00:00:00
Hai selama alaikum warahmatullahi
00:00:02
wabarakatuh Selamat pagi salam sejahtera
00:00:05
buat kita semua masih di channel rumah
00:00:10
belajar ilmu komputer bersama suaminya
00:00:12
liang lahat nah teman-teman hari ini
00:00:16
masih di dalam Perry video datang
00:00:20
Hai ini adalah video keenam kita ya
00:00:23
temen-temen hari ini kita ingin membahas
00:00:27
tentang evaluasi dalam algoritma
00:00:30
clustering Minggu lalu kita sudah
00:00:34
membahas tentang algoritma clustering
00:00:37
yaitu kamit kelas teri kalau teman-teman
00:00:40
ada yang belum sempat melihat silakan ya
00:00:43
ada di link diatas nah setiap
00:00:46
pembelajaran harus ada evaluasinya
00:00:49
kenapa supaya kita tahu bahwa misalnya
00:00:53
ya contohnya di klastering bahwa
00:00:55
cluster-cluster yang kita sudah bentuk
00:00:57
itu memang benar-benar memiliki
00:01:00
karakteristik yang mirip seperti jadi
00:01:04
antar-antar plaster nya itu yang
00:01:06
memiliki jarak yang besar tapi dalam
00:01:10
Anggota satu Cluster ini dia memiliki
00:01:13
kedekatan atau keterikatan yang sangat
00:01:15
kuat jadi tujuan video kali ini adalah
00:01:20
karena evaluasi algoritma clustering
00:01:22
menggunakan Devie atau David Goulding
00:01:25
indeks Apakah cuman itu tidak Nah bagi
00:01:29
temen-temen yang pengen tahu apa saja
00:01:31
evaluasi klastering bisa melihat di
00:01:35
video 1/2 disitu saya memberikan paparan
00:01:40
beberapa evaluasi algoritma dalam data
00:01:44
mining misalnya kalau osifikasi pakai
00:01:46
apel presiden pakai apa kemudian
00:01:49
estimasi pakai apa dan lain-lain silakan
00:01:53
dilihat kembali ke sini seri kembali
00:01:56
bahwa evaluasi kelas sering itu ada dua
00:01:59
sama menjadi bisa internet evaluation
00:02:02
bisa eksternal evaluation nah kali ini
00:02:05
kita memakai internet evaluation yaitu
00:02:08
tipe I atau Davis putih indeks kenapa
00:02:12
pakai internal nah ini alasannya
00:02:15
faktanya kalau uji performa atau
00:02:18
evaluasi diklat
00:02:20
sering Tuh kan ih ada internal ada
00:02:23
eksternal Nah kalau type external itu
00:02:25
tipe yang menggunakan informasi tersebut
00:02:27
Lulu mengenai data tersebut nah itu yang
00:02:30
paling sulit Apakah Datanya ada nah itu
00:02:33
menjadi sebuah kendala kalau tipe
00:02:36
internal tipe yang menggunakan data yang
00:02:38
ada ya dapat tersebut aja nggak
00:02:40
berhubungan dengan data sebelumnya jadi
00:02:42
itu lebih muda maknanya data eksternal
00:02:45
untuk uji performa itu tidak ada atau
00:02:48
terlalu sulit sehingga selama ini banyak
00:02:50
yang memakai pop-up pengujian performa
00:02:53
secara internal Oke kita ke konsepnya
00:02:57
dulu ya temen-temen seperti di judul
00:02:58
saya bilang ada dua indikator nah di DPI
00:03:02
ada dua indikator penting yang pertama
00:03:04
adalah ssw atau eh awalnya wijin gitu ya
00:03:09
yang paling belakang dirinya gitu
00:03:10
kemudian SSB minyak yang paling bakal
00:03:13
belakang adalah between jadi ada dua
00:03:16
indikator yang pertama adalah switch dia
00:03:19
itu keterikatan
00:03:20
di antara anggota dalam satu kelas teri
00:03:23
jadi clustering itu kan Dilihat
00:03:27
karakteristiknya seberapa mirip seberapa
00:03:30
sama itu ya jadi kira-kira sedalam satu
00:03:34
Cluster misalnya ada lima anggota gitu
00:03:37
Yana antara anggota satu dengan anggota
00:03:39
yang lain apakah memiliki Brebek
00:03:43
keterikatan yang sangat kuat seperti itu
00:03:45
atau homogenitasnya nah eh kalau yang
00:03:49
SSP itu adalah between jadi misalnya ada
00:03:52
tiga klaster Bener nggak sih antara tiga
00:03:55
klaster ini jarak antar antar Cluster
00:03:57
nya itu cukup tinggi atau cukup besar
00:04:01
sehingga memang benar-benar Cluster ini
00:04:02
terpisah ini benar-benar sesuatu yang
00:04:04
berbeda seperti itu Nah itu
00:04:07
heterogenitas nya dalam dua indikator
00:04:09
ini itu kalau yang ssw atau meeting atau
00:04:14
di dalam satu Cluster itu semakin kecil
00:04:17
semakin bagus pernah itu menandakan
00:04:19
bahwa ke arah
00:04:20
ngetiknya semakin mirip atau sama kalau
00:04:23
SSB atau bitbean ghatib jarak jaraknya
00:04:27
indikatornya harus besar berarti itu
00:04:28
benar-benar terpisah itulah dua
00:04:30
indikator dievaluasi di by atau Davis
00:04:34
bourget indeks penemunya adalah Davis
00:04:37
dan Donald jadi sekitar sudut nah 79
00:04:40
cukup lama ya teman-teman Nah ini
00:04:42
rumus-rumusnya ada 4-step perhitungan
00:04:46
ketika kita preval mengevaluasi dengan
00:04:49
DP yang pertama adalah kita harus nyari
00:04:51
ssw nya gitu meetingnya gitu ya
00:04:53
temen-temen jadi nanti kira-kira plaster
00:04:56
nya ada apa Ada berapa kalau misalnya ke
00:05:00
konsernya ada tiga jadi harusnya
00:05:02
swingnya ada tiga juga kemudian kalau
00:05:04
step kedua adalah SSB atau bandnya Nanti
00:05:09
Pi duitnya juga seperti itu teman-teman
00:05:11
kalau misalnya cuman dua kasar berarti
00:05:14
SSB nya satu tetapi kalau misalnya ada
00:05:19
kata
00:05:20
Salatiga Pasteur gitu ya jadi nanti SSB
00:05:23
nya adalah Hitung jarak dari Cluster 1
00:05:27
ke cluster2 Seperti apa Cluster 1 ke
00:05:31
kelas ketiga Seperti apa temennya
00:05:33
cluster2 ketiga Seperti apa jadi akan
00:05:36
ada tiga SS bijak jadi jangan bingung ya
00:05:39
teman-teman biasanya teman-teman kalau
00:05:40
ada contoh perhitungan cuman dua faster
00:05:44
nanti bingung kalau tiga klaster gimana
00:05:47
kelompok Cluster gimana ya Sama aja
00:05:49
seperti itu tinggal kita hitung berapa
00:05:52
sih jumlah pasalnya inden kita hitung
00:05:54
deh ketiga adalah kita akan menghitung
00:05:56
rasio nya deh rasio nanti-nanti tubuhnya
00:06:01
adalah ssw satu sswj bisa ijbr apa ssw
00:06:06
nya gitu ya asapnya dapat dibagi SS
00:06:10
Beijing teh SSB dari Misalnya kata-kata
00:06:14
ini adalah rasio pasar satu ke cluster2
00:06:17
misalnya berarti ini adalah faster 1
00:06:20
Ia adalah pasar dua kalau misalnya ada
00:06:23
Cluster 1 dan 3 GT reviewnya Ya sama aja
00:06:27
gitu ya perhitungannya ssw satu dan ssw
00:06:31
tiga misalnya per SSB 1 dan 3 seperti
00:06:35
itu tuh rasionya dan yang terakhir
00:06:38
adalah Dewi nya sendiri temen-temen jadi
00:06:41
dp-nya adalah nanti mencari maksimal
00:06:46
jadi rasio yang paling besar yang mana
00:06:48
kemudian diam pledge gitu ya seperti itu
00:06:52
jumlah pasarnya berapa Oke kita Jelaskan
00:06:54
satu-persatu supaya kita tidak bingung
00:06:56
ya oke ya pertama kita bahas tentang
00:06:59
rumus pencarian ssw atau Sam of spelling
00:07:02
Cluster jadi sekali lagi dia untuk
00:07:05
mengetahui matriks kira-kira homogenitas
00:07:08
dalam satu Cluster anggotanya itu
00:07:10
terikat seberapa kuat seperti itu Nah
00:07:13
rumusnya adalah sswi itu masuknya
00:07:16
misalnya kita mau menghitung sweet
00:07:20
ikhlas
00:07:20
Hai persatu gitu ya kemudian ada Sigma
00:07:23
gitu ya Sekali lagi kita ingat bahwa
00:07:25
kalau Sigma itu adalah penjumlahan dei
00:07:29
ada d d disitu sekali lagi adalah jarak
00:07:32
Oke kita sudah berkali-kali kau
00:07:35
mengenalnya kita jarak bejarak dari
00:07:42
xxccsc918xx blah data dalam fast
00:07:46
tersebut tersebut semua nanti dihitung
00:07:48
jaraknya ke Cluster itu ya setelah
00:07:51
setelah dihitung jaraknya kemudian jarak
00:07:55
itu kan selisih yatch selisih jadi
00:07:57
kemudian dijumlahkan sebanyak berapa
00:08:00
datanya di dalamnya gitu ya kemudian
00:08:02
baru nanti dia akan di akar gitu ya di
00:08:08
akar kemudian baru dia dia freeze at au
00:08:11
seperti m1 m1 itu adalah jumlah data
00:08:15
dalam Cluster keinget Adi kita akan
00:08:18
menghitung cluster
00:08:20
Hai ke-1 ya Master satu jadi misalnya
00:08:23
jumlah di Cluster satu anggotanya ada
00:08:25
lima berarti seperlima seperti itu ya
00:08:27
teman-teman nanti ada contohnya deh
00:08:29
selanjutnya adalah rumus SSB atau sama
00:08:33
vsquare between Cluster jadi sekali lagi
00:08:35
dia untuk mengetahui heterogenitas antar
00:08:38
Cluster nah rumusnya adalah ssbi J nah
00:08:43
kemudian sama dengan menghitung jarak
00:08:46
antara Cluster I ke kelas RJ nah ini
00:08:49
kalau misalnya Cluster nya ada dua
00:08:51
Katakanlah Master satu itu kelas 1C itu
00:08:55
clasp dua kalau misalnya Cluster nya ada
00:08:57
tiga sekali lagi bahwa nanti kita harus
00:08:59
menghitung juga SSB ie8 kalah 123 gitu
00:09:04
SSB 13 sb1 eh sorry 23 gitu ya jadi SSB
00:09:12
Cluster 1 ke-21 ketiga kemudian dua
00:09:16
ketiga jadi ada tiga ya file-nya Nah
00:09:20
kalau
00:09:20
sekali lagi C sapi itu adalah kasus satu
00:09:23
contohnya misalnya CJ ada faster kedua
00:09:26
misalnya kemudian dec itu sekali lagi
00:09:30
dek adalah jarak untung antar komputer
00:09:33
satu dengan serta 33 adalah kita akan
00:09:36
menghitung rumus rasio rasio itu untuk
00:09:39
mengetahui seberapa bagus nilai
00:09:41
perbandingan antara Cluster 1 dengan
00:09:42
pasrah yang lain nah sekali lagi bahwa
00:09:46
kondisinya harus kecil separasi nya atau
00:09:48
heterogenitas nya harus besar maka dari
00:09:51
itu rumusnya berbanding terbalik yaitu
00:09:52
memang jadi kyj
00:09:55
[Musik]
00:10:11
[Musik]
00:10:20
Cluster 21 terhadap 32 terhadap tiga
00:10:24
triarki nanti at ujungnya ada tiga juga
00:10:26
itu ya Oke next terakhir menghitung
00:10:31
dp-nya yaitu fakta dari DB itu semakin
00:10:35
bagus ketika nilainya mendekati nol tapi
00:10:39
tidak negatif ya temen-temen Nah
00:10:41
rumusnya adalah seperti yang ada di
00:10:43
layar temen-temen jadi sepeka GTA Sigma
00:10:47
gitu ya menghitung jadi Max GTA Max
00:10:51
rasio-rasio yang paling tinggi itu yang
00:10:54
akan dipilih kemudian dia fresh gitu ya
00:10:56
temen-temen jadi ah Max rijk maksudnya
00:11:00
adalah Nah jadi yang paling besar karena
00:11:03
tadi ada tiga klaster gitu ya berarti ya
00:11:06
er dari Cluster 12 berapa 13 berapa gitu
00:11:12
ya kemudian 23 berapa nanti mana yang
00:11:15
Max nah itu yang akan ditaruh di dp-nya
00:11:17
kemudian dia fresh perkahkah itu jumlah
00:11:20
akhirnya berapaan Oke kita langsung ke
00:11:23
studi kasus aja ya ini adalah data yang
00:11:26
saya paparkan di pertemuan sebelumnya
00:11:29
temen-temen di video ketika kita
00:11:32
membahas kamin klastering ya ada sekitar
00:11:36
8data kemudian ada indikator atau
00:11:41
variabelnya adalah x-xii kemudian
00:11:43
setelah terakhir kita tahu bahwa Cluster
00:11:47
1 itu ada empat anggota yaitu ini a
00:11:53
kemudian JG sama Ha pasar2 Ada BCD sama
00:11:59
FF ini hasil kawin klastering sebelumnya
00:12:03
kemudian karena kita mengklasifikan 2
00:12:05
Cluster Centro terakhirnya akan ini Ya
00:12:08
teman-teman kemarin dia video sebelumnya
00:12:10
bagi teman teman yang belum melihat
00:12:12
video sebelumnya atau Ini hasilnya kok
00:12:16
seperti ini dari mana lihat di video ke
00:12:20
Hai yaitu ketika pembahasan kamin
00:12:22
klastering Nah setelah itu kita akan
00:12:25
ngitung ssw nih nah kita tulis disini
00:12:28
ssw gitu ya kemudian ini sentroid nya
00:12:31
kita taruh di sini gitu ya karena dia
00:12:35
adalah Cluster 1 berarti dia lebih deket
00:12:38
ke bank sentral pertama jadi exe nya
00:12:41
adalah ini ya teman-teman Nah ini ya
00:12:43
kemudian karena dia cluster2 berarti dia
00:12:45
dekat dengan sentroid dua Maka sentroid
00:12:48
nya ini ya oke taruh sini ya Oke ini
00:12:51
sesuai aja Sampai kebawa ya teman-teman
00:12:54
kemudian kita itung ssw nya kita nyari
00:12:58
jarak data ke Cluster masing-masing data
00:13:02
Cluster rumusnya sudah ada di sini ya
00:13:05
sudah saya jelaskan juga nah sekali lagi
00:13:07
jarak adalah Eko Widianto misalnya kita
00:13:10
pakai klodian itu ya subroti dimulai
00:13:13
dengan ini ya Saya menghitung satu
00:13:18
mineral rumusnya Disini yang
00:13:20
Hai sab c16 mint f-16 Bali Sabtu minus
00:13:25
sentroid x-nya 1,25 gitu ya kemudian di
00:13:29
dikuadratkan kemudian dijumlah dari nih
00:13:33
3 minus Android dianya ini berapa 1,75
00:13:37
sama gitu ya di kuat dikuadratkan
00:13:40
kemudian di dijumlah gitu ya dijumlahkan
00:13:44
tadi kemudian di akar gitu ya maka
00:13:47
ketemunya ini temen-temen Nah setelah
00:13:50
itu eh karena sampai ke bawah sama yaitu
00:13:55
hanya Jadi kalau nyari yang b sama gitu
00:13:58
ya rumusnya sama Iya nah sampai ke bawah
00:14:02
Kemudian ini kan masih masih di jarak
00:14:06
kalau Swag kan of di sini ada seprei
00:14:10
avrist nya ya M1 gitu ya jadi disinikan
00:14:13
afriks dari h16 h12 h22 kok ini Nah
00:14:18
avrist dari
00:14:20
Hanya Sekali lagi bahwa Cluster satu
00:14:22
anggotanya adalah a e kemudian ada g
00:14:28
sama aja jadi ini adalah afriks dari ini
00:14:32
search kemudian e-g ha gitu ya jumat
00:14:37
hasilnya ini sama perhitungan di SSB
00:14:40
kelas 2 juga sama gitu ya teman-teman
00:14:43
idea fresh dari anggotanya berarti b-c-d
00:14:47
sama efs hasilnya ini nah ketemulah ini
00:14:49
SSB I switched katanya SSB Cluster satu
00:14:53
SS2 on the Next step kita beralih ke
00:14:58
ngitung SSB atau between ya teman-teman
00:15:01
Nah disini sudah ada nah ini saya coba
00:15:05
bikin matriknya supaya lebih gampang
00:15:07
gitu ya karena dia cuman dua klaster
00:15:09
jadi dia eh lebih 12 Centre out pertama
00:15:13
kedua Gimana kalau ada tiga gampang sini
00:15:16
tambahin tiga segi tambahin 3 GB 04
00:15:19
seterusnya gitu ya
00:15:20
temen ini Kebetulan karena kita Cluster
00:15:24
menjadi dua kelas terjadi cuman centres
00:15:27
12 sd12 gitu ya kemudian ini nah ini SSB
00:15:33
antara satu dengan satu pasti nol gitu
00:15:37
ya karena dirinya sendiri kemudian SSB
00:15:39
Cluster 1 dengan dua ini hitungannya nah
00:15:42
perhitungan jarak ini ya temen-temen ini
00:15:45
rumusnya gitu ya sama sih seperti yang
00:15:48
tadi disebutkan gitu ekli Dian Halim H4
00:15:52
minha 5 gitu ya jadi ini sentroid nya
00:15:56
Nah ini hh4 ini dikurangin ini berapa
00:16:01
gitu ya ditambah ini dikurangin ini
00:16:06
kemudian dikuadratkan di akar hasilnya
00:16:09
adalah ini itu ya temen-temen Nah ini
00:16:12
kemudian antara ini sama aja sih 2112
00:16:17
itu sama jadi ini sama kalau ada tiga
00:16:20
Ati tinggal menghitung misalnya di kalau
00:16:22
ada tiga berarti kan di sini ada tiga
00:16:24
klaster gitu ya ininya berapa Berarti
00:16:26
ini dikurangin ini kemudian dikuadrat
00:16:30
ditambah ini Enggak ini dia akar gitu ya
00:16:32
temen-temen ini kebetulan aja karena
00:16:34
Cluster nya cuman 2na setelah ini ketemu
00:16:37
temen-temen SSB nya ketemu mah kita bawa
00:16:40
ke rasio-rasio adalah sw1 udah ketemu
00:16:43
nih ini kemudian dijumlahkan ini Swag
00:16:48
kedua + SS beige bikin IG ini ya 12 kan
00:16:53
ini Nah di sini Oke Paham Ya sampaikan
00:16:56
Iya temen-temen cukup mudah ya kalau
00:16:58
misalnya ada apa namanya clusternya ada
00:17:02
tiga berarti refrigerant-134a 23 gitu ya
00:17:10
Ada tiga Nah setelah ketemu rasionya
00:17:13
kita bawa ke Debby Debby nya adalah yang
00:17:17
maksudnya berapa karenanya cuma ada 2
00:17:20
putarkan berarti er ijinnya cuman ada
00:17:22
satu berarti ya ini 0,5 gitu ya
00:17:26
temen-temen sepeka shafritz kakaknya
00:17:30
adalah 2 berarti setengah dikalikan Ini
00:17:33
hasilnya Nah itu adalah 0,27 gitu ya
00:17:39
jadi seperkasa seperdua dikalikan 0,58
00:17:45
bla bla gitu ya hasilnya ini 0,2 79 nah
00:17:49
sekali lagi bahwa dibikinnya semakin
00:17:51
mendekati nol itu semakin bagus jadi
00:17:53
nanti tinggal teman-teman
00:17:55
menginterpretasikan itu adalah cara
00:17:58
perhitungan debit untuk evaluasi kelas
00:18:02
string ya temen-temen temen-temen bisa
00:18:04
mencoba dengan kasus yang berbeda dengan
00:18:06
cluster yang berbeda itu ya itungannya
00:18:09
sama saja Tinggal bagaimana kalau
00:18:13
klasemen sekian Berarti rijiknya ada
00:18:15
berapa STD nya ada berapa gitu ya
00:18:17
temen-temen jadi jangan bingung telaa
00:18:20
bersatu pelan-pelan gitu ya kalau masih
00:18:22
bingung oke itu yang bisa saya sampaikan
00:18:25
di video keenam Menjangan lupa practice
00:18:29
mode temen-temen jadi pembelajaran itu
00:18:33
harus kontinyu atau berkelanjutan kalian
00:18:36
bisa belajar pelan-pelan gitu ya jadi
00:18:39
memang harus banyak berlatih sehingga
00:18:41
teman-teman nanti bisa menghadapi
00:18:44
soalnya seperti apapun teman-teman bisa
00:18:46
mengerjakan enggan untuk next video kita
00:18:49
akan membahas hirarki klastering Jadi
00:18:53
kalau kemarin ke Amin klastering itu
00:18:54
termasuk Non hirarki klastering temenan
00:18:57
tipe analisis Cluster itu ada dua non
00:19:00
sama hirarki Nah untuk next pertemuan
00:19:05
kita membahas hirarki class sering gitu
00:19:07
ya Pak satu karena nanti lah cukup
00:19:10
panjang jadi Saya membagi menjadi dua
00:19:12
Oke terima kasih sampai jumpa di video
