Langsung ke konten utama

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
Posting Komentar

Membuat Lampiran Model Statistik dengan R Markdown untuk Riset, Jurnal, Skripsi, Tesis, dan Disertasi

Bekerja dengan R Markdown

Halo teman-teman, bertemu lagi dengan blog sederhana ini. Setelah kita membahas unsupervised learning dan supervised learning di era machine learning dan data science, kita akan break sejenak dengan mengulas mengenai R markdown.

R markdown merupakan salah satu fitur dari R yang di dalamnya mampu mengkombinasikan script R dan output script R secara top down. Dalam R markdown, setiap script yang salah atau mengalami eror akan tertandai secara otomatis (marked) sehingga pengguna dapat melakukan revisi atau perbaikan script R. Dua aspek inilah yang menjadi dasar penamaan fitur R markdown.

Dalam dunia akademis, R markdown ini banyak manfaatnya. Kita dapat menyimpan sekaligus mengupdate script R yang ada dengan menyimpan R markdown ke dalam komputer kita. Biasanya ekstensi yang dihasilkan pada aktivitas penyimpanan dokumen R markdown adalah *Rmd. Selain itu, dalam penyusunan research modelling untuk keperluan penulisan ilmiah, karya ilmiah, skripsi, tesis, atau disertasi, R markdown ini dapat kita gunaan untuk menyimpan running model dengan ekstensi lain, misalkan HTML, PDF, atau word.

Baik, itu sekilas pendahuluan dari penggunaan R markdown. Berikutnya, kita akan coba bersama bagaimana praktik menggunakan R dan menyimpan hasil R markdown dengan R itu sendiri. Kalau saya rangkum, setidaknya ada sebanyak 6 steps untuk mempraktikkan R markdown, yaitu:

Langkah 1 R Markdown

Langkah 1, kita klik menu File pada RStudio, kemudian klik New File, lalu klik R Markdown. Sebagai tambahan, tahapan ini juga dapat digunakan ketika kita akan membuat aplikasi berbasis web R Shiny.

Langkah 2 R Markdown

Pada langkah 2 ini, kita dapat memilih output hasil R markdown. Secara default, R memberikan rekomendasi HTML karena ketika nanti kita menggunakan fungsi library(knitr), kita akan mampu menghasilkan keluaran script R sebagai HTML yang siap kita unggah ke dalam website atau blog, medium.com, atau github.

Langkah 3 R Markdown

Setelah kita klik R Markdown, maka muncul page baru R Mardown di atas. Adapun judul, penulis, akan tergenerate otomatis saat kita telah mengisi dokumen baru R markdown pada langkah 2.

Langkah 4 R Markdown

Langkah 4, kita hapus dan kita sisakan script {r}. Terlihat tampilan dari R markdown ini mirip tampilan jupyter notebook Python. Kita dapat menambah area script {r} dengan klik menu +C Insert kemudian klik R secara otomatis area script akan bertambah.

Langkah 5 R Markdown

Setelah kita mengisi dan running model pada R markdown, selanjutnya kita dapat melakukan save as hasilnya sebagai dokumen word.

Langkah 6 R Markdown

Bila kita akan membuat dokumen *Rmd nya, kita cukup melakukan save R markdown kemudian memberi nama file, misalkan dalam kasus kita ini kita beri nama "nn" sehingga outputnya menjadi ann.Rmd sebagaimana gambar di atas.

Untuk kebutuhan arsip atau lampiran hasil running model dengan R, misalkan untuk lampiran skripsi, tesis, maupun disertasi, kita dapat melakukan save as dokumen word yang secara otomatis tergenerate tadi ke dalam bentuk dokumen lain, misalkan PDF. Sehingga hasil yang kita peroleh adalah sebagai berikut:

Label:

Komentar

Posting 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
Posting Komentar
Baca selengkapnya

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
Posting Komentar
Baca selengkapnya

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
Posting Komentar
Baca selengkapnya