Setup Menus in Admin Panel

Klasifikasi

 

Analisis Klasifikasi merupakan kegiatan untuk memperoleh dugaan atau prediksi kelas dari suatu objek yang sebelumnya tidak diketahui berdasarkan nilai-nilai dari variabel bebas/prediktor. Tujuan dari analisis klasifikasi yaitu menentukan keanggotaan/kelompok dari suatu individu. Misalnya dalam kasus pemberian pinjaman ole bank kepada debitur. Dalam hal ini yang disebut kelas adalah kondisi layak dan tidak layak diberi pinjaman, sedangkan variabel bebasnya adalah variabel yang terdapat pada formulir yang diisi oleh debitur, seperti besarnya pendapatan, banyaknya tanggungan, kepemilikan rumah, dan lama bekerja.

Analisis klasifikasi dibedakan menjadi 2 jenis, yaitu Unsupervised dan supervised. Ciri-ciri analisis klasifikasi unsepervised yaitu tidak adanya informasi pada data mengenai kelompok/grup dari amatan dan analisis ini dilakukan untuk menentukan keanggotaan grup dari amatan tersebut sehingga sering dikenal sebagai analisis gerombol (cluster analysis). Sedangkan analisis klasifikasi supervised memiliki ciri-ciri yaitu data memiliki informasi mengenai kelompok/grup sesungguhnya dari amatan dan analisis dilakukan untuk menentukan pembeda antar grup. Contoh metode pada klasifikasi ini yaitu Discriminant Analysis, Decision Tree, dan k-Nearest Neighbor

Prosedur penilaian kebaikan klasifikasi diantaranya adalah Accuracy, Spesificity, dan Sensitivity. Accuracy merupakan tingkat ketepatan prediksi secara keseluruhan, atau persentase banyaknya prediksi yang tepat pada seluruh amatan-amatan dalam gugus data. Spesificity merupakan tingkat ketepatan prediksi pada kelas negatif, atau persentase banyaknya prediksi yang tepat pada amatan-amatan yang sesungguhnya negatif. Sensitivity merupakan tingkat ketepatan prediksi pada kelas positif, atau persentase banyaknya prediksi yang tepat pada amatan-amatan yang sesungguhnya positif.

Pengantar Analisis Klasifikasi

  • => Ilustrasi Analisis Klasifikasi
  • => Pengertian dan Tujuan Analisis Klasifikasi
  • => Pengantar Unsupervised dan Supervised
  • => Prosedur Penilaian Kebaikan Klasifikasi

Pengantar k-Nearest Neighbor

  • => Pengertian k-Nearest Neighbor
  • => Konsep Dasar Pengelompokan
  • => Penentuan Nilai k
  • => Kelebihan dan Kekurangan k-Nearest Neighbor
  • => Penerapan metode k-Nearest Neighbor

Decision Tree

  • => Pengantar Decision Tree
  • => Pengertian dan penggunaan Decision Tree
  • => Pengenalan Konsep Entropy
  • => Pengenalan Konsep Information Gain
  • => Algoritma Pengelompokan
  • => Penerapan metode Decision Tree

Discriminant Analysis

  • => Pengertian dan Persamaan Fungsi Diskriminan
  • => Kegunaan Discriminant Analysis
  • => Bentuk-Bentuk Discriminant Analysis
  • => Konsep dasar pengelompokan
  • => Asumsi pada Discriminant Analysis
  • => Penerapan metode Discriminant Analysis

Penerapan Analisis Klasifikasi pada Aplikasi Statistik

Lama Pelatihan : 4 Jam

Copyright © 2018 PT. Angsa Statistika Indonesia