Langsung ke konten utama

Postingan

Menampilkan postingan dari Mei, 2022

Visualisasi Data dengan Peta sebagai Pendukung Analisis Spasial (Spatial Analysis)

Visualisasi data dengan peta spasial Analisis spasial atau berbasis kewilayahan akhir-akhir ini semakin banyak diminati. Selain mempunyai daya tarik karena enak dipandang mata, visualisasi spasial dengan peta ini juga dinilai meningkatkan kecepatan pemahaman pengguna informasi yang disajikan. Bila data yang kita miliki memiliki variabel lokasi atau kontur, visualisasi spasial bisa jadi menjadi pilihan tepat. Dengan berbekal peta berekstensi *shp dan sebuah data lokasi atau kontur, visualisasi spasial dapat diterapkan secara mudah. Namun kenyataannya, tidak mudah bagi kita untuk melakukan visualisasi data secara spasial. Beberapa data yang diperlukan adalah garis lintang dan bujur, juga data yang akan divisualkan. Misalkan data Angka Kematian Bayi (AKB). Sebelum praktikum, ada baiknya kita pahami dulu apa itu AKB. Menurut Badan Pusat Statistik (BPS), Angka Kematian Bayi adalah banyaknya bayi yang meninggal sebelum mencapai umur 1 tahun pada waktu tertentu per 1.000 kelahiran hidup pada

Unsupervised Learning: Fuzzy C Means Clustering dengan R

Fuzzy C Means Clustering dengan R Halo teman-teman, jumpa lagi dengan blog sederhana ini. Kemarin kita telah merampungkan sedikit ulasan mengenai K Means Clustering dan praktiknya menggunakan R. Kali ini kita akan melanjutkan pembahasan kita terkait machine learning yang akhir-akhir ini booming dalam dunia data science dan big data , yaitu unsupervised learning : Fuzzy C Means Clustering . Mungkin sebagian dari kita ada yang telah paham mengenai bentuk pengklasteran satu ini. Tapi khusus bagi saya sendiri yang masih belajar ini, awalnya saya bingung juga Fuzzy C Means Clustering ini mahluk apa dan seperti apa dia. Baik, kita akan coba ulas secara perlahan bersama-sama. Jadi, di dalam clustering terdapat 2 jenis clustering yang kita akan kenal, yaitu hard clustering dan soft clustering . Hard clustering merupakan teknik pengklasteran yang menggunakan nilai atau skor biner (Anggota cluster : 1, Bukan anggota cluster : 0) sebagai dasar pengelompokan keanggotaan setiap amatan. Dengan peng