Langsung ke konten utama

Natural Language Processing (NLP) Penerapan Stopwords Bahasa Indonesia dengan R: Topik Sepinya Jalur Pantura Akibat Adanya Tol Trans Jawa

Natural Language Processing : Stopwords Bahasa Indonesia dengan R Halo teman-teman, berjumpa lagi dengan blog sederhana ini. Pada pembahasan sebelumnya, kita telah bersama belajar penerapan stemming teks yang merupakan bagian dari Natural Language Processing (NLP) menggunakan R. Pada perjumpaan kali ini, kita akan melanjutkan perjuangan kita berbagi ilmu mengenai NLP, tepatnya adalah penerapan stopwords Bahasa Indonesia dengan R. Perlu diketahui bahwa di dalam NLP, untuk menambah keluasan dan mempertajam analisis teks, proses stemming teks saja belum cukup. Kita juga perlu membersihkan teks yang relatif atau mutlak tidak bermakna di dalam analisis teks. Biasanya teks yang dieliminasi dalam NLP merupakan kata penghubunga atau konjungsi, atau kata yang berupa ekspresi yang bercampur di dalam data teks, misalkan ekspresi tertawa "wkwk", ekspresi penolakan "gak, nggak, tidak, atau gk", bahasa asing (selain Indonesia), atau juga kata-kata yang tidak memenuhi kaidah ta

Uji Normalitas Kolmogorov-Smirnov dengan R

Uji normalitas KS dengan R

Setelah kita memahami dan mempraktikan bagaimana menerapkan uji normalitas residual model dengan uji Jarque-Bera (bagi teman-teman yang belum menyimak bisa klik di sini), kita akan melanjutkan belajar bareng bagaimana sih melakukan uji normalitas residual model dengan uji Kolmogorov-Smirnov (KS-test).

Uji Kolmogorov-Smirnov merupakan uji asumsi distribusi pada data statistik yang mentitikberatkan pada selisih antara frekuensi distribusi teoritis dan distribusi dari data atau sebaran data sebenarnya. prinsip uji ini adalah untuk melihat apakah sebaran data sebenarnya telah mengikuti sebaran teoritis tertentu termasuk di dalamnya distribusi normal atau tidak. Langkah-langkah sederhana pengujian normalitas KS dapat dikonfigurasikan dengan tabel berikut:

Konfigurasi uji Kolmogorov-Smirnov

 

Keterangan tabel konfigurasi uji Kolmogorov-Smirnov

Setelah seluruh nilai D dalam tabel telah diperoleh, langkah berikutnya adalah dengan memilih nilai D terbesar kemudian membandingkannya dengan D tabel Kolmogorov-Smirnov. Bila nilai D terbesar data kurang dari D tabel KS, maka disimpulkan bahwa sebaran data kita telah mengikuti distribusi normal.

Uji KS untuk normalitas residual model sendiri pada dasarnya dibangun untuk pengujian data nonparametrik. Namun, seiring dengan perkembangan ilmu pengetahuan, diformulasikan pula uji KS untuk pengujian data parametrik dengan modifikasi Liliefors. Algoritma yang dikembangkan Liliefors sendiri secara mendasar sama dengan KS, hanya saja perbedaannya terletak pada kriteria pengujiannya. Dalam uji KS modifikasi Liliefors, sebaran data dikatakan memenuhi kenormalan bila nilai L terbesar data kurang dari L tabel Liliefors.

Lantas, bagaimana sih penerapannya dalam bahasa R? Cukup mudah teman-teman. Kita dapat menggunakan uji KS ini tanpa bantuan package, artinya kita hanya langsung mengetikkan ujinya secara langsung setelah model terbentuk. Codenya adalah sebagai berikut:

Code:

#Mengenerate Dataset
x1 <- c(8, 7, 9, 3, 6, 8, 9, 2, 9, 8, 4, 4, 6, 10)
y <- c(5, 4, 7, 2, 5, 6, 8, 3, 5, 7, 2, 2, 3, 9)
df <- data.frame(x1, y)

#Melihat sekilas dataset
head(df)

Hasil:

  x1 y
1  8 5
2  7 4
3  9 7
4  3 2
5  6 5
6  8 6

Code:

#Pemodelan Regresi Linier Sederhana
model <- lm(y~x1, data = df)

#Melihat ringkasan pemodelan regresi linier berganda
summary(model)

Hasil:

Call:
lm(formula = y ~ x1, data = df)
Residuals:
     Min       1Q   Median       3Q      Max
-1.73476 -0.89163  0.05322  0.96009  1.84120
Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept)  -0.4343     0.9209  -0.472    0.646    
x1            0.7966     0.1301   6.121 5.17e-05 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 1.187 on 12 degrees of freedom
Multiple R-squared:  0.7574,    Adjusted R-squared:  0.7372
F-statistic: 37.46 on 1 and 12 DF,  p-value: 5.171e-05

Code:

#uji Normalitas residual model
ks.test(model$residuals, ecdf(model$residuals))

Hasil:

    One-sample Kolmogorov-Smirnov test
data:  model$residuals
D = 0.14286, p-value = 0.9375
alternative hypothesis: two-sided

Interprtasi: terlihat bahwa nilai p-value uji KS sebesar 0,9375 atau lebih dari alpha 0,05 (misalkan yang dipakai alpha 0,05), sehingga disimpulkan bahwa residual model telah memenuhi asumsi normalitas.

Oke, demikian sedikit ulasan bagaimana kita menerapkan uji normalitas KS dengan R. Jangan lupa untuk share, tanya-tanya di kolom komentar, dan menyimak unggahan berikutnya. Semoga bermanfaat.

Komentar

Postingan populer dari blog ini

Pemodelan Autoregressive Integrated Moving Average (ARIMA Model) dengan R

ARIMA dengan R Jumpa lagi teman-teman, sebelumnya saya mohon maaf karena kemarin tidak sempat membuat unggahan terbaru di blog ini. Baik, sebelumnya kita telah mengulas tentang pemodelan Geographically Weigthed Regression (GWR) dengan R. Kali ini, kita akan melanjutkan belajar bersama mengenai pemodelan yang tak asing lagi dan populer hingga kini, yaitu pemodelan Autoregressive Integrated Moving Average (ARIMA). Kita akan membahas ARIMA secara langsung tanpa membahas AR dan MA secara tersendiri mengingat pada dasarnya ARIMA adalah model perpaduan antara model AR dengan order p , MA dengan order q dan aspek differencing dengan order d . Artinya, ketika kita mendengar istilah AR(1), maka sebenarnya itu adalah ARIMA(1, 0, 0), ketika kita mendengar ARI(1,1), maka aslinya itu ARIMA(1, 1, 0), atau bila mendengar MA(3), itu sebenarnya ARIMA(0, 0, 3) atau IMA(2,1) sebenarnya adalah ARIMA(0, 2, 1). Data runtun waktu atau time series merupakan salah satu jenis data yang hingga kini banyak digun

Machine Learning: Memahami Reinforcement Learning

Reinforcement Learning Halo teman-teman, pada pembahasan sebelumnya, kita telah berusaha memahami mengenai supervised learning dan unsupervised learning . Sebelum lanjut ke pemodelan statistik selanjutnya, ada baiknya kita membahas tentang satu lagi jenis algoritma machine learning yang akhir-akhir ini banyak digunakan dalam membentuk artificial intelligence (AI), yaitu algoritma reinforcement learning . Kita ke pengertian berdasarkan studi literatur daring ( online ) dulu teman-teman. Saya coba mengambil salah satu pengertian reinforcement learning, misalkan dari situsnya Algoritma, menyatakan bahwa reinforcement learning merupakan algoritma yang diterapkan untuk pembelajaran mesin ( machine learning ) sedemikian rupa sehingga dapat menentukan aksi yang tepat dan pada akhirnya sebuah program dapat bekerja secara otomatis memberikan hasil atau putusan yang benar. Lebih lanjut dalam situs algoritma mengangkat sebuah perumpamaan reinforcement learning dengan menggunakan proses penugasan

Machine Learning: Perbedaan Supervised Learning dan Unsupervised Learning

Perbedaan supervised learning dan unsupervised learning Halo teman-teman, kemarin kita telah mengawali bahasan mengenai salah satu anggota dari Machine Learning sekaligus merupakan contoh dari algoritma supervised learning , yaitu Naive Bayes Classifier (NBC). Akhir-akhir ini, dunia sains data dihebohkan dengan berbagai istilah statistik yang berkaitan erat dengan komputasi atau komputasi statistik, yaitu supervised learning dan unsupervised learning . Sebenarnya ada lagi istilah baru dan cukup makin sulit menyederhanakan definisinya, yaitu reinforcement learning , tapi khusus reinforcement learning nanti akan kita bahas tersendiri karena kita mulai bersinggungan dengan Artificial Intelligence atau kecerdasan buatan. Jujur, saya mengakui bahwa tidak semua dari kita memiliki latar belakang apalagi pakar teknologi informasi (IT). Sehingga, bila kita cermati bahasan-bahasan atau istilah komputasi statistik, sains data, atau data engineering , kita mungkin akan sejenak loading , bahkan s