TUTORIAL PENGUNAAN APLIKASI WEKA DALAM PENGOLAHAN DATA MINING

00:14:03
https://www.youtube.com/watch?v=Evgv39MKy0Q

Sintesi

TLDRVideo ini mengajarkan cara menggunakan perangkat lunak Weka untuk analisis data melalui berbagai fitur dan metode dalam data mining. Dimulai dengan penjelasan tentang pemilihan menu Explorer dan tahap preprocessing, presenter menunjukkan langkah-langkah membuka file data, mengolah data, serta memilih dan menerapkan metode klasifikasi seperti decision tree. Akhirnya, video ini menyajikan hasil analisis termasuk tingkat akurasi dan confusion matrix, serta cara visualisasi data. Weka sangat mendukung analisis data baik untuk pemula maupun yang berpengalaman.

Punti di forza

  • 👋 Selamat pagi dan salam sejahtera!
  • 🛠️ Weka adalah alat analisis data yang mudah digunakan.
  • 📊 Terdapat lima fitur utama dalam Weka: Explorer, Experimenter, dll.
  • 🔍 Pemrosesan data awal sangat penting untuk akurasi analisis.
  • 📂 Anda dapat membuka file data dari berbagai format seperti .arff dan .csv.
  • 🚀 Klasifikasi dapat dilakukan dengan metode seperti decision tree.
  • 📈 Hasil analisis mencakup tingkat akurasi dan confusion matrix.
  • 🧮 Anda bisa melakukan clustering untuk mengelompokkan data.
  • 📉 Visualisasi data membantu memahami hasil analisis.
  • ✍️ Pastikan mengikuti tata cara penulisan data yang benar.

Linea temporale

  • 00:00:00 - 00:05:00

    Pembicara membuka sesi dengan salam dan memperkenalkan topik mengenai penggunaan BK untuk analisis data menggunakan ilmu data mining. Mereka menjelaskan bahwa WK memiliki lima fitur utama dan untuk analisis data, pengguna perlu memilih fitur Explorer. Setelah itu, pengguna akan dihadapkan pada tampilan Explorer yang memuat beberapa tab untuk memproses data, termasuk preprocessing, klasifikasi, dan clustering.

  • 00:05:00 - 00:14:03

    Pada sesi berikutnya, pembicara menjelaskan proses selanjutnya dalam analisis data seperti memfilter dan mengatur data untuk mendapatkan akurasi yang tepat. Mereka menunjukkan bagaimana memilih file data dan melakukan proses preprocessing di dalam aplikasi. Di bagian ini, metode untuk klasifikasi juga diperkenalkan, termasuk decision tree, dan mereka menunjukkan cara menilai hasil klasifikasi dengan menguji akurasi serta menyajikan hasil dalam bentuk confusion matrix untuk menganalisis performa klasifikasi.

Mappa mentale

Video Domande e Risposte

  • Apa itu Weka?

    Weka adalah perangkat lunak untuk analisis data dan data mining yang mudah digunakan.

  • Apa saja fitur yang ada di Weka?

    Fitur yang ada di Weka antara lain Explorer, Experimenter, dan berbagai metode untuk klasifikasi dan clustering.

  • Bagaimana cara melakukan preprocessing data di Weka?

    Preprocessing dilakukan dengan memilih metode yang sesuai di menu Filter pada Weka.

  • Apa itu decision tree?

    Decision tree adalah salah satu metode klasifikasi yang digunakan untuk memprediksi hasil berdasarkan data yang ada.

  • Dapatkah Weka menganalisis data dalam format file tertentu?

    Ya, Weka dapat menganalisis data dalam format file dengan ekstensi .arff dan .csv.

Visualizza altre sintesi video

Ottenete l'accesso immediato ai riassunti gratuiti dei video di YouTube grazie all'intelligenza artificiale!
Sottotitoli
id
Scorrimento automatico:
  • 00:00:00
    pay as salamualaikum warahmatullahi
  • 00:00:03
    wabarakatuh Selamat pagi dan salam
  • 00:00:06
    sejahtera bagi kita semua saya Om
  • 00:00:10
    Swastiastu namo buddhaya salam kebajikan
  • 00:00:14
    Selamat pagi saya Eva akan mempraktekkan
  • 00:00:20
    tentang tata cara penggunaan BK untuk
  • 00:00:24
    analisa data
  • 00:00:27
    Hai memakai ilmu yang ada di dalam data
  • 00:00:31
    mining
  • 00:00:32
    hai kenapa wk wk of adalah salah satu
  • 00:00:35
    tools yang mudah untuk digunakan bagi
  • 00:00:41
    seseorang yang baru mempelajari ilmu
  • 00:00:45
    didata site aplikasi Wechat memiliki
  • 00:00:50
    lima macam fitur yang pertama adalah
  • 00:00:53
    fitur Explorer ada fitur eksperimenter
  • 00:00:57
    ada fitur chloride klo ada fitur work
  • 00:01:02
    pants dan ada fitur Shinta siela ok
  • 00:01:08
    Hai Jika kalian ingin melakukan proses
  • 00:01:11
    analisa data menggunakan BK maka pilih
  • 00:01:16
    menu Explorer
  • 00:01:19
    Hai Nah setelah kalian klik menu
  • 00:01:25
    Explorer maka kalian akan diberikan
  • 00:01:28
    sebuah tampilan seperti ini ini adalah
  • 00:01:33
    tampilan Explorer dimana tab tampilan
  • 00:01:37
    Explorer ini memuat berbagai macam start
  • 00:01:41
    yang pertama adate preprocess ada tetap
  • 00:01:45
    Pasifik adata Cluster ada tetap
  • 00:01:49
    associated ada tetap selek atribut dan
  • 00:01:52
    ada tahfidzul
  • 00:01:55
    Hai sebelum kalian melakukan proses
  • 00:01:58
    analisa data menggunakan metode-metode
  • 00:02:02
    yang ada di dalamnya tak mayyitu
  • 00:02:05
    klasifikasi atau cluster in maka kalian
  • 00:02:08
    harus berada di that three proses yah
  • 00:02:13
    seperti yang kalian ketahui bahwa
  • 00:02:15
    tahapan datamining yang pertama kali
  • 00:02:18
    adalah three Processing data
  • 00:02:22
    preprocessing data Tujuannya adalah
  • 00:02:25
    untuk memfilter data supaya data ini
  • 00:02:29
    lebih baik dan menghasilkan akurasi yang
  • 00:02:33
    tepat seperti data aktualnya untuk
  • 00:02:39
    memasukkan data ke file with a kalian
  • 00:02:42
    harus masuk di tablet proses kemudian
  • 00:02:45
    pilih open file
  • 00:02:48
    Hai nah perlu diketahui di sini aplikasi
  • 00:02:52
    Wega sudah menyediakan contoh-contoh
  • 00:02:55
    data yang bisa kita gunakan untuk proses
  • 00:03:00
    klasifikasi ataupun plus three kalian
  • 00:03:04
    bisa melihat data tersebut di bagian C
  • 00:03:08
    kemudian program file kemudian pilih wk
  • 00:03:15
    pilih data nah ini ada berbagai macam
  • 00:03:18
    data yang bisa kalian gunakan perlu
  • 00:03:23
    diketahui aplikasi Wika bisa
  • 00:03:27
    menganalisis data dengan bentuk file
  • 00:03:31
    dengan ekstensi God Arts
  • 00:03:36
    Hai atau dengan ekstensi dot.co kyb Nah
  • 00:03:43
    di sini kalian bisa memilih ini misalkan
  • 00:03:46
    kalian pilih data kanker payudara di
  • 00:03:51
    sini
  • 00:03:52
    Hai weh kemudian pilih
  • 00:03:55
    hai serie-a
  • 00:03:57
    Hai pilih Open nah disini akan tampil
  • 00:04:02
    dari isi data tersebut berarti di sini
  • 00:04:06
    didata tersebut ada atribut umur atribut
  • 00:04:12
    menopause kemudian besar tumor
  • 00:04:17
    Hai kemudian kelas I
  • 00:04:21
    Hai kanker payudara tersebut
  • 00:04:22
    kadang-kadang
  • 00:04:24
    Hai berbahaya atau tidak berbahaya di
  • 00:04:28
    sini Nuri kru rasa atau berbahaya nah
  • 00:04:32
    kemudian Jika kalian ingin melakukan
  • 00:04:36
    preprocessing terlebih dahulu terhadap
  • 00:04:39
    data yang kalian miliki disini kalian
  • 00:04:42
    bisa memilih tombol juz pada bagian
  • 00:04:46
    filter Kenapa disini ada berbagai macam
  • 00:04:51
    metode untuk berbaring data baik
  • 00:04:55
    supervise maupun and supervised
  • 00:05:00
    Oh ya kamu Tuhan Cipta alihan ingin
  • 00:05:08
    melakukan classify atau klastering atau
  • 00:05:13
    associated
  • 00:05:18
    hai hai
  • 00:05:21
    yo yo
  • 00:05:25
    yo yo
  • 00:05:27
    Hai kopibenk betul
  • 00:05:40
    hai
  • 00:05:43
    hai hai
  • 00:05:51
    tmp22.gif
  • 00:05:56
    yo yo
  • 00:06:00
    hai hai
  • 00:06:08
    hai oke selanjut mohon maaf Wah ada
  • 00:06:14
    sedikit gangguan dari elektrode yang
  • 00:06:18
    digunakan Ya baik jadi jadi Jika kalian
  • 00:06:21
    ingin melakukan preprocessing data
  • 00:06:24
    menggunakan metode data mining disini
  • 00:06:28
    kalian pilih tombol jus pada bagian
  • 00:06:31
    betis disini ada berbagai macam metode
  • 00:06:36
    yang bisa kalian gunakan ada tribute
  • 00:06:39
    selection ada deskripai Toan supervise
  • 00:06:44
    bisa pakai Cluster sih disini ada
  • 00:06:48
    berbagai macam metode yang bisa
  • 00:06:50
    digunakan
  • 00:06:51
    Hai atau Jika kalian ingin langsung
  • 00:06:54
    melakukan proses klasifikasi ataupun
  • 00:06:56
    plesterin tanah di sini kalian pindah ke
  • 00:07:01
    Tab Plus Fay tetap Master ataupun tetap
  • 00:07:06
    associated Nah misalkan kalian pengin
  • 00:07:10
    mengklasifikasikan data tadi menggunakan
  • 00:07:14
    metode decision Tree nah disini untuk
  • 00:07:18
    memilih metode nya kalian bisa memilih
  • 00:07:21
    menekan tombol jus pada bagian
  • 00:07:25
    classifier cus ah kemudian disini ada
  • 00:07:28
    berbagai macam metode yang bisa kalian
  • 00:07:31
    gunakan mulai Keane respectful decision
  • 00:07:36
    Tree ini ada banyak sekali selain the
  • 00:07:40
    forest bisa kalian gunakan soft kan
  • 00:07:44
    untuk decision sedikitnya kemarin kita
  • 00:07:46
    memakai
  • 00:07:49
    [Musik]
  • 00:07:51
    hai hai
  • 00:07:54
    Hai Ayah ah Kemudian untuk mengatur
  • 00:07:59
    atribut-atribut yang digunakan di dalam
  • 00:08:02
    metode tersebut kalian bisa Klik bagian
  • 00:08:05
    j48 nah Disini
  • 00:08:10
    Hai pizza kalian
  • 00:08:14
    Hai Berapa nomor desimalnya Kenapa brapa
  • 00:08:20
    hirarkinya berapa Tim paktor
  • 00:08:24
    kepercayaannya bisa di-setting untuk
  • 00:08:27
    sementara tidak perlu menjadi Nyi kita
  • 00:08:32
    pakai pengaturan manual saja Jadi kalian
  • 00:08:35
    Crush nah disini Agan onklas jadi ini
  • 00:08:40
    adalah acuan untuk membagi trik tersebut
  • 00:08:44
    Nacita sudah settingnya
  • 00:08:48
    Ayo kita bisa Klik statistics
  • 00:08:52
    Hai Nah setelah kalian klik start di
  • 00:08:55
    bagian classifier output ini muncul
  • 00:08:59
    hasil dari perhitungan menggunakan
  • 00:09:02
    metode-metode tadi Nah disini ada
  • 00:09:06
    keterangan bahwa data kita sebanyak 286
  • 00:09:12
    data atributnya ada 10 nah nah ini ada
  • 00:09:22
    akurasinya tingkat akurasi yang
  • 00:09:24
    dihasilkan nilai root mean Square error
  • 00:09:28
    nya adalah 43 persen nilai akurasinya
  • 00:09:34
    75% nah ini ada keterangan semua
  • 00:09:39
    kemudian di sini ada confusion Matrix
  • 00:09:42
    disini tak berarti didata yang kita
  • 00:09:47
    miliki itu ada dua kelas ada kelas a&a
  • 00:09:51
    da ke
  • 00:09:52
    tasbih dimana
  • 00:09:56
    a-class A itu sebenarnya datanya adalah
  • 00:10:04
    Hai aker diri dari 201 data namun yang
  • 00:10:10
    benar diklasifikasikan sebagai kelas
  • 00:10:15
    aa12 193 data sedangkan Delapan buah
  • 00:10:22
    cetak yang aslinya didata aktualnya itu
  • 00:10:26
    adalah kelas A6 untuk dengan metode yang
  • 00:10:30
    kita miliki ternyata diklasifikasikan
  • 00:10:34
    sebagai kelas bebas kemudian untuk yang
  • 00:10:38
    bawah itu gratis kelas v-nya terdiri
  • 00:10:43
    dari 85 buah di sini hasilnya adalah
  • 00:10:51
    Hai sebanyak 62 buah data dari kelas B
  • 00:10:57
    terklasifikasi kan sebagai kelas A yang
  • 00:11:01
    benar diklasifikasikan sebagai kelas B
  • 00:11:05
    hanya 23 daftar
  • 00:11:09
    halo halo bagaimanapun untuk
  • 00:11:11
    metode-metode lain metode-metode lain
  • 00:11:14
    sama penggunaannya misalkan untuk kelas
  • 00:11:16
    teri mastering ya di sini kalian pilih
  • 00:11:19
    cus disini ada berbagai macam metode
  • 00:11:24
    Cluster nah ini simpel Kamis yang
  • 00:11:27
    kemarin kita pelajari
  • 00:11:30
    di
  • 00:11:33
    Hai kemudian ini untuk pengaturannya
  • 00:11:42
    hadits ini number Cluster ini adalah
  • 00:11:45
    Jumlah Kak kemarin sekali kalian ingin
  • 00:11:49
    mengelompokkan menjadi tiga buah maka
  • 00:11:52
    disini kalian ganti menjadi 3D CV juga
  • 00:11:56
    ada metode untuk perhitungan jarak
  • 00:11:59
    bangsa kalian juz di sini ada manhatan
  • 00:12:03
    ada ikhtiar kita pakai gulden aja ya Nah
  • 00:12:08
    setelah sudah kalian klik Oke saya sudah
  • 00:12:12
    tak bisa di klik start kemudian disini
  • 00:12:15
    sudah ada hasilnya Apakah
  • 00:12:18
    Hai sebanyak 141 data diklasifikasikan
  • 00:12:23
    desa deh dikelompokkan atau Diklat pada
  • 00:12:27
    Cluster pertama 51 data di klaster kedua
  • 00:12:31
    dan 94 batade Cluster ke-3 associated
  • 00:12:39
    kemana Boa Society juga sama kemudian di
  • 00:12:43
    wk Kita juga bisa melihat visualisasi
  • 00:12:47
    data Nah di sini ada variabelnya dan
  • 00:12:52
    sini ada kelasnya
  • 00:12:55
    Hai HWK bisa mengklaim memvisualisasikan
  • 00:13:01
    Hai untuk satu atribut atau banyak
  • 00:13:05
    atribut roh ini bisa kalian klik
  • 00:13:10
    Hai untuk proses sumpah
  • 00:13:15
    nggak mungkin
  • 00:13:17
    Oh ya
  • 00:13:19
    Hai di seperti ini untuk proses
  • 00:13:21
    visualisasi kemudian
  • 00:13:26
    Hai wangi ada berbagai macam kemudian
  • 00:13:31
    Kalian juga bisa membuat eh apa namanya
  • 00:13:39
    Hai menganalisa data atau klasifikasi
  • 00:13:42
    data menggunakan data yang kalian buat
  • 00:13:45
    jadi Wega bisa menangani file dengan cat
  • 00:13:49
    rff atau jbbb untuk BTS V
  • 00:13:55
    Hai tata cara penulisannya adalah
  • 00:13:58
    seperti ini
  • 00:14:01
    Hai nah
Tag
  • Weka
  • Data Mining
  • Analisis Data
  • Klasifikasi
  • Clustering
  • Preprocessing
  • Decision Tree
  • Akurasi
  • Confusion Matrix
  • Visualisasi Data