ilmuneraka Goto Github PK

ci-tugas

Tugas praktikum CodeIgniter

citiasia-regresi

decision-tree-data-scientist

Di zaman industri digital ini, data scientist menjadi pekerjaan yang penting karena tugasnya mengumpulkan, mengolah, dan menganalisa data sehingga dapat berguna menjadi informasi. Data scientist menjadi salah satu pekerjaan yang paling dicari pada tahun 2025 kelak. Berdasarkan dataset yang dipublikasikan di kaggle dengan judul HR Analytics: Job Change of Data Scientists, terdapat data mengenai data scientist yang ingin mengganti pekerjaan. Penelitian ini akan melakukan analisa klasifikasi terhadap data tersebut menggunakan model dengan algoritma Decision Tree.. Pemodelan penelitian ini menggunakan modul DecisionTreeClassifier dari library SKLearn sebagai framework pembuatan model Decision Tree. Implementasi model Decision Tree pada penelitian ini mencapai performa optimal dengan melakukan konfigurasi pada beberapa parameter, yaitu parameter max_depth pada nilai 5, parameter max_leaf_nodes pada nilai 10, menggunakan kriteria Entropy serta test_size = 0.45. Rata rata performa akurasi pada model Decision Tree pada data ini menggunakan parameter tersebut akan menghasilkan performa model akurasi rata-rata 86,90%.

dumpster

eda-clustering-bencana-pulau-jawa

Indonesia merupakan salah satu negara yang berada dalam area cincin api (Pacific Ring of fire) yang artinya wilayah Indonesia dikelilingi gunung api aktif dan memiliki kecenderungan mengalami bencana alam seperti gempa vulkanik, dan letusan gunung berapi. Selain itu berdasarkan data DesInventar UNDRR (United Nation Disaster for Risk Reduction) pulau Jawa juga sering mengalami berbagai bencana seperti banjir, kekeringan, tsunami, longsor, angin puting beliung dan kebakaran hutan. Pulau Jawa merupakan pulau paling padat penduduk di Indonesia tetapi juga wilayah yang paling terdampak bencana. Makalah ini bertujuan untuk mengelompokkan daerah-daerah di Pulau Jawa berdasarkan intensitas dan dampak bencananya yang diharapkan dapat dijadikan sebagai tambahan informasi dalam perencanaan penanggulangan kebencanaan di Indonesia. Data bencana yang didapat berasal dari DesInventar, bencana di Indonesia terbagi ke dalam 14 kategori. Data dieksplorasi dari waktu dan wilayah tingkat Provinsi dan Kabupaten. Selanjutnya atribut diseleksi dan dilakukan 3 kali Clustering K-Means berdasarkan Provinsi dan Kota/Kabupaten. Hasil Clustering K-Means mengelompokkan Provinsi menjadi 2 dengan nilai Silhouette Coefficient sebesar 0,238 dan indeks Davies-Bouldin sebesar 1,098, mengelompokkan Kota/Kabupaten menjadi 3 dan 2 dengan nilai Silhouette Coefficient secara berurutan sebesar 0,33 dan 0,613, indeks Davies-Bouldin secara berurutan sebesar 1,148 dan 0,4489. Dari Clustering K-Means Kota/Kabupaten dengan jumlah kelompok 3 dikalkulasi berdasarkan Provinsi dan didapatkan hasil yang sesuai dengan Clustering berdasarkan Provinsi sebelumnya yaitu Provinsi paling terdampak adalah DI Yogyakarta, Jawa Barat, dan Jawa Tengah. Kata kunci: Analisis Data, Bencana, Clustering, Jawa, K-Means

filps

ilmuneraka.github.io

tes

kirbydoyanmakan

Advanced Programming College Course

letterboxd-friends-ranker

Letterboxd Profile Analyzer, Friends Ranker and Movie Recommendations

luis-suarez-15-16-eda

An exploratory data analysis (EDA) of Luis Suárez’s 2015–2016 La Liga campaign, using data from Opta via FBRef and StatsBomb Open Data.

nyoba-xgboost

predicting-kpop-mbti-instagram-caption-word2vec-lstm

Final Project

seller-clustering

Clustering sellers with RFM (recency, frequency, monetary) approach with additional features (average rating and product categories)

sentiment-analysis-pedulilindungi

Aplikasi PeduliLindungi merupakan aplikasi yang dikembangkan oleh pemerintah Indonesia yang bertujuan dalam membantu instansi pemerintah terkait dalam melakukan pelacakan dan minimalisasi tingkat penyebaran penyakit Coronavirus Disease (COVID-19). Keberadaan aplikasi tersebut sangat bermanfaat dalam menekan angka penyebaran COVID-19 di berbagai lapisan masyarakat, namun terkadang ada beberapa pengguna yang masih merasakan ketidaknyamanan dalam penggunaan aplikasi tersebut. Oleh karena itu, dibuatlah penelitian dan analisis guna mengetahui sentimen masyarakat, terutama pada pengguna terhadap penggunaan aplikasi PeduliLindungi. Sampel data yang dikumpulkan berupa data review yang didapatkan dari platform Google Play Store dengan jangkauan bintang berjumlah 1-5 bintang. Sampel yang terkumpul kemudian akan diklasifikasikan oleh sistem menjadi sentimen positif dan sentimen negatif. Proyek ini menggunakan machine learning dalam menentukan jenis sentimen dari review pengguna aplikasi. Hasil pengelolaan review berupa klasifikasi sentimen positif dan negatif dapat membantu pengembang dalam proses validasi dan verifikasi sistem yang telah di deploy, juga dapat membantu hal-hal apa saja yang dapat ditingkatkan dari sistem.

team-playing-style

Exploring Top 5 League Teams' Playing Style

test-models

testtechnical

Technical test dumbways.id

xg-xgot-statsbomb-worldcup2022

Building xG and xGOT based on Statsbomb World Cup 2022 Open Data