi domain model agar didapat informasi yang dapat digunakan untuk melakukan aksi maka digunakan metode-metode yang telah dikenal pada bidang statistik. Proses data dengan metode-metode statistik tersebut dibantu dengan bantuan kekuatan komputasi yang dimiliki oleh komputer. Gambar 1. Data, metode statistik dan kekuatan komputasi computer (sumber: Machine Learning with R). Karena menggunakan metode statistik maka proses di atas disebut statistical learning, tetapi lebih populer atau lebih dikenal dengan istilah machine learning.
Seri Belajar Data Science: Supervised Learning dengan R 13 1.3.2 Definisi Mechine learning adalah bidang yang mempelajari pengembangan algoritma komputer untuk mengubah data menjadi aksi yang cerdas (Machine Learning with R). atau secara singkat dapat juga diartikan sebagai proses mengubah data menjadi informasi (Machine Learning in Action). Selain machine learning, juga sering didengar istilah data mining yang merupakan saudara kandungnya. Tetapi ada pendapat yang menyatakan tumpang tinding machine learning dan data mining dimana secara virtual pada seluruh data mining pasti melibatkan penggunaan machine learning tetapi tidak seluruh machine learning melibatkan data mining. Sebagai contoh machine learning digunakan untuk melakukan proses data mining data lalu lintas kendaraan bermotor untuk mendapatkan pola yang berhubungan dengan tingkat kecelakaan. Kemudian bedakan dengan bagaimana proses pembelajaran komputer untuk mengendarai mobil dimana hal tersebut murni machine learning tanpa ada data mining. Maka dapat ditarik kesimpulan singkat yaitu: 1.! Machine learning berfokus pada bagaimana pembelajaran komputer menggunakan komputer untuk memecahkan masalah. 2.! Data mining berfokus pada bagaimana pembelajaran komputer mengindentifikasi pola yang akan digunakan manusia untuk memecahkan masalah. 1.3.3 Istilah-Istilah Sebelum membahas tentang machine learning lebih dalam, maka pada sub bab ini akan disebutkan dan diterangkan terminologi atau istilah-istilah yang umum digunakan. A. Dataset, Instance & Feature Dengan menggunakan pendekatan data-driven maka pembelajaran dapat dilakukan jika telah dimiliki data atau sering disebut sebagai dataset. Di bawah ini ditampilkan dataset iris yang terdiri atas 150 baris atau record yang akan lebih dikenal dengan istilah instance. Sepal.Length Sepal.Width Petal.Length Petal.Width Species 1 5.1 3.5 1.4 0.2 setosa 2 4.9 3.0 1.4 0.2 setosa 3 4.7 3.2 1.3 0.2 setosa 4 4.6 3.1 1.5 0.2 setosa 5 5.0 3.6 1.4 0.2 setosa 6 5.4 3.9 1.7 0.4 setosa . . . 145 6.7 3.3 5.7 2.5 virginica 146 6.7 3.0 5.2 2.3 virginica 147 6.3 2.5 5.0 1.9 virginica 148 6.5 3.0 5.2 2.0 virginica 149 6.2 3.4 5.4 2.3 virginica 150 5.9 3.0 5.1 1.8 virginica Pada dataset di atas dapat dilihat 5 kolom yaitu:
Seri Belajar Data Science: Supervised Learning dengan R 14 1.! Sepal.Length. 2.! Sepal.Width. 3.! Petal.Length. 4.! Petal.Width. 5.! Species. Istilah yang digunakan untuk kolom adalah feature, artinya dataset di atas memiliki 5 feature. Pada beberapa algoritma, feature dapat dibedakan menjadi dua yaitu: feature dan target variable (target feature). Sebagai contoh jika dataset di atas diproses dengan algoritma klasifikasi maka target variable (target feature) adalah Species sedangkan sisanya adalah feature. B. Training Set & Test Set Dataset akan digunakan pada proses pembelajaran algoritma paling tidak terdapat dua tahap yang harus dilakukan, yaitu tahap training dan pengujian (test). Jika dimiliki 150 instance pada dataset maka harus dibagi menjadi dua. Data yang digunakan pada tahap training akan disebut dengan istilah training set. Sedangkan yang digunakan pada tahap pengujian disebut test set. Untuk teknik pembagian dataset menjadi training dan test set akan diterangkan pada bab yang lain. 1.3.4 Tipe Machine learning dapat dibedakan menjadi dua tipe. Tipe yang dimaksudkan di sini adalah tipe algoritma yaitu: 1.! Supervised learning. 2.! Unsupervised learning. A. Supervised Learning Pembelajaran pada tipe ini telah diketahui apa yang akan diprediksi atau target variablenya. Sehingga tujuan membangun algoritma sudah jelas hal apa yang akan diprediksi. Oleh karena itu model yang dihasilkan dari tipe ini adalah model prediksi. Model prediksi digunakan untuk melakukan proses prediksi target variable (target feature) berdasarkan feature-feature lain pada suatu dataset. Algoritma pembelajaran yang dibangun mencoba untuk menemukan dan memodelkan hubungan antara target variable (target feature) tersebut dengan feature-feature lainnya. Klasifikasi adalah contoh task mechine learning tipe supervised untuk melakukan prediksi. Beberapa contoh penerapan klasifikasi adalah sebagai berikut: 1.! Penentuan email adalah email spam. 2.! Penentuan seseorang mengidap kanker. 3.! Penentuan kemenangan suatu tim sepakbola.
Seri Belajar Data Science: Supervised Learning dengan R 15 Pada klasifikasi, target feature yang akan diprediksi adalah feature terkategori yang dikenal dengan istilah kelas (class) dan dapat dibagi menjadi kategori yang disebut dengan istilah level. Kasus klasifikasi dapat dibedakan berdasarkan tipe masalah yang umumnya ditemui, yaitu: 1.! Klasifikasi 1 class. 2.! Klasifikasi 2 class (binary). 3.! Klasifikasi multiclass, terdapat lebih dari 2 class. Saat ini telah banyak teknik/metode klasifikasi yang dikembangkan untuk menyelesaikan masalah klasifikasi 2 class. Sehingga untuk menyelesaikan masalah klasifikasi multiclass dapat digunakan kombinasi teknik/metode yang biasa digunakan untuk menyelesaikan klasifikasi 2 class Supervised learning juga dapat digunakan untuk memprediksi data numerik. Task seperti ini dikenal dengan istilah regresi. Berikut ini adalah beberapa nama algoritma tipe supervised leaning yaitu: 1.! K-Nearest Neighbors. 2.! Naïve Bayes. 3.! Suport Vector Machine. 4.! Decision Trees. 5.! Linear Regression. 6.! Neural Network. B. Unsupervised Learning Unsupervised learning merupakan kebalikan dari tipe sebelumnya dimana tidak terdapat target variable (target feature) pada dataset. Model yang dihasilkan dari tipe ini adalah descriptive model. Salah satu task descriptive model untuk menemukan pola yang bisa mengidentifikasi asosiasi pada dataset. Contoh implementasinya dapat dilakukan pada menemukan pola pada proses analisis barang yang dibeli oleh pembeli pada suatu super market atau mini market. Tujuan dari analisis ini adalah untuk mengetahui barang-barang yang sering dibeli bersama-sama. Sebagai contoh jika pembeli membeli roti maka otomatis juga membeli keju dan susu kental manis. Atau jika pembeli membeli sabun cuci maka juga membeli pengharum pakaian. Dengan informasi pola tersebut maka pemilik super market dapat menggunakannya untuk membuat iklan diskon untuk kelompok barang tersebut, atau pemilik juga dapat membuat agar tata letak barang-barang tersebut dibuat berdekatan. Task descriptive model yang lain adalah mengelompokkan dataset ke dalam kelompok-kelompok yang homogen yang disebut dengan istilah clustering. Kelompok-kelompok homogen yang dihasilkan dari clustering perlu bantuan manusia untuk melakukan intepretasi hasil tersebut untuk menentukan atau mendeskripsikan apa isi dari kelompok-kelompok tersebut. Contoh unsupervised learning adalah: 1.! Association rule. 2.! K-Mean clustering.
Seri Belajar Data Science: Supervised Learning dengan R 16 1.3.5 Langkah-Langkah Implementasi Berikut ini adalah langkah-langkah yang digunakan untuk melakukan implementasi machine learning untuk menyelesaikan kasus yang dihadapi. Terdapat 5 tahap yang dapat diterapkan pada pada setiap algoritma machine learning, yaitu: 1.! Pengumpulan data. 2.! Eksplorasi dan persiapan data, langkah eksplorasi data bertujuan untuk lebih mengenal data yang digunakan. Sedangkan langkah persiapan data bertujuan untuk meningkatkan kualitas data seperti menghilangkan data yang tidak diperlukan. Karena kualitas model yang dihasilkan sangat bergantung pada data yang digunakan. 3.! Training/pelatihan model, langkah pembangunan model. Pada langkah ini digunakan training set sebagai input data. 4.! Evaluasi model, langkah evaluasi dilakukan untuk mengetahui performansi dari model yang dihasilkan maka model yang dihasilkan pada tahap sebelumnya akan diuji dengan menggunakan test set sebagai input data. 5.! Perbaikan model, langkah ini diperlukan jika diinginkan performansi yang lebih baik. Ada beberapa cara yang dapat dilakukan untuk itu mendapatkan performansi yang lebih baik, diantaranya adalah mengganti tipe learning atau algoritma yang digunakan. Atau dengan cara melakukan perbaikan pada data yang digunakan baik dengan cara menambah data, mengurangi feature pada dataset dan lain-lain. 1.4 Machine Learning & Data Mining Berikut ini adalah penjelasan secara singkat keterkaitan atau hubungan antara machine learning dan data mining. Secara singkat, data mining menggunakan metode statistik untuk mencari pola tersembunyi pada database agar dapat menjelaskan suatu fenomena. Sedangkan machine learning menggunakan teknik-teknik data mining dan algoritma pembelajaran lainnya untuk membuat model dari hal-hal yang terjadi pada data untuk memprediksi kejadian selanjutnya. Selanjutnya machine learning akan digunakan pada bidang artificial intelligence untuk membuat model yang digunakan untuk pengenalan kebiasaan dan prediksi aksi sebagai contoh implementasi pada game atau mobil pintar yang bisa berjalan sendiri.

More Related Content

PDF
Seri Belajar Mandiri – Pemrograman Java Untuk Pemula
Agus Kurniawan
 
PDF
Belajar netbeans java pemula dari 0 sampai mahir
harisonmtd
 
PPTX
Java membuat form data mahasiswa
hermawanawang
 
DOCX
Membuat aplikasi sederhana menggunakan java
Eko Kurniawan Khannedy
 
PPTX
Materi Dasar JAVA Programming
Hani Nurrahmi
 
DOCX
contoh Program sederhana Java dan penjelasan programnya
stephan EL'wiin Shaarawy
 
PDF
Aplikasi bengkel sederhana berbasis desktop dengan java
Agung Sulistyanto
 
PDF
Tutorial trik dasar belajar visual basicnet 2010
hermawanawang
 
Seri Belajar Mandiri – Pemrograman Java Untuk Pemula
Agus Kurniawan
 
Belajar netbeans java pemula dari 0 sampai mahir
harisonmtd
 
Java membuat form data mahasiswa
hermawanawang
 
Membuat aplikasi sederhana menggunakan java
Eko Kurniawan Khannedy
 
Materi Dasar JAVA Programming
Hani Nurrahmi
 
contoh Program sederhana Java dan penjelasan programnya
stephan EL'wiin Shaarawy
 
Aplikasi bengkel sederhana berbasis desktop dengan java
Agung Sulistyanto
 
Tutorial trik dasar belajar visual basicnet 2010
hermawanawang
 

Similar to Seri Belajar Data Science Supervised Learning dengan R (20)

DOCX
Menulis proposal
Harry Permadi
 
DOCX
Rpp 16 menggunakan database
Arjuna Ahmadi
 
DOCX
Program score
Edu Smart
 
PPTX
Materi 2 Bimtek Transisi 2024 [Babon] - Kemampuan Fondasi.pptx
nurhidayah5321
 
PDF
Hadiah untuk programmer hilman ramadhan
Fajar Baskoro
 
DOCX
Pengenalan
tuahsyahbidin
 
DOCX
pdf-format-kisi-soal-kelas-x-1718-pemograman-dasar (1).docx
ilyasfatma
 
DOCX
modul PEMBELAJARAN BERBASIS WEB/WEBSITE
HARIANIHARIANI2
 
PDF
Pedoman Model Pembelajaran Ekonomi Berbasis Teori Kecerdasan Majemuk (Multipl...
DavidFernandoPurba1
 
DOCX
Modul pembelajaran berbasis web/wbsite
tiawatiana
 
PDF
AKM Berbasis Numerasi.pdf
IstiqomahIstiqomah55
 
PDF
Tutorial
Ismaya Gharini
 
PPTX
PPT ujian komprehensif pendidikan anak uasia dini.pptx
ArieeJr1
 
PDF
[Revisi 6] Pendahuluan Algoritma dan Pemrograman I.pdf
ilhamjumadil1
 
DOCX
Laporan Pentaksiran Prasekolah (2017)
Dy Marvel
 
PPTX
PPT konpehensif pendidikan anak uasia dini.pptx
ArieeJr1
 
PDF
Materi Semester 2 Jurusan Informatika Kelas 5
MBrinet
 
DOCX
Penghargaan
syafiq hussin
 
DOCX
Penghargaan
syafiq hussin
 
DOCX
Penghargaan
syafiq hussin
 
Menulis proposal
Harry Permadi
 
Rpp 16 menggunakan database
Arjuna Ahmadi
 
Program score
Edu Smart
 
Materi 2 Bimtek Transisi 2024 [Babon] - Kemampuan Fondasi.pptx
nurhidayah5321
 
Hadiah untuk programmer hilman ramadhan
Fajar Baskoro
 
Pengenalan
tuahsyahbidin
 
pdf-format-kisi-soal-kelas-x-1718-pemograman-dasar (1).docx
ilyasfatma
 
modul PEMBELAJARAN BERBASIS WEB/WEBSITE
HARIANIHARIANI2
 
Pedoman Model Pembelajaran Ekonomi Berbasis Teori Kecerdasan Majemuk (Multipl...
DavidFernandoPurba1
 
Modul pembelajaran berbasis web/wbsite
tiawatiana
 
AKM Berbasis Numerasi.pdf
IstiqomahIstiqomah55
 
Tutorial
Ismaya Gharini
 
PPT ujian komprehensif pendidikan anak uasia dini.pptx
ArieeJr1
 
[Revisi 6] Pendahuluan Algoritma dan Pemrograman I.pdf
ilhamjumadil1
 
Laporan Pentaksiran Prasekolah (2017)
Dy Marvel
 
PPT konpehensif pendidikan anak uasia dini.pptx
ArieeJr1
 
Materi Semester 2 Jurusan Informatika Kelas 5
MBrinet
 
Penghargaan
syafiq hussin
 
Penghargaan
syafiq hussin
 
Penghargaan
syafiq hussin
 
Ad

More from Agus Kurniawan (7)

PDF
Administrasi MongoDB
Agus Kurniawan
 
PDF
Windows Server 2008 R2 Failover Cluster
Agus Kurniawan
 
PDF
Seri Belajar Mandiri – Pemrograman VB.NET Untuk Pemula
Agus Kurniawan
 
PDF
Seri Belajar Mandiri - Pemrograman C# Untuk Pemula
Agus Kurniawan
 
PDF
Mengenal Wireless Sensor Network
Agus Kurniawan
 
PDF
Mengenal Windows Azure Hadoop
Agus Kurniawan
 
PDF
Tutorial Jaringan komputer
Agus Kurniawan
 
Administrasi MongoDB
Agus Kurniawan
 
Windows Server 2008 R2 Failover Cluster
Agus Kurniawan
 
Seri Belajar Mandiri – Pemrograman VB.NET Untuk Pemula
Agus Kurniawan
 
Seri Belajar Mandiri - Pemrograman C# Untuk Pemula
Agus Kurniawan
 
Mengenal Wireless Sensor Network
Agus Kurniawan
 
Mengenal Windows Azure Hadoop
Agus Kurniawan
 
Tutorial Jaringan komputer
Agus Kurniawan
 
Ad

Recently uploaded (20)

PPTX
TOPOLOGI JARINGAN STAR TEKNIK INFORMATIKA
febriigirisa
 
PDF
chapter 1 Smith and Van ness thermodynamics
thir2768
 
PPTX
4. PENERAPAN PENGELOLAAN SUMBER DAYA MANUSIA.pptx
YourmentyHindom
 
PPTX
7-presentasi-pk-metrologi-141030010022-conversion-gate01.pptx
LiaRayya
 
PPTX
02 SEL ELEKTROKIMIA 1.pptx kimia fisika 1
thir2768
 
PDF
MAINKAN GAME KESUKAN KALIAN DI TANGKI 4D DI JAMIN WD DAN CLIAM BONUSNYA
tangki4d
 
PPT
08_Sistem-Penilaian-Kesesuaian_BW_1708071.ppt
LiaRayya
 
PPTX
MAINTENACE KNOWLEDGE_SHARING_ALL NEW.pptx
akbarword22
 
PPTX
1 Peraturan Perundangan terkait Keselamatan Konstruksi 18.10 - Copy.pptx
YourmentyHindom
 
PPT
hand-tools-service-special-tools-alat-ukur.ppt
febriohani40
 
PDF
Peraturan menteri perhubungan_63_TAHUN_2019.pdf
areollaminjajaya
 
PPTX
2013materistudiumgeneralkabsndiunsri-130318044328-phpapp01.pptx
LiaRayya
 
PDF
12. Mekanisme Pelaporan Kegiatan Sanimas_rev08082024.pptx.pdf
aawito85
 
PPTX
PPT - Materi Paparan Laporan Akhir RP3KP Paser.pptx
DanaAdisukma
 
PPTX
4. Penyusunan Rancangan Kontrak _edit 2024-Parwanta1.pptx
SIEPDGLPESISIRDISLAU
 
PPTX
SAFETY INDUCTION untuk perusahaan konstruksi
claimsuryadi
 
PPT
PCM pekerjaan pembangunan Jembatan payahe
DwiWahyuNanangUtomo
 
PPTX
Materi_Konstruksi_Edukatif_Emosional_Damage.pptx
xavieringgrid
 
PPT
variabel valve timing intelligence untuk xenia
NurulHidayah133507
 
PPTX
SISTEM_INFORMASI_GEOGRAFIS_unlocked.pptx
joyfreester19
 
TOPOLOGI JARINGAN STAR TEKNIK INFORMATIKA
febriigirisa
 
chapter 1 Smith and Van ness thermodynamics
thir2768
 
4. PENERAPAN PENGELOLAAN SUMBER DAYA MANUSIA.pptx
YourmentyHindom
 
7-presentasi-pk-metrologi-141030010022-conversion-gate01.pptx
LiaRayya
 
02 SEL ELEKTROKIMIA 1.pptx kimia fisika 1
thir2768
 
MAINKAN GAME KESUKAN KALIAN DI TANGKI 4D DI JAMIN WD DAN CLIAM BONUSNYA
tangki4d
 
08_Sistem-Penilaian-Kesesuaian_BW_1708071.ppt
LiaRayya
 
MAINTENACE KNOWLEDGE_SHARING_ALL NEW.pptx
akbarword22
 
1 Peraturan Perundangan terkait Keselamatan Konstruksi 18.10 - Copy.pptx
YourmentyHindom
 
hand-tools-service-special-tools-alat-ukur.ppt
febriohani40
 
Peraturan menteri perhubungan_63_TAHUN_2019.pdf
areollaminjajaya
 
2013materistudiumgeneralkabsndiunsri-130318044328-phpapp01.pptx
LiaRayya
 
12. Mekanisme Pelaporan Kegiatan Sanimas_rev08082024.pptx.pdf
aawito85
 
PPT - Materi Paparan Laporan Akhir RP3KP Paser.pptx
DanaAdisukma
 
4. Penyusunan Rancangan Kontrak _edit 2024-Parwanta1.pptx
SIEPDGLPESISIRDISLAU
 
SAFETY INDUCTION untuk perusahaan konstruksi
claimsuryadi
 
PCM pekerjaan pembangunan Jembatan payahe
DwiWahyuNanangUtomo
 
Materi_Konstruksi_Edukatif_Emosional_Damage.pptx
xavieringgrid
 
variabel valve timing intelligence untuk xenia
NurulHidayah133507
 
SISTEM_INFORMASI_GEOGRAFIS_unlocked.pptx
joyfreester19
 

Seri Belajar Data Science Supervised Learning dengan R

  • 1. Seri Belajar Data Science Supervised Learning dengan R M Reza Faisal
  • 2. Seri Belajar Data Science: Supervised Learning dengan R 2 Seri Belajar Data Science: Supervised Learning dengan R Penulis: M Reza Faisal Editor: Agus Kurniawan Penerbit: PE Press Edisi pertama, tahun 2017 Seluruh konten isi buku ini merupakan hak cipta penulis dan PE Press. Dilarang memperbanyak isi buku ini sebagian atau keseluruhan dengan printing, cetak, fotokopi, dan sebagainya tanpa izin tertulis dari Penerbit People Enterprise Press.
  • 3. Seri Belajar Data Science: Supervised Learning dengan R 3 Kata Pengantar Puji dan syukur diucapkan kepada Allah SWT atas selesainya buku yang berjudul Seri Pemrograman: Supervise Learning dengan R. Metode atau teknik matematika, statistik atau machine learning yang dibahas pada buku ini adalah telah umum digunakan. Sehingga buku ini tidak akan membahas tentang konsep metode dan teknik tersebut. Buku hanya fokus membahas implementasi setiap metode dan teknik pada lingkungan R. Topik machine learning yang dibahas pada buku ini hanya fokus kepada supervised learning pada umumnya dan klasifikasi pada khususnya. Setiap teknik klasifikasi yang dibahas disertai contoh masalah dan penyelesaian langkah demi langkah sehingga dapat diikuti oleh pembaca dengan mudah. Selain membahas teknik-teknik supervised learning - klasifikasi, buku ini juga membahas teknik yang digunakan untuk mengukur kinerja teknik klasifikasi yang digunakan. Sehingga pembaca dapat memiliki pengetahuan yang lengkap untuk menyelesaikan masalah klasifikasi pada lingkungan R. Akhir kata, selamat membaca dan semoga buku ini bermanfaat bagi para pemula untuk mempelajari machine learning pada umumnya dan supervised learning - klasifikasi dengan R pada khususnya. Kritik dan saran akan sangat berarti dan dapat ditujukan via email Banjarmasin, Januari 2017 M Reza Faisal
  • 4. Seri Belajar Data Science: Supervised Learning dengan R 4 Daftar Isi Table of Contents KATA$PENGANTAR$ 3! DAFTAR$ISI$ 4! 1.$PENDAHULUAN$ 11! 1.1$BAGAIMANA$MANUSIA$BELAJAR$MENGENALI?$ 11! 1.2$KENAPA$KOMPUTER$PERLU$MEMPUNYAI$KEMAMPUAN$BELAJAR$SEPERTI$ MANUSIA?$ 11! 1.3$MACHINE$LEARNING$ 12! 1.3.1!DOMAIN!MODEL! 12! 1.3.2!DEFINISI! 13! 1.3.3!ISTILAH2ISTILAH! 13! 1.3.4!TIPE! 14! 1.3.5!LANGKAH2LANGKAH!IMPLEMENTASI! 16! 1.4$MACHINE$LEARNING$&$DATA$MINING$ 16! 2.$PENGANTAR$PEMROGRAMAN$R$ 17! 2.1$INSTALLASI$ 17! 2.1.1!COMPREHENSIVE!R!ARCHIVE!NETWORK!(CRAN)! 17! 2.1.2!MICROSOFT!R!ARCHIVE!NETWORK!(MRAN)! 22! 2.2$TOOL$PEMROGRAMAN$ 26! 2.2.1!RGUI! 26! 2.2.2!RSTUDIO! 29! 2.2.3!R!TOOLS!FOR!VISUAL!STUDIO! 33! 3.$FUNGSI@FUNGSI$DASAR$R$ 37! 3.1$PACKAGE$ 37! 3.1.1!INSTALLASI!PACKAGE! 37! 3.1.2!MEMUAT!PACKAGE! 38!
  • 5. Seri Belajar Data Science: Supervised Learning dengan R 5 3.2$WORKING$DIRECTORY$ 38! 3.2.1!MENDAPATKAN!WORKING!DIRECTORY! 39! 3.2.2!MENENTUKAN!WORKING!DIRECTORY! 39! 3.3$DATASET$ 39! 3.4$MENULIS$DATA$KE$FILE$ 40! 3.4.1!WRITE.CSV()! 40! 3.4.2!WRITE.TABLE()! 40! 3.5$MEMBACA$FILE$TEXT$ 41! 3.5.1!READ.CSV()! 41! 3.5.2!READ.TABLE()! 41! 3.6$MEMBACA$FILE$EXCEL$ 41! 3.7$AKSES$DATABASE$ 42! 3.7.1!AKSES!DATABASE!MYSQL! 42! 3.7.2!AKSES!DATABASE!SQL!SERVER! 43! 3.8$MENAMPILKAN$DATA$ 43! 3.8.1!HEAD()! 44! 3.8.2!TAIL()! 44! 3.8.3!VIEW()! 45! 3.8.4!OBYEK$ROWNAME! 46! 3.9$MEMFILTER$DATA$ 46! 3.9.1!OBYEK[,X:Y]! 46! 3.9.2!OBYEK[X:Y,]! 47! 3.9.3!OBYEK[X1:Y1,!X2:Y2]! 47! 3.9.4!OBYEK[WHICH(),!]! 47! 3.10$MENGGABUNG$DATA$ 47! 3.10.1!RBIND()! 47! 3.10.2!CBIND()! 48! 3.11$EXPLORASI$DATA$ 49! 3.11.1!DIM()! 49!
  • 6. Seri Belajar Data Science: Supervised Learning dengan R 6 3.11.2!NAMES()! 49! 3.11.3!STR()! 49! 3.11.4!TABLE()! 49! 3.11.5!SUMMARY()! 50! 3.12$GRAFIK$ 50! 3.12.1!PLOT()! 50! 3.12.2!SCATTERPLOT3()! 52! 3.12.3!PLOT3D()! 53! 3.12.4!HIST()! 54! 3.12.5!DENSITY()! 55! 3.12.6!PIE()! 55! 3.12.7!BARPLOT()! 56! 3.12.8!BOXPLOT()! 57! 3.12.9!PAR()! 57! 3.13$VISUALISASI$DATA$ 59! 3.13.1!PRINCIPAL!COMPONENT!ANALYSIS!(PCA)! 59! 3.13.2!VISUALISASI!2D! 60! 3.13.3!VISUALISASI!3D! 62! 3.14$HELP$ 62! 4.$PENGANTAR$KLASIFIKASI$ 65! 4.1$DEFINISI$ 65! 4.2$DATA$ 65! 4.3$LANGKAH@LANGKAH$PENGEMBANGAN$ 68! 4.3.1!PENGENALAN!DATA! 69! 4.3.2!PEMBAGIAN!DATA! 69! 4.3.3!IMPLEMENTASI!ALGORITMA!KLASIFIKASI! 72! 4.3.4!PENGUKURAN!KINERJA!ALGORITMA!KLASIFIKASI! 73! 5.$PENGENALAN$&$PEMBAGIAN$DATA$ 79! 5.1$PENGENALAN$DATA$ 79!
  • 7. Seri Belajar Data Science: Supervised Learning dengan R 7 5.1.1!DATASET!IRIS! 79! 5.1.2!DATASET!TITANIC! 83! 5.1.3!DATASET!YEAST! 86! 5.2$PEMBAGIAN$DATA$ 89! 5.2.1!PERSIAPAN!WORKING!DIRECTORY! 90! 5.2.2!DATA!UNTUK!KLASIFIKASI!BINARY!CLASS! 90! 5.2.3!DATA!UNTUK!KLASIFIKASI!MULTI!CLASS! 94! 6.$RANCANGAN$APLIKASI$KLASIFIKASI$ 97! 6.1$APA$LANGKAH$SELANJUTNYA?$ 97! 6.2$RANCANGAN$APLIKASI$ 97! 6.2.1!RANCANGAN!APLIKASI!1! 97! 6.2.2!RANCANGAN!APLIKASI!2! 98! 6.2.3!RANCANGAN!APLIKASI!3! 99! 7.$K@NEAREST$NEIGHBORS$(KNN)$ 101! 7.1$CARA$KERJA$ 101! 7.2$PERSIAPAN$ 101! 7.3$SINTAKS$ 102! 7.4$IMPLEMENTASI$ 102! 7.4.1!APLIKASI!1! 102! 7.4.2!APLIKASI!2! 104! 7.4.3!APLIKASI!3! 110! 7.5$CATATAN$ 117! 8.$NAÏVE$BAYES$ 119! 8.1$PERSIAPAN$ 122! 8.2$SINTAKS$ 122! 8.3$IMPLEMENTASI$ 124! 8.3.1!APLIKASI!1! 124! 8.3.2!APLIKASI!2! 127!
  • 8. Seri Belajar Data Science: Supervised Learning dengan R 8 8.3.3!APLIKASI!3! 130! 8.4$CATATAN$ 133! 9.$SUPPORT$VECTOR$MACHINE$(SVM)$ 135! 9.1$CARA$KERJA$ 135! 9.2$PERSIAPAN$ 136! 9.3$SINTAKS$ 137! 9.4$IMPLEMENTASI$ 138! 9.4.1!APLIKASI!1! 138! 9.4.2!APLIKASI!2! 139! 9.4.3!APLIKASI!3! 143! 9.5$CATATAN$ 148! 10.$DECISION$TREE$ 149! 10.1$CARA$KERJA$ 149! 10.2$PERSIAPAN$ 155! 10.3$SINTAKS$ 155! 10.4$IMPLEMENTASI$ 155! 10.4.1!APLIKASI!1! 155! 10.4.2!APLIKASI!2! 158! 10.4.3!APLIKASI!3! 162! 10.5$CATATAN$ 166! 11.$KLASIFIKASI$KELAS$TIDAK$SEIMBANG$ 167! 11.1$DEFINISI$&$EFEK$KELAS$TIDAK$SEIMBANG$ 167! 11.1.1!KNN! 168! 11.1.2!NAÏVE!BAYES! 168! 11.1.3!SVM! 169! 11.1.4!DECISION!TREE! 170! 11.2$SOLUSI$MASALAH$ 171! 11.3$DATASET$CLASS$TIDAK$SEIMBANG$ 172!
  • 9. Seri Belajar Data Science: Supervised Learning dengan R 9 11.4$SOLUSI$PENDEKATAN$DATA$ 173! 11.4.1!UNDERSAMPLING! 173! 11.4.2!OVERSAMPLING! 180! 11.4.3!GABUNGAN!UNDERSAMPLING!&!OVERSAMPLING! 185! 11.5$SOLUSI$PENDEKATAN$ALGORITMA$ 190! A.!BOOTSTRAP!AGGREGATING!(BAGGING)! 190! B.!BOOSTING! 191! C.!STACKING! 191! 11.6$CATATAN$ 192! 12.$REFERENSI$ 193! 13.$PENUTUP$ 194! PROFILE$ 195!
  • 10. Seri Belajar Data Science: Supervised Learning dengan R 10
  • 11. Seri Belajar Data Science: Supervised Learning dengan R 11 1. Pendahuluan 1.1 Bagaimana Manusia Belajar Mengenali? Anak kecil mempunyai keingintahuan yang sangat tinggi. Saat seorang anak kecil dan orang tuanya duduk di depan rumah maka anak kecil tersebut mungkin akan bertanya tentang apa saja yang lewat di depan rumahnya. Saat mobil lewat, sang anak bertanya: “Itu apa?”. “Itu mobil nak”, jawab sang orang tua. Pertanyaan serupa mungkin diulang-ulang oleh sang anak sampai puluhan mobil lewat di depan rumahnya. Sampai suatu saat hal itu tidak akan ditanyakan lagi oleh sang anak. Karena sang anak telah mengenal ciri-ciri bermacam-macam mobil yang telah lewat di depan rumahnya. Suatu saat mungkin sang anak akan memiliki pertanyaan lain. Tetapi pertanyaannya masih berkaitan tentang mobil. Sang anak bertanya: “Itu mobil ya?”. Sang orang tua akan menjawab: “Iya nak” ketika yang lewat adalah mobil. Dan menjawab: “Bukan nak” ketika yang lewat bukan mobil. Hal yang sama mungkin akan terjadi lagi ketika sang anak melihat sepeda motor. Dan kembali sang anak akan berhenti bertanya ketika sang anak telah mengenal ciri-ciri bermacam-macam sepeda motor yang dia lihat. Ketika proses belajar pengenalan mobil dan sepeda motor selesai, maka sang anak akan dengan gampang mengklasifikasikan mana mobil dan sepeda motor. Cerita di atas adalah contoh sederhana supervised learning. Karena data tentang setiap mobil memiliki labelnya. Jika data tentang setiap mobil adalah setiap pertanyaan tentang mobil, maka label adalah jawaban sang orang tua 1.2 Kenapa Komputer Perlu Mempunyai Kemampuan Belajar Seperti Manusia? Tetapi masalah yang dihadapi manusia tidak hanya masalah menentukan dan membedakan sepeda motor dan mobil saja. Banyak hal-hal serupa yang ingin diketahui oleh manusia sebagai contoh adalah bagaimana membedakan email spam dan email bukan spam. Jika manusia belajar mengidentifikasi email spam dan bukan seperti bagaimana sang anak di atas belajar, maka dengan mudah dapat membedakan email spam dan bukan. Tetapi masalahnya tidak mungkin untuk mempekerjakan manusia untuk memfilter email spam yang jumlahnya jutaan bahkan milyaran lebih email pada Yahoo! Mail atau Gmail. Karena manusia mempunyai kebatasan dalam hal kecepatan melakukan menghadapi jumlah yang banyak, selain itu keterbatasan stamina untuk bekerja dalam waktu yang lama atau tanpa istirahat. Selain masalah filter email spam juga ada masalah lain seperti: 1.! Menentukan penipuan transaksi di bank. 2.! Pada bidang bioinformatika terdapat masalah seperti klasifikasi kanker, DNA, genome dan lain-lain. 3.! Klasifikasi lahan pada citra GIS. 4.! Dan lain-lain.
  • 12. Seri Belajar Data Science: Supervised Learning dengan R 12 1.3 Machine Learning 1.3.1 Domain Model Pada sub bab pertama telah disebutkan bagaimana anak mengenali sesuatu. Manusia dapat melakukan hal karena otak mampu membuat model berdasarkan masalah yang dihadapi yang disebut domain model. Dengan model tersebut maka dapat dilakukan proses seperti: 1.! Klasifikasi. 2.! Prediksi. 3.! Clustering. 4.! Explanation. Pada sub bab pertama terdapat dua domain yaitu “sepeda motor atau mobil” dan “email spam atau bukan”. Untuk membuat domain model dapat digunakan dua pendekatan yaitu: 1.! Pendekatan basis pengetahuan (knowledge-based) Pendekatan ini dapat dilakukan jika ada seorang ahli di suatu domain yang memberikan pengetahuan eksplisit untuk mengidentifikasi sesuatu. Seorang ahli pada suatu domain lebih dikenal sebagai expert system. Jika pendekatan ini diimplementasikan pada perangkat lunak maka pembuat perangkat akan menjadi pemberi pengetahuan secara eksplisit tentang domain model. 2.! Pendekatan data-driven Pendekatan ini memanfaatkan data yang telah ada untuk membangun konsep model secara implisit sehingga dapat digunakan untuk mengidentifikasi sesuatu. Pada buku ini akan berfokus pada pendekatan data-driven. Untuk membuat data menjadi domain model agar didapat informasi yang dapat digunakan untuk melakukan aksi maka digunakan metode-metode yang telah dikenal pada bidang statistik. Proses data dengan metode-metode statistik tersebut dibantu dengan bantuan kekuatan komputasi yang dimiliki oleh komputer. Gambar 1. Data, metode statistik dan kekuatan komputasi computer (sumber: Machine Learning with R). Karena menggunakan metode statistik maka proses di atas disebut statistical learning, tetapi lebih populer atau lebih dikenal dengan istilah machine learning.
  • 13. Seri Belajar Data Science: Supervised Learning dengan R 13 1.3.2 Definisi Mechine learning adalah bidang yang mempelajari pengembangan algoritma komputer untuk mengubah data menjadi aksi yang cerdas (Machine Learning with R). atau secara singkat dapat juga diartikan sebagai proses mengubah data menjadi informasi (Machine Learning in Action). Selain machine learning, juga sering didengar istilah data mining yang merupakan saudara kandungnya. Tetapi ada pendapat yang menyatakan tumpang tinding machine learning dan data mining dimana secara virtual pada seluruh data mining pasti melibatkan penggunaan machine learning tetapi tidak seluruh machine learning melibatkan data mining. Sebagai contoh machine learning digunakan untuk melakukan proses data mining data lalu lintas kendaraan bermotor untuk mendapatkan pola yang berhubungan dengan tingkat kecelakaan. Kemudian bedakan dengan bagaimana proses pembelajaran komputer untuk mengendarai mobil dimana hal tersebut murni machine learning tanpa ada data mining. Maka dapat ditarik kesimpulan singkat yaitu: 1.! Machine learning berfokus pada bagaimana pembelajaran komputer menggunakan komputer untuk memecahkan masalah. 2.! Data mining berfokus pada bagaimana pembelajaran komputer mengindentifikasi pola yang akan digunakan manusia untuk memecahkan masalah. 1.3.3 Istilah-Istilah Sebelum membahas tentang machine learning lebih dalam, maka pada sub bab ini akan disebutkan dan diterangkan terminologi atau istilah-istilah yang umum digunakan. A. Dataset, Instance & Feature Dengan menggunakan pendekatan data-driven maka pembelajaran dapat dilakukan jika telah dimiliki data atau sering disebut sebagai dataset. Di bawah ini ditampilkan dataset iris yang terdiri atas 150 baris atau record yang akan lebih dikenal dengan istilah instance. Sepal.Length Sepal.Width Petal.Length Petal.Width Species 1 5.1 3.5 1.4 0.2 setosa 2 4.9 3.0 1.4 0.2 setosa 3 4.7 3.2 1.3 0.2 setosa 4 4.6 3.1 1.5 0.2 setosa 5 5.0 3.6 1.4 0.2 setosa 6 5.4 3.9 1.7 0.4 setosa . . . 145 6.7 3.3 5.7 2.5 virginica 146 6.7 3.0 5.2 2.3 virginica 147 6.3 2.5 5.0 1.9 virginica 148 6.5 3.0 5.2 2.0 virginica 149 6.2 3.4 5.4 2.3 virginica 150 5.9 3.0 5.1 1.8 virginica Pada dataset di atas dapat dilihat 5 kolom yaitu:
  • 14. Seri Belajar Data Science: Supervised Learning dengan R 14 1.! Sepal.Length. 2.! Sepal.Width. 3.! Petal.Length. 4.! Petal.Width. 5.! Species. Istilah yang digunakan untuk kolom adalah feature, artinya dataset di atas memiliki 5 feature. Pada beberapa algoritma, feature dapat dibedakan menjadi dua yaitu: feature dan target variable (target feature). Sebagai contoh jika dataset di atas diproses dengan algoritma klasifikasi maka target variable (target feature) adalah Species sedangkan sisanya adalah feature. B. Training Set & Test Set Dataset akan digunakan pada proses pembelajaran algoritma paling tidak terdapat dua tahap yang harus dilakukan, yaitu tahap training dan pengujian (test). Jika dimiliki 150 instance pada dataset maka harus dibagi menjadi dua. Data yang digunakan pada tahap training akan disebut dengan istilah training set. Sedangkan yang digunakan pada tahap pengujian disebut test set. Untuk teknik pembagian dataset menjadi training dan test set akan diterangkan pada bab yang lain. 1.3.4 Tipe Machine learning dapat dibedakan menjadi dua tipe. Tipe yang dimaksudkan di sini adalah tipe algoritma yaitu: 1.! Supervised learning. 2.! Unsupervised learning. A. Supervised Learning Pembelajaran pada tipe ini telah diketahui apa yang akan diprediksi atau target variablenya. Sehingga tujuan membangun algoritma sudah jelas hal apa yang akan diprediksi. Oleh karena itu model yang dihasilkan dari tipe ini adalah model prediksi. Model prediksi digunakan untuk melakukan proses prediksi target variable (target feature) berdasarkan feature-feature lain pada suatu dataset. Algoritma pembelajaran yang dibangun mencoba untuk menemukan dan memodelkan hubungan antara target variable (target feature) tersebut dengan feature-feature lainnya. Klasifikasi adalah contoh task mechine learning tipe supervised untuk melakukan prediksi. Beberapa contoh penerapan klasifikasi adalah sebagai berikut: 1.! Penentuan email adalah email spam. 2.! Penentuan seseorang mengidap kanker. 3.! Penentuan kemenangan suatu tim sepakbola.
  • 15. Seri Belajar Data Science: Supervised Learning dengan R 15 Pada klasifikasi, target feature yang akan diprediksi adalah feature terkategori yang dikenal dengan istilah kelas (class) dan dapat dibagi menjadi kategori yang disebut dengan istilah level. Kasus klasifikasi dapat dibedakan berdasarkan tipe masalah yang umumnya ditemui, yaitu: 1.! Klasifikasi 1 class. 2.! Klasifikasi 2 class (binary). 3.! Klasifikasi multiclass, terdapat lebih dari 2 class. Saat ini telah banyak teknik/metode klasifikasi yang dikembangkan untuk menyelesaikan masalah klasifikasi 2 class. Sehingga untuk menyelesaikan masalah klasifikasi multiclass dapat digunakan kombinasi teknik/metode yang biasa digunakan untuk menyelesaikan klasifikasi 2 class Supervised learning juga dapat digunakan untuk memprediksi data numerik. Task seperti ini dikenal dengan istilah regresi. Berikut ini adalah beberapa nama algoritma tipe supervised leaning yaitu: 1.! K-Nearest Neighbors. 2.! Naïve Bayes. 3.! Suport Vector Machine. 4.! Decision Trees. 5.! Linear Regression. 6.! Neural Network. B. Unsupervised Learning Unsupervised learning merupakan kebalikan dari tipe sebelumnya dimana tidak terdapat target variable (target feature) pada dataset. Model yang dihasilkan dari tipe ini adalah descriptive model. Salah satu task descriptive model untuk menemukan pola yang bisa mengidentifikasi asosiasi pada dataset. Contoh implementasinya dapat dilakukan pada menemukan pola pada proses analisis barang yang dibeli oleh pembeli pada suatu super market atau mini market. Tujuan dari analisis ini adalah untuk mengetahui barang-barang yang sering dibeli bersama-sama. Sebagai contoh jika pembeli membeli roti maka otomatis juga membeli keju dan susu kental manis. Atau jika pembeli membeli sabun cuci maka juga membeli pengharum pakaian. Dengan informasi pola tersebut maka pemilik super market dapat menggunakannya untuk membuat iklan diskon untuk kelompok barang tersebut, atau pemilik juga dapat membuat agar tata letak barang-barang tersebut dibuat berdekatan. Task descriptive model yang lain adalah mengelompokkan dataset ke dalam kelompok-kelompok yang homogen yang disebut dengan istilah clustering. Kelompok-kelompok homogen yang dihasilkan dari clustering perlu bantuan manusia untuk melakukan intepretasi hasil tersebut untuk menentukan atau mendeskripsikan apa isi dari kelompok-kelompok tersebut. Contoh unsupervised learning adalah: 1.! Association rule. 2.! K-Mean clustering.
  • 16. Seri Belajar Data Science: Supervised Learning dengan R 16 1.3.5 Langkah-Langkah Implementasi Berikut ini adalah langkah-langkah yang digunakan untuk melakukan implementasi machine learning untuk menyelesaikan kasus yang dihadapi. Terdapat 5 tahap yang dapat diterapkan pada pada setiap algoritma machine learning, yaitu: 1.! Pengumpulan data. 2.! Eksplorasi dan persiapan data, langkah eksplorasi data bertujuan untuk lebih mengenal data yang digunakan. Sedangkan langkah persiapan data bertujuan untuk meningkatkan kualitas data seperti menghilangkan data yang tidak diperlukan. Karena kualitas model yang dihasilkan sangat bergantung pada data yang digunakan. 3.! Training/pelatihan model, langkah pembangunan model. Pada langkah ini digunakan training set sebagai input data. 4.! Evaluasi model, langkah evaluasi dilakukan untuk mengetahui performansi dari model yang dihasilkan maka model yang dihasilkan pada tahap sebelumnya akan diuji dengan menggunakan test set sebagai input data. 5.! Perbaikan model, langkah ini diperlukan jika diinginkan performansi yang lebih baik. Ada beberapa cara yang dapat dilakukan untuk itu mendapatkan performansi yang lebih baik, diantaranya adalah mengganti tipe learning atau algoritma yang digunakan. Atau dengan cara melakukan perbaikan pada data yang digunakan baik dengan cara menambah data, mengurangi feature pada dataset dan lain-lain. 1.4 Machine Learning & Data Mining Berikut ini adalah penjelasan secara singkat keterkaitan atau hubungan antara machine learning dan data mining. Secara singkat, data mining menggunakan metode statistik untuk mencari pola tersembunyi pada database agar dapat menjelaskan suatu fenomena. Sedangkan machine learning menggunakan teknik-teknik data mining dan algoritma pembelajaran lainnya untuk membuat model dari hal-hal yang terjadi pada data untuk memprediksi kejadian selanjutnya. Selanjutnya machine learning akan digunakan pada bidang artificial intelligence untuk membuat model yang digunakan untuk pengenalan kebiasaan dan prediksi aksi sebagai contoh implementasi pada game atau mobil pintar yang bisa berjalan sendiri.