Ijin bertanya pak. Itu kan ada dataset yg original berbentuk nominal dan numirk. Kemudian ada dataset yg numerik semua... Pertanyaannya: baga cara mengubah data yg nominal kedalam bentuk numerik seperti yang bapak lakukan?
bisa digunakan cara => tujuan+algoritma+object(jika ada) misal : Klasifikasi Kelulusan Mahasiswa menggunakan algoritma Naive Bayes pada Prodi Teknik Informatika Fakultas Informatika Universitas Suka - Suka (contohnya) jadi tidak perlu mencantumkan Pemrograman Python tidak apa2
karna dukungan library utk komputasi machine learning menggunakan python lebih banyak dibandingkan dengan php, bisa di cek disini untuk source codenya => colab.research.google.com/drive/11R9qYf5pojIiw34r-8b5wz7MC3kA-3NM?usp=sharing
selamat siang, kalau ini source codenya diubah pakai java (framework ZK) apakah masih relevan? apakah fungsi2 di java juga bisa digunakan utk melakukan proses naive bayes ini. terimakasih
maaf saya belum pernah pakai framework ZK, mungkin kalau untuk java kurang relevan, jadi jika pakai ZK sebaiknya membuat library sendiri atau mencari support library yang mendukung machine learning dalam ZK.
Maaf pak kenapa saat saya jalankan perintah : mhs['Jenis Kelamin'].replace(['Wanita', 'Pria'], [0, 1], inplace = True) mhs['Status Mahasiswa'].replace(['Mahasiswa', 'Bekerja'], [0, 1], inplace = True) mhs['Status Menikah'].replace(['Belum', 'Sudah'], [0, 1], inplace = True) mhs['Status Kelulusan'].replace(['Terlambat', 'Tepat'], [0, 1], inplace = True) data 'Belum' dan 'Sudah' di kolom 'Status Menikah' belum berubah jadi numerik ya pak, saya memakai data yang original pak,, sedangkan data Jenis Kelamin, Status Mahasiswa dan Status Kelulusan bisa, kenapa ya pak?
ada banyak cara untuk mengencode mas, mungkin di data tsb ada miss dalam penulisan "Belum" dan "Sudah", misal kesisip dalam "spasi atau ada satu digit yang kosong", sehingga menjadikan di data tersebut tidak tepat 100% sesuai dengan string "Sudah" dan "Belum" dikarenakan pengetikan atau perekaman data oleh manusia. Sehingga bisa dicek dengan cara seperti ini : from sklearn.preprocessing import LabelEncoder label_menikah = LabelEncoder() mhs['Status Menikah'] = label_menikah.fit_transform(mhs['Status Menikah']) mhs['Status Menikah'].unique() nanti akan terlihat ada 2 atau lebih dalam mengkodekannya, sehingga kita bisa memperbaiki dalam proses preprocessing datanya.
kalau bilang mungkin sih mungkin, cuma alangkah baiknya dibuatkan untuk interface GUI nya, bisa dikembangkan berbasis desktop (PyQt, Tkinter, dll), web (django, flask, dll) atau mobile (kivy, dll). Lain waktu akan saya berikan tutorial sederhananya.
@@juntazen terimakasih banyak pak kita tunggu tutorialnya. Soalnya mungkin nnti bisa jadi keunggulan channel youtube bapak soalnya dari semua youtube yang bahasa data jarang sekali bahkan tidak ada untuk interface GUI 🙏
bisa disimak video yang hampir sama di link berikut : 1. Klasifikasi Penguin => th-cam.com/video/M_VZkyWHPvY/w-d-xo.html 2. Klasifikasi Bunga IRIS => th-cam.com/video/H1LYO6vhFek/w-d-xo.html 3. Klasifikasi Data dengan Streamlit (Web Apps) => th-cam.com/video/hTn_3qss7KQ/w-d-xo.html
mau bertanya pak punya saya eror disaat memasukkan data training pada fungsi klasifikasi naive bayes mungkin ada solusi data_training = nbc.fit(x,y) mohon tanggapannya
Pak pliss jawab kenapa milih algoritma native bayes, krna sya lihat project lain itu bnyk pkai k.Means C45, dan boleh kah sya konsultasi dan minta email-nya pak makasih🙏
karena sesuai dengan karakteristik data yang saya gunakan, cepat, mudah, dan hanya memerlukan sejumlah kecil data pelatihan untuk mengestimasi parameter, sehingga saya menggunakan Naive Bayes untuk sampel dalam video tersebut. Jadi disesuaikan dengan karakteristik data yang digunakan, sehingga beda data beda algoritma yang digunakan. Disesuaikan juga dengan tujuan yang dicapai.
Mantab pak, penjelasan mudah untuk dipahami
Ijin bertanya pak. Itu kan ada dataset yg original berbentuk nominal dan numirk. Kemudian ada dataset yg numerik semua... Pertanyaannya: baga cara mengubah data yg nominal kedalam bentuk numerik seperti yang bapak lakukan?
bisa memakai cara replace dengan python, misal pada kolom Jenis Kelamin : mhs['JenisKelamin'].replace(['Wanita', 'Pria'], [0, 1], inplace=True)
izin bertanya bapak, lalu untuk judul skripsi yang cocok pada penjelasan di atas bagaimana Bapak? apakah harus menyertakan dengan Pemrograman Python?
bisa digunakan cara => tujuan+algoritma+object(jika ada) misal : Klasifikasi Kelulusan Mahasiswa menggunakan algoritma Naive Bayes pada Prodi Teknik Informatika Fakultas Informatika Universitas Suka - Suka (contohnya) jadi tidak perlu mencantumkan Pemrograman Python tidak apa2
@@juntazen Terimakasih Banyak Bapak
pak kapan nih bikin tutor prediksi versi popularitas judul berita dengan naive bayes, pak hehe
maaf ya mas baru banyak agenda jadi belum sempat membuat kembali, nanti akan saya buatkan
1. Bang kenapa lebih pilih pakai python daripada PHP untuk prediksi
2. Boleh minta source codenya ?
karna dukungan library utk komputasi machine learning menggunakan python lebih banyak dibandingkan dengan php, bisa di cek disini untuk source codenya => colab.research.google.com/drive/11R9qYf5pojIiw34r-8b5wz7MC3kA-3NM?usp=sharing
selamat siang, kalau ini source codenya diubah pakai java (framework ZK) apakah masih relevan? apakah fungsi2 di java juga bisa digunakan utk melakukan proses naive bayes ini.
terimakasih
maaf saya belum pernah pakai framework ZK, mungkin kalau untuk java kurang relevan, jadi jika pakai ZK sebaiknya membuat library sendiri atau mencari support library yang mendukung machine learning dalam ZK.
Maaf pak kenapa saat saya jalankan perintah :
mhs['Jenis Kelamin'].replace(['Wanita', 'Pria'], [0, 1], inplace = True)
mhs['Status Mahasiswa'].replace(['Mahasiswa', 'Bekerja'], [0, 1], inplace = True)
mhs['Status Menikah'].replace(['Belum', 'Sudah'], [0, 1], inplace = True)
mhs['Status Kelulusan'].replace(['Terlambat', 'Tepat'], [0, 1], inplace = True)
data 'Belum' dan 'Sudah' di kolom 'Status Menikah' belum berubah jadi numerik ya pak, saya memakai data yang original pak,, sedangkan data Jenis Kelamin, Status Mahasiswa dan Status Kelulusan bisa, kenapa ya pak?
ada banyak cara untuk mengencode mas, mungkin di data tsb ada miss dalam penulisan "Belum" dan "Sudah", misal kesisip dalam "spasi atau ada satu digit yang kosong", sehingga menjadikan di data tersebut tidak tepat 100% sesuai dengan string "Sudah" dan "Belum" dikarenakan pengetikan atau perekaman data oleh manusia. Sehingga bisa dicek dengan cara seperti ini :
from sklearn.preprocessing import LabelEncoder
label_menikah = LabelEncoder()
mhs['Status Menikah'] = label_menikah.fit_transform(mhs['Status Menikah'])
mhs['Status Menikah'].unique()
nanti akan terlihat ada 2 atau lebih dalam mengkodekannya, sehingga kita bisa memperbaiki dalam proses preprocessing datanya.
Maaf pak saya mau bertanya, ini data set yang di ambil itu dari universitas mana ya? Atau cuma bapak buat sendiri data set nya?
Terimakasih
Itu dataset random sampling dr data real, datanya hanya dipakai utk latihan bukan digunakan utk riset atau skripsi mas.
Pak boleh saya tanya ,boleh saya tau kenapa menggunakan alogaritma Naive Bayes Untuk prediksi ini?
ijin bertanya pak..
kalo bikin aplikasi untuk demo pas sidang skripsi nya apakah mungkin pake jupyter seperti ini?
kalau bilang mungkin sih mungkin, cuma alangkah baiknya dibuatkan untuk interface GUI nya, bisa dikembangkan berbasis desktop (PyQt, Tkinter, dll), web (django, flask, dll) atau mobile (kivy, dll). Lain waktu akan saya berikan tutorial sederhananya.
@@juntazen terimakasih banyak pak kita tunggu tutorialnya. Soalnya mungkin nnti bisa jadi keunggulan channel youtube bapak soalnya dari semua youtube yang bahasa data jarang sekali bahkan tidak ada untuk interface GUI 🙏
sama-sama mas, terus dukung channel ini supaya lebih berkembang...
@@juntazen siapp, sudah saya like & subscriber 👍
Izin bertanya pak. Kenapa datanya tidak dibagi dngan train_test_split?
karena hanya untuk sampel dan jumlah datanya sedikit (hanya 50 baris data) jadi tidak saya bagi dengan train_test_split.
Command prompt dan streamlitnya gak ada
bisa disimak video yang hampir sama di link berikut :
1. Klasifikasi Penguin => th-cam.com/video/M_VZkyWHPvY/w-d-xo.html
2. Klasifikasi Bunga IRIS => th-cam.com/video/H1LYO6vhFek/w-d-xo.html
3. Klasifikasi Data dengan Streamlit (Web Apps) => th-cam.com/video/hTn_3qss7KQ/w-d-xo.html
Izin meminta source code nya pak🙏
bisa di cek disini untuk source codenya => colab.research.google.com/drive/11R9qYf5pojIiw34r-8b5wz7MC3kA-3NM?usp=sharing
bang , sumber datanya dari mana bang , mohon bang diblas bang
data random sample dari riset sebelumnya
mau bertanya pak punya saya eror disaat memasukkan data training pada fungsi klasifikasi naive bayes mungkin ada solusi
data_training = nbc.fit(x,y)
mohon tanggapannya
mungkin ada yg typo mas, bisa dicek disini => colab.research.google.com/drive/12_LqEkrDFLYeHHgBijHMs3l4thPyLxNt?usp=sharing
Pak pliss jawab kenapa milih algoritma native bayes, krna sya lihat project lain itu bnyk pkai k.Means C45, dan boleh kah sya konsultasi dan minta email-nya pak makasih🙏
karena sesuai dengan karakteristik data yang saya gunakan, cepat, mudah, dan hanya memerlukan sejumlah kecil data pelatihan untuk mengestimasi parameter, sehingga saya menggunakan Naive Bayes untuk sampel dalam video tersebut. Jadi disesuaikan dengan karakteristik data yang digunakan, sehingga beda data beda algoritma yang digunakan. Disesuaikan juga dengan tujuan yang dicapai.