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

Visualisasi Google Mobility Index (GMI) Indonesia dengan Package gganimate R

Visualisasi animasi Google Mobility Index Indonesia dengan gganimate

Perkembangan Big Data demikian pesat. Data tidak terstruktur dan terstruktur bercampur menjadi sebuah awan data yang berdimensi besar, memiliki kecepatan update yang tinggi, bervariasi, serta mengandung value serta insight berharga apabila dikupas secara mendalam.

Penggunaan Big Data juga sangat diminati akhir-akhir ini seiring kehadiran cabang-cabang ilmu baru, seperti Data Science. Meski masih untrusted dan debatable karena belum ada payung hukum yang menjamin potensi Big Data menjadi Official Statistics, tetapi kenyataan empiris yang berkembang menyebutkan bahwa Big Data berpotensi menjadi sumber data Official Statistics baru.

Salah satu Big Data yang lahir di tengah masa Pandemi Covid-19 adalah data mobilitas penduduk yang diukur berdasarkan base mobilitas awal kedatangan Pandemi Covid-19. Data ini dibuat oleh Google dalam bentuk indeks dan dinamai Google Mobility Index (GMI). Sekilas, indeks ini menunjukkan tingkat mobilitas masyarakat ke beberapa tempat tujuan aktivitas, yaitu ke pasar, tempat rekreasi, toko obat, taman, tempat transit, tempat kerja, dan residential.

Pada kesempatan kali ini, kita akan mencoba mempratikkan visualisasi Google Mobility Index Indonesia menggunakan package gganimate. Keunggulan dari package gganimate adalah mampu membuat tampilan data yang dinamis karena memiliki fungsi render setiap gambar yang terbentuk (frame) menjadi sebuah visualisasi bergerak (animasi). Selain kita dapat mengatur jumlah frame, kita juga bisa mengcustome ukuran visualisasi, kecepatan gerakan, serta ketajaman visualisasi. Adapun cara melakukan interpretasi terhadap GMI dapat melihat laman berikut.

Data yang kita gunakan dalam praktik kali mencakup data Google Mobility Index (GMI) untuk wilayah Indonesia sejak 15 Februari 2020 hingga 15 Oktober 2022 berikut. Setelah datanya diunduh, praktik visualisasi menggunakan package gganimate kita terapkan dengan mengikuti langkah-langkah berikut:

library(readxl)
indo_1 <- read_excel("C:/Users/Joko Ade/Documents/gmi_id2023.xlsx")
head(indo_1)
## # A tibble: 6 x 8
##   date                retail_recreation grocery_pharmacy parks transit_stations
##   <dttm>                          <dbl>            <dbl> <dbl>            <dbl>
## 1 2020-02-15 00:00:00                -2               -2    -8                1
## 2 2020-02-16 00:00:00                -3               -3    -7               -4
## 3 2020-02-17 00:00:00                -3               -4    -7               -1
## 4 2020-02-18 00:00:00                -3               -2    -4                1
## 5 2020-02-19 00:00:00                -3               -4    -3                0
## 6 2020-02-20 00:00:00                -2               -1    -1                4
## # ... with 3 more variables: workplaces <dbl>, residential <dbl>, waktu <dttm>
#Melihat variabel data Google Mobility Index Indonesia
names(indo_1)
## [1] "date"              "retail_recreation" "grocery_pharmacy"  "parks"            
## [5] "transit_stations"  "workplaces"        "residential"       "waktu"
#Visualisasi dengan ggplot2
library(ggplot2)
indo_1 %>%
  ggplot(aes(x = waktu)) +
  geom_line(aes(y = retail_recreation), col = "red") +
  geom_line(aes(y = grocery_pharmacy), col = "orange") +
  geom_line(aes(y = workplaces), col = "green") +
  geom_point(aes(y = retail_recreation), col = "red") +
  geom_point(aes(y = grocery_pharmacy), col = "orange") +
  geom_point(aes(y = workplaces), col = "green") +
  geom_vline(xintercept = as.numeric(ymd("2020-04-02")), linetype = "dotted", size = 0.8, color = "blue") +
  geom_text(x = as.numeric(ymd("2020-03-20")), y = 40, label = "PSBB DKI Jakarta", size = 3, angle = 90) +
  geom_vline(xintercept = as.numeric(ymd("2020-04-10")), linetype = "dotted", size = 0.8, color = "blue") +
  geom_text(x = as.numeric(ymd("2020-04-20")), y = 40, label = "PSBB Beberapa Wilayah", size = 3, angle = 90) +
  geom_vline(xintercept = as.numeric(ymd("2020-06-05")), linetype = "dotted", size = 0.8, color = "blue") +
  geom_text(x = as.numeric(ymd("2020-05-20")), y = 40, label = "Pelonggaran PSBB", size = 3, angle = 90) +
  geom_vline(xintercept = as.numeric(ymd("2020-09-14")), linetype = "dotted", size = 0.8, color = "blue") +
  geom_text(x = as.numeric(ymd("2020-09-04")), y = 40, label = "PSBB DKI Jakarta", size = 3, angle = 90) +
  geom_vline(xintercept = as.numeric(ymd("2021-01-26")), linetype = "dotted", size = 0.8, color = "blue") +
  geom_text(x = as.numeric(ymd("2021-01-20")), y = 40, label = "PPKM Jawa Bali", size = 3, angle = 90) +
  geom_vline(xintercept = as.numeric(ymd("2021-02-09")), linetype = "dotted", size = 0.8, color = "blue") +
  geom_text(x = as.numeric(ymd("2021-01-30")), y = 40, label = "PPKM Mikro", size = 3, angle = 90) +
  geom_vline(xintercept = as.numeric(ymd("2021-07-03")), linetype = "dotted", size = 0.8, color = "blue") +
  geom_text(x = as.numeric(ymd("2021-06-25")), y = 40, label = "PPKM Darurat", size = 3, angle = 90) +
  geom_vline(xintercept = as.numeric(ymd("2021-07-15")), linetype = "dotted", size = 0.8, color = "blue") +
  geom_text(x = as.numeric(ymd("2021-07-06")), y = 40, label = "Covid19 Delta", size = 3, angle = 90) +
  geom_vline(xintercept = as.numeric(ymd("2022-05-18")), linetype = "dotted", size = 0.8, color = "blue") +
  geom_text(x = as.numeric(ymd("2022-05-1")), y = 60, label = "Pelonggaran pakai masker", size = 3) +
  ylim(-75, 60) +
  labs(x = "periode", y = "indeks mobilitas") -> p
#Animasi ggplot dengan gganimate
library(gganimate)
p +
  labs(x = "periode", y = "Indeks Mobilitas") +
  transition_reveal(waktu) -> q

animate(q, nframe = 800, end_pause = 20,
        width = 800, height = 600, duration = 20, res = 100)
## Rendering [-------------------------------------------------] at 8.4 fps ~ eta: 2m
## Rendering [-------------------------------------------------] at 7.6 fps ~ eta: 2m
## Rendering [-------------------------------------------------] at 5.8 fps ~ eta: 2m
## Rendering [-------------------------------------------------] at 5.9 fps ~ eta: 2m
## Rendering [-------------------------------------------------] at 6.3 fps ~ eta: 2m
## Rendering [-------------------------------------------------] at 6.7 fps ~ eta: 2m
## Rendering [>--------------------------------------------------] at 7 fps ~ eta: 2m
## Rendering [>------------------------------------------------] at 7.3 fps ~ eta: 2m
## Rendering [>------------------------------------------------] at 7.5 fps ~ eta: 2m
## Rendering [>------------------------------------------------] at 7.7 fps ~ eta: 2m
## Rendering [>------------------------------------------------] at 7.9 fps ~ eta: 2m
## Rendering [>--------------------------------------------------] at 8 fps ~ eta: 2m
## Rendering [>------------------------------------------------] at 8.1 fps ~ eta: 2m
## Rendering [>------------------------------------------------] at 8.2 fps ~ eta: 2m
## Rendering [>------------------------------------------------] at 8.3 fps ~ eta: 2m
## Rendering [>------------------------------------------------] at 8.5 fps ~ eta: 1m
## Rendering [>------------------------------------------------] at 8.6 fps ~ eta: 1m
## Rendering [>------------------------------------------------] at 8.4 fps ~ eta: 1m
## Rendering [=>-----------------------------------------------] at 8.4 fps ~ eta: 1m
## Rendering [=>-----------------------------------------------] at 8.5 fps ~ eta: 1m
## Rendering [=>-----------------------------------------------] at 8.6 fps ~ eta: 1m
## Rendering [=>-----------------------------------------------] at 8.7 fps ~ eta: 1m
## Rendering [=>-----------------------------------------------] at 8.6 fps ~ eta: 1m
## Rendering [=>-----------------------------------------------] at 8.7 fps ~ eta: 1m
## Rendering [=>-----------------------------------------------] at 8.8 fps ~ eta: 1m
## Rendering [=>-----------------------------------------------] at 8.7 fps ~ eta: 1m
## Rendering [=>-----------------------------------------------] at 8.8 fps ~ eta: 1m
## Rendering [==>----------------------------------------------] at 8.6 fps ~ eta: 1m
## Rendering [==>----------------------------------------------] at 8.3 fps ~ eta: 1m
## Rendering [==>----------------------------------------------] at 8.2 fps ~ eta: 2m
## Rendering [==>----------------------------------------------] at 8.2 fps ~ eta: 1m
## Rendering [==>------------------------------------------------] at 8 fps ~ eta: 2m
## Rendering [==>----------------------------------------------] at 7.9 fps ~ eta: 2m
## Rendering [==>----------------------------------------------] at 7.8 fps ~ eta: 2m
## Rendering [===>---------------------------------------------] at 7.9 fps ~ eta: 2m
## Rendering [===>-----------------------------------------------] at 8 fps ~ eta: 2m
## Rendering [===>-----------------------------------------------] at 8 fps ~ eta: 1m
## Rendering [===>---------------------------------------------] at 8.1 fps ~ eta: 1m
## Rendering [===>-----------------------------------------------] at 8 fps ~ eta: 1m
## Rendering [===>---------------------------------------------] at 8.1 fps ~ eta: 1m
## Rendering [===>---------------------------------------------] at 8.2 fps ~ eta: 1m
## Rendering [===>---------------------------------------------] at 7.2 fps ~ eta: 2m
## Rendering [===>---------------------------------------------] at 7.3 fps ~ eta: 2m
## Rendering [====>--------------------------------------------] at 7.3 fps ~ eta: 2m
## Rendering [====>--------------------------------------------] at 7.4 fps ~ eta: 2m
## Rendering [====>--------------------------------------------] at 7.5 fps ~ eta: 2m
## Rendering [====>--------------------------------------------] at 7.6 fps ~ eta: 2m
## Rendering [=====>-------------------------------------------] at 7.6 fps ~ eta: 2m
## Rendering [=====>-------------------------------------------] at 7.7 fps ~ eta: 2m
## Rendering [=====>-------------------------------------------] at 7.7 fps ~ eta: 1m
## Rendering [=====>-------------------------------------------] at 7.8 fps ~ eta: 1m
## Rendering [=====>-------------------------------------------] at 7.9 fps ~ eta: 1m
## Rendering [======>------------------------------------------] at 7.8 fps ~ eta: 1m
## Rendering [======>------------------------------------------] at 7.9 fps ~ eta: 1m
## Rendering [=======>-----------------------------------------] at 7.9 fps ~ eta: 1m
## Rendering [=======>-------------------------------------------] at 8 fps ~ eta: 1m
## Rendering [========>------------------------------------------] at 8 fps ~ eta: 1m
## Rendering [========>----------------------------------------] at 8.1 fps ~ eta: 1m
## Rendering [=========>---------------------------------------] at 8.1 fps ~ eta: 1m
## Rendering [==========>--------------------------------------] at 8.1 fps ~ eta: 1m
## Rendering [==========>--------------------------------------] at 8.2 fps ~ eta: 1m
## Rendering [===========>-------------------------------------] at 8.1 fps ~ eta: 1m
## Rendering [============>------------------------------------] at 8.1 fps ~ eta: 1m
## Rendering [============>------------------------------------] at 8.2 fps ~ eta: 1m
## Rendering [============>------------------------------------] at 8.1 fps ~ eta: 1m
## Rendering [============>------------------------------------] at 8.2 fps ~ eta: 1m
## Rendering [=============>-----------------------------------] at 8.2 fps ~ eta: 1m
## Rendering [==============>----------------------------------] at 8.2 fps ~ eta: 1m
## Rendering [==============>----------------------------------] at 8.3 fps ~ eta: 1m
## Rendering [==============>----------------------------------] at 8.2 fps ~ eta: 1m
## Rendering [==============>----------------------------------] at 8.3 fps ~ eta: 1m
## Rendering [===============>---------------------------------] at 8.3 fps ~ eta: 1m
## Rendering [===============>---------------------------------] at 8.2 fps ~ eta: 1m
## Rendering [================>--------------------------------] at 8.2 fps ~ eta: 1m
## Rendering [================>--------------------------------] at 8.3 fps ~ eta: 1m
## Rendering [================>--------------------------------] at 8.2 fps ~ eta: 1m
## Rendering [=================>-------------------------------] at 8.2 fps ~ eta: 1m
## Rendering [=================>-------------------------------] at 8.3 fps ~ eta: 1m
## Rendering [=================>-------------------------------] at 8.2 fps ~ eta: 1m
## Rendering [=================>-------------------------------] at 8.3 fps ~ eta: 1m
## Rendering [=================>-------------------------------] at 8.2 fps ~ eta: 1m
## Rendering [=================>-------------------------------] at 8.3 fps ~ eta: 1m
## Rendering [==================>------------------------------] at 8.3 fps ~ eta: 1m
## Rendering [==================>------------------------------] at 8.2 fps ~ eta: 1m
## Rendering [===================>-----------------------------] at 8.2 fps ~ eta: 1m
## Rendering [===================>-----------------------------] at 8.1 fps ~ eta: 1m
## Rendering [====================>----------------------------] at 8.1 fps ~ eta: 1m
## Rendering [=====================>---------------------------] at 8.1 fps ~ eta: 1m
## Rendering [======================>----------------------------] at 8 fps ~ eta: 1m
## Rendering [=====================>---------------------------] at 8.1 fps ~ eta: 1m
## Rendering [======================>----------------------------] at 8 fps ~ eta: 1m
## Rendering [=======================>---------------------------] at 8 fps ~ eta: 1m
## Rendering [========================>--------------------------] at 8 fps ~ eta: 1m Rendering
## [========================>--------------------------] at 8 fps ~ eta: 50s Rendering
## [========================>--------------------------] at 8 fps ~ eta: 49s Rendering
## [=======================>-------------------------] at 7.9 fps ~ eta: 49s Rendering
## [========================>------------------------] at 7.9 fps ~ eta: 49s Rendering
## [========================>------------------------] at 7.9 fps ~ eta: 48s Rendering
## [========================>------------------------] at 7.9 fps ~ eta: 47s Rendering
## [=========================>-----------------------] at 7.9 fps ~ eta: 47s Rendering
## [=========================>-----------------------] at 7.9 fps ~ eta: 46s Rendering
## [=========================>-----------------------] at 7.9 fps ~ eta: 45s Rendering
## [==========================>----------------------] at 7.9 fps ~ eta: 45s Rendering
## [==========================>----------------------] at 7.9 fps ~ eta: 44s Rendering
## [===========================>---------------------] at 7.9 fps ~ eta: 44s Rendering
## [===========================>---------------------] at 7.9 fps ~ eta: 43s Rendering
## [===========================>---------------------] at 7.8 fps ~ eta: 43s Rendering
## [===========================>---------------------] at 7.8 fps ~ eta: 42s Rendering
## [============================>--------------------] at 7.8 fps ~ eta: 42s Rendering
## [============================>--------------------] at 7.8 fps ~ eta: 41s Rendering
## [============================>--------------------] at 7.8 fps ~ eta: 40s Rendering
## [=============================>-------------------] at 7.8 fps ~ eta: 40s Rendering
## [=============================>-------------------] at 7.8 fps ~ eta: 39s Rendering
## [=============================>-------------------] at 7.8 fps ~ eta: 38s Rendering
## [==============================>------------------] at 7.8 fps ~ eta: 38s Rendering
## [==============================>------------------] at 7.8 fps ~ eta: 37s Rendering
## [==============================>------------------] at 7.8 fps ~ eta: 36s Rendering
## [===============================>-----------------] at 7.8 fps ~ eta: 36s Rendering
## [===============================>-----------------] at 7.8 fps ~ eta: 35s Rendering
## [===============================>-----------------] at 7.8 fps ~ eta: 34s Rendering
## [================================>----------------] at 7.8 fps ~ eta: 34s Rendering
## [================================>----------------] at 7.8 fps ~ eta: 33s Rendering
## [================================>----------------] at 7.8 fps ~ eta: 32s Rendering
## [=================================>---------------] at 7.8 fps ~ eta: 32s Rendering
## [=================================>---------------] at 7.8 fps ~ eta: 31s Rendering
## [=================================>---------------] at 7.8 fps ~ eta: 30s Rendering
## [==================================>--------------] at 7.8 fps ~ eta: 30s Rendering
## [==================================>--------------] at 7.8 fps ~ eta: 29s Rendering
## [==================================>--------------] at 7.8 fps ~ eta: 28s Rendering
## [==================================>--------------] at 7.7 fps ~ eta: 28s Rendering
## [==================================>--------------] at 7.8 fps ~ eta: 28s Rendering
## [===================================>-------------] at 7.7 fps ~ eta: 28s Rendering
## [===================================>-------------] at 7.7 fps ~ eta: 27s Rendering
## [===================================>-------------] at 7.8 fps ~ eta: 27s Rendering
## [===================================>-------------] at 7.7 fps ~ eta: 27s Rendering
## [===================================>-------------] at 7.7 fps ~ eta: 26s Rendering
## [====================================>------------] at 7.7 fps ~ eta: 26s Rendering
## [====================================>------------] at 7.7 fps ~ eta: 25s Rendering
## [====================================>------------] at 7.7 fps ~ eta: 24s Rendering
## [====================================>------------] at 7.6 fps ~ eta: 25s Rendering
## [====================================>------------] at 7.6 fps ~ eta: 24s Rendering
## [=====================================>-----------] at 7.6 fps ~ eta: 24s Rendering
## [=====================================>-----------] at 7.6 fps ~ eta: 23s Rendering
## [=====================================>-----------] at 7.6 fps ~ eta: 22s Rendering
## [======================================>----------] at 7.6 fps ~ eta: 22s Rendering
## [======================================>----------] at 7.6 fps ~ eta: 21s Rendering
## [======================================>----------] at 7.6 fps ~ eta: 20s Rendering
## [=======================================>---------] at 7.6 fps ~ eta: 20s Rendering
## [=======================================>---------] at 7.6 fps ~ eta: 19s Rendering
## [=======================================>---------] at 7.6 fps ~ eta: 18s
## Warning: Removed 1 row(s) containing missing values (geom_path).
## Warning: Removed 1 rows containing missing values (geom_point).
## Warning: Removed 2 row(s) containing missing values (geom_path).
## Warning: Removed 1 rows containing missing values (geom_point).
## Warning: Removed 4 row(s) containing missing values (geom_path).
## Warning: Removed 1 rows containing missing values (geom_point).
## Rendering [========================================>--------] at 7.6 fps ~ eta: 18s
## Warning: Removed 5 row(s) containing missing values (geom_path).

## Warning: Removed 1 rows containing missing values (geom_point).
## Warning: Removed 1 row(s) containing missing values (geom_path).
## Warning: Removed 1 rows containing missing values (geom_point).
## Warning: Removed 2 row(s) containing missing values (geom_path).
## Warning: Removed 1 rows containing missing values (geom_point).
## Rendering [========================================>--------] at 7.6 fps ~ eta: 17s
## Warning: Removed 4 row(s) containing missing values (geom_path).

## Warning: Removed 1 rows containing missing values (geom_point).
## 
Rendering [========================================>--------] at 7.6 fps ~ eta: 16s
Rendering [=========================================>-------] at 7.6 fps ~ eta: 16s
Rendering [=========================================>-------] at 7.6 fps ~ eta: 15s
Rendering [=========================================>-------] at 7.6 fps ~ eta: 14s
Rendering [=========================================>-------] at 7.5 fps ~ eta: 14s
Rendering [==========================================>------] at 7.5 fps ~ eta: 14s
Rendering [==========================================>------] at 7.5 fps ~ eta: 13s
Rendering [==========================================>------] at 7.5 fps ~ eta: 12s
Rendering [==========================================>------] at 7.4 fps ~ eta: 12s
Rendering [===========================================>-----] at 7.4 fps ~ eta: 12s
Rendering [===========================================>-----] at 7.4 fps ~ eta: 11s
Rendering [===========================================>-----] at 7.4 fps ~ eta: 10s
Rendering [============================================>----] at 7.4 fps ~ eta: 10s
Rendering [============================================>----] at 7.4 fps ~ eta:  9s
Rendering [============================================>----] at 7.3 fps ~ eta:  8s
Rendering [=============================================>---] at 7.3 fps ~ eta:  8s
Rendering [=============================================>---] at 7.3 fps ~ eta:  7s
Rendering [=============================================>---] at 7.3 fps ~ eta:  6s
Rendering [=============================================>---] at 7.2 fps ~ eta:  6s
Rendering [===============================================>---] at 7 fps ~ eta:  6s
Rendering [=============================================>---] at 6.9 fps ~ eta:  6s
Rendering [==============================================>--] at 6.8 fps ~ eta:  6s
Rendering [==============================================>--] at 6.6 fps ~ eta:  6s
Rendering [==============================================>--] at 6.5 fps ~ eta:  6s
Rendering [==============================================>--] at 6.4 fps ~ eta:  5s
Rendering [==============================================>--] at 6.3 fps ~ eta:  5s
Rendering [==============================================>--] at 6.3 fps ~ eta:  4s
Rendering [===============================================>-] at 6.3 fps ~ eta:  4s
Rendering [===============================================>-] at 6.3 fps ~ eta:  3s
Rendering [===============================================>-] at 6.2 fps ~ eta:  3s
Rendering [===============================================>-] at 5.9 fps ~ eta:  3s
Rendering [===============================================>-] at 5.9 fps ~ eta:  2s
Rendering [===============================================>-] at 5.7 fps ~ eta:  2s
Rendering [===============================================>-] at 5.6 fps ~ eta:  1s
Rendering [================================================>] at 5.3 fps ~ eta:  1s
Rendering [================================================>] at 5.2 fps ~ eta:  1s
Rendering [================================================>] at 5.1 fps ~ eta:  0s
Rendering [=================================================] at 5.1 fps ~ eta:  0s

Adapun hasilnya adalah sebagai berikut:

Visualisasi menggunakan package gganimate

Demikian sedikit sharing kita kali ini. Semoga sedikit banyak memberi manfaat kepada pembaca blog ini. Jangan lupa untuk terus mengikuti unggahan menarik dan bermanfaat di blog sederhana ini. Selamat membaca dan mempraktikan!

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