1 / 23

DATA DIRI DOSEN

Nama : AFIJAL, S.Kom, M.Kom NIDN : 0125088401 TTL : Pulau Kayu, 25 Agustus 1984 Alamat : Jl. Medan – B. Aceh Lr. Sawah Gampong Uteun Geulinggang Kec. Dewantara Kab. Aceh Utara No. HP : +62813 6058 8524 – PIN BB : 73EA1C50 Webblog : http://www.ijalnewbie.wordpress.com PENDIDIKAN

noelani-shelton
Download Presentation

DATA DIRI DOSEN

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Nama : AFIJAL, S.Kom, M.Kom • NIDN : 0125088401 • TTL : Pulau Kayu, 25 Agustus 1984 • Alamat : Jl. Medan – B. Aceh Lr. Sawah Gampong Uteun Geulinggang Kec. Dewantara Kab. Aceh Utara • No. HP : +62813 6058 8524 – PIN BB : 73EA1C50 • Webblog : http://www.ijalnewbie.wordpress.com • PENDIDIKAN • SD Negeri 1 Blang Dalam Kab. Aceh Selatan • SMP Negeri 1 Kuala Batee Kab. Aceh Selatan • SMA Negeri 2 Lhokseumawe Kab. Aceh Utara • AMIK Logika Yos Sudarso Medan Diploma I • STMIK Bina Bangsa Lhokseumawe Sarjana Komputer Teknik Informatika • Universitas Putra Indonesia “YPTK” Padang Magister Komputer Sistem Informasi • PEKERJAAN SEKARANG • Dosen Tetap Universitas Almuslim Peusangan • Direktur LSM JADUP Bireuen • Tuha Peut Kualisi untuk Advokasi Laut Aceh (KuALA) • Ketua Pembina Yayasan RIPMA (Riset dan Pengembangan Masyarakat) DATA DIRI DOSEN

  2. FUNGSI PREDIKSI PADA DATA MINING

  3. FungsiPrediksi Sebagaigambaran, jikaterdapat data mengenailamanyawaktu yang dihabiskanuntukseorangpegawai KFC untukmengantarpesanankerumahpembeli. Pegawaitersebutmengendaraisepeda motor untukmengantarkanpesananlangsungkerumahpemesan.

  4. Lanjutan FungsiPrediksi Seandainyadatangpesananke-26 darirumah yang jaraknya 1,5 km darirestoran, waktupengantaranpesananbagipelanggantersebutseharusnyalangsungdapatdiprediksi. Prediksitersebutdidasarianggapainbahwawaktudipengaruhiolehjarakrumahpelanggan. Apakahanggapantersebutbenar? Hal tersebutakandibuktikankemudian.

  5. Lanjutan FungsiPrediksi Apaperbedaannyadenganestimasi? • Estimasimerupakankegiatanmemperkirakansuatuhal, misalnya rata-rata populasidarisejumlahsampel yang dimiliki. Estimasidilakukanberdasarkansampel yang adaditangankita. • Sementaraitu, dalamprediksi, data yang adaditangankita yang digunakanuntukmemprediksihasildarisuatuhalbaru yang akansegeramunculselanjutnya. • ESTIMASI dilakukanuntukmemperkirakanhal yang tidakdiketahui (rata-rata populasi, varianspopulasi), sedangkanPREDIKSI memperkirakanhasildarihal yang belumterjadi.

  6. Linear Regression Ada 2: Regresi Linier sederhanadanregresi linier berganda • REGRESI LINIER SEDERHANA hanyamelibatkansatuvariabelpemberipengaruh, sementara • REGRESI LINIER BERGANDA melibatkanlebihdarisatuvariabelpemberipengaruh.

  7. Lanjutan Linear Regression • Variabeladalahbesaran yang berubah-ubahnilainya. • Variabel yang dianggaprelevanuntukkasus yang dicantumkanditabelcontohkasussebelumnyaadalahvariabeljarakrumahpelanggandanwaktutempuhpengirimanpesanan. • keduavariabeltersebutdapatdipilahmenjadiduajenis, yaituvariabelpemberipengaruhdanvariabelterpengaruh. • Variabelpemberipengaruhdapatdianalogikansebagaisebab, sementaravariabelterpengaruhdapatdianalogikansebagaiakibat.

  8. Lanjutan Linear Regression Bagaimanahubungansebabakibatdarijarakrumahpelanggandenganwaktutempuh? • Pemikiranyang logisadalahjauh-dekatnyajarakrumahpelangganmengakibatkanpanjang-pendeknyadurasiwaktutempuhpengiriman. • Jarakmerupakanvariabelpemberipengaruh, sementarawaktutempuhadalahvariabelterpengaruh.

  9. Regresi Linier Sederhana Data dapatdigambarkandalamsumbukartesiusdimanajaraksebagaisumbu X (dalam kilometer) danwaktutempuhsebagaisumbu Y (dalammenit).

  10. Lanjutan Regresi Linier Sederhana Tujuanregresi linier adalahmencarisebuahgarislurus yang sedekatmungkindengansemuatitiksehinggagaristersebutmenjadisahihuntukmewakilititiktersebut. Y adalahvariabelterpengaruh, adalahkonstanta, adalah gradient garis, dan X adalahvariabelpemberipengaruh.

  11. Lanjutan Regresi Linier Sederhana Persamaannya :

  12. Lanjutan Regresi Linier Sederhana • Denganmenggunakanhasilperhitunganpadatabel, maka gradient dankonstantamenggunakanpersamaan: • Persamaanregresi yang diperolehadalah: Y=14,58 + 4,35 X. PENGETAHUAN : prediksiuntukwaktutempuhpengirimanpesananmakanan. Waktutempuhuntukpengirimanbarangadalah 14,58 menitditambah 4,35 kali jarakrumahpelanggan. Bilajarakrumahpelangganadalah 0 km darirestoran, makawaktuantarnyadiprediksisekitar 14,58 menit. Setiappenambahanjarakrumahpelanggansejauh 1 km , waktupengiriman pun diprediksiakanbertambahselama 4,35 menit.

  13. Regresi Linier Berganda Persamaanregresitidakhanyamelibatkansatuvariabelpemberipengaruh. Persamaanregresidibangundenganlebihdarisatuvariabelpemberipengaruh. Apabilaterdapatkbuahvariabelpemberipengaruh, makabentukpersamaanregresinyamenjadi:

  14. Lanjutan Regresi Linier Berganda …

  15. Contoh Soal Regresi Linier Berganda X1 Y X2 Misalnya, X1 = Kemampuan kerja karyawan X2 = Kepemimpinan direktif Y = Produktivitas kerja Rumus persamaan regresi: Ŷ = b0 + b1X1+ b2X2 b0 = a = (konstan)

  16. Data Contoh Soal Regresi Linier Berganda

  17. Jawaban Contoh Soal Regresi Linier Berganda Menghitungharga-harga : b0; b1, b2denganmenggunakanpersamaanberikut, denganmenggunakanskorangkakasar: (1) ∑ Y = nb0 + b1∑X1 + b2∑X2 (2) ∑X1Y= b0∑X1 + b1 ∑X12 + b2∑X1X2 (3) ∑X2Y= b0∑X2 + b1∑X1X2 + b2∑X22 Masukkanharga-harga di atas dimasukkankedalampersamaantersebutsehinggamenjadi: (1) 170 = 10 b0 + 60 b1 + 40 b2 (2) 1122= 60 b0 + 406 b1+ 267 b2 (3) 737 = 40 b0 + 267 b1 + 182 b2

  18. Jawaban Contoh Soal Regresi Linier Berganda Persamaan (1) dikalikan 6, persamaan (2) dikalikan 1, kemudian dikurangkan sehingga menjadi sebagai berikut. 1020 = 60 b0 + 360 b1+ 240 b2 1122 = 60 b0 + 406 b1 + 267 b2 ______________________________________  - 102= 0 + -46 b1+-27 b2 (4)- 102= -46 b1 - 27 b2 Persamaan (1) dikalikan dengan 4, persamaan (3) dikalikan dengan 1, hingga hasilnya menjadi sebagai berikut: 680 = 40 b0+ 240 b1+ 160b2 737 = 40 b0+ 267 b1 +182 b2 ________________________________  -57 = 0 + - 27 b1+ - 22 b2 (5) -57 = - 27 b1 - 22 b2

  19. Persamaan (4) dikalikan dengan 27, persamaan (5) dikalikan dengan 46, sehingga hasilnya menjadi: -2754 = -1242 b1 - 729 b2 -2622 = -1242 b1 - 1012 b2 _____________________________ -132 = 0 b1 + 283 b2 b2 = -132 : 283 = - 0,466 Jawaban Contoh Soal Regresi Linier Berganda Harga b2 dimasukkan ke dalam salah satu persamaan (4) atau (5). Dalam hal ini, dimasukkan ke dalam persamaan (4), sehingga menjadi: -102 = -46 b1 – 27 (-0,466) -102 = -46 b1 +12,582 46b1 = 114,582 b1 = 2,4909 = 2,491 Harga b1 dan b2 dimasukkan dalam persamaan (1), sehingga menjadi: 170 = 10 b0 + 60 (2,4909) + 40 (-0,466) 170 = 10 b0 + 149,454 - 18,640 10 b0 = 170 – 149,454 + 18,640 b0 = 39,186 : 10 = 3,9186 =3,919 Jadi, persamaan regresi linear ganda untuk dua prediktor: Ŷ = 3,919 + 2,491X1 - 0,466X2

  20. Pertanyaan dan Diskusi Bertanyalah Bila Anda Tidak Ingin Sesat di Jalan

  21. “Tujuan dari belajar adalah terus tumbuh. Akal tidak sama dengan tubuh, akal terus bertumbuh selama kita hidup” Kata-kata Bijak perangsang Otak

  22. Sampai Jumpa Pada Pertemuan Berikutnya....... !

More Related