MEETING 8
INF040
Semester 6
Pengenalan Teknik Analisis Prediktif: Machine Learning & Deep Learning
Membahas konsep dasar analisis prediktif menggunakan machine learning dan deep learning untuk mengenali pola dan menghasilkan prediksi dari data.
Meeting Directory
8
Meeting
3
Materials
12
Meetings
Pengantar Big Data
Open material ↗ · View Meeting →
Learning Objectives
Learning Objectives
Target pembelajaran utama pada pertemuan ini dirangkum secara singkat agar mudah dipindai dan diikuti.
- Memahami konsep analisis prediktif.
- Membedakan pendekatan machine learning dan deep learning.
Materials
Koleksi materi pertemuan
Pilih materi yang ingin dibuka. Setiap kartu disusun agar lebih mudah dipindai, lebih hidup, dan tidak terasa monoton.
01
MODULE
Macam-macam Teknik Analisis Data: Deskriptif, Diagnostik, Prediktif, dan Preskriptif
Materi ini menjelaskan empat jenis teknik analisis data (deskriptif, diagnostik, prediktif, dan preskriptif), dengan fokus khusus pada analisis data prediktif yang memanfaatkan gabungan matematika, statistika, dan machine learning untuk memprediksi keadaan masa depan berdasarkan pola data historis, beserta alasan kebutuhannya dan cara kerjanya yang melibatkan pembersihan data, training model, hingga deployment.
02
MODULE
Implementasi Teknik Analisis Data: Tahapan Penting dalam Pengolahan Data
Materi ini membahas empat hal penting yang harus diperhatikan saat mengimplementasikan teknik analisis data, yaitu memastikan data yang valid, melewati proses cleaning data, menentukan metode pengolahan data yang tepat, dan menentukan bentuk penyajian data (visualisasi) yang sesuai agar hasil analisis dapat menjadi dasar pengambilan keputusan yang baik bagi perusahaan.
03
SLIDE
Analitik Data Tingkat Lanjut: Regresi untuk Big Data dengan ELM dan SVR
Materi ini membahas konsep regresi lanjutan untuk big data, meliputi perbedaan prediksi dan klasifikasi, analisis teknikal dan fundamental dalam peramalan, regresi linear dan logistik, serta dua metode utama yaitu Extreme Learning Machine (ELM) — jaringan syaraf tiruan feedforward dengan single hidden layer beserta langkah training dan testing serta studi kasus perhitungannya — dan Support Vector Regression (SVR) yang berbasis prinsip risk minimization untuk mengatasi overfitting.