Langsung ke konten utama

Postingan

Pertemuan 4 - Diskusi

  Pada pertemuan 4 ini membahas tentang: Data Transformasi Data Cleaning Data Reduction Data Transformasi             Data transformasi adalah proses mengubah data dari satu format atau struktur ke format atau struktur lain yang lebih sesuai untuk analisis atau pemrosesan lebih lanjut. Proses ini penting untuk memastikan bahwa data dapat digunakan dengan efektif oleh alat analisis atau model prediktif.   Data Cleaning             Data cleaning atau pembersihan data adalah proses mengidentifikasi dan memperbaiki atau menghapus data yang kotor atau tidak akurat dari dataset. Tujuan dari data cleaning adalah untuk meningkatkan kualitas data sehingga hasil analisis atau model yang dibangun dari data tersebut lebih akurat dan dapat diandalkan.  Data Reduction Data reduction adalah proses mengurangi ukuran dataset tanpa mengorbankan informasi penting yang terkandung di dalamnya. Proses ini sangat penting...
Postingan terbaru

Pertemuan 10 Data Mining

  Supervised learning mengacu pada sebuah teknologi kecerdasan buatan tergolong ke dalam kategori machine learning, di mana teknologi ini melatih algoritma dari perangkat komputer pada proses input data yang telah diberi label untuk output tertentu. Singkatnya, perancangan jenis learning ini khusus untuk melatih input data. Algoritma komputer dilatih sampai mendapat hasil yakni dapat melakukan deteksi pola serta hubungan mendasar antara input data dan output label. Nantinya, hal itu akan memungkinkan penyajian dengan hasil pelabelan yang akurat. Pembelajaran satu ini dapat membantu perusahaan dalam memecahkan masalah berskala besar. Jenis machine learning ini cocok untuk menyelesaikan masalah klasifikasi maupun regresi, seperti melakukan penentuan terhadap kategori yang ada pada artikel maupun melakukan prediksi terkait dengan volume penjualan pada waktu tertentu di masa mendatang. Tujuan jenis learning satu ini adalah untuk memperdalam pemahaman data dalam konteks pertanyaan. Supe...

QUIZ DATA MINING

Link Google Colab :   Klik Disini (Google Colab) Link File PDF : Klik Disini (PDF) Pendahuluan Laporan ini bertujuan menganalisis data transkrip nilai mahasiswa untuk menentukan IPS per semester setiap mahasiswa, termasuk IPS per semester per mahasiswa, hubungan antara IPS dan lulusan tepat waktu, korelasi antara predikat kelulusan 'Pujian' dengan lulusan tepat waktu, hubungan antara durasi studi dan predikat kelulusan, serta perbandingan prestasi akademik berdasarkan jenis kelamin. IPS Setiap Semester per Mahasiswa Untuk menghitung IPS per semester per mahasiswa dengan mengumpulkan nilai total mata kuliah untuk setiap semester dan kemudian membaginya dengan jumlah SKS yang diambil. Ini memberikan gambaran tentang kinerja akademik mahasiswa dari waktu ke waktu. Metode: 1. Menghitung nilai total untuk setiap semester berdasarkan data nilai total mata kuliah. 2. Menghitung jumlah SKS yang diambil untuk setiap semester. 3. Membagi nilai total dengan jumlah SKS untuk setiap semes...