1. Dokumen ini memberikan penjelasan tentang pengenalan dataset bunga iris dan perintah dasar untuk mengeksplorasi dan mevisualisasikan dataset tersebut di R.
2. Dataset bunga iris digunakan sebagai contoh untuk mempelajari cara menganalisis dataset melalui perintah-perintah dasar seperti mengetahui dimensi, nama label, isi data, visualisasi dan korelasi antar variabel.
3. Siswa diajak untuk mempraktekkan perintah-perintah
Konsepsi mengenai sinyal ini terdiri atas pengertian dari sinyal, klasifikasinya, operasi yang dapat dilakukan pada sinyal dan bagaimana cara merepresentasikan sinyal. Untuk memahami konsep sinyal, pada uraian berikut akan dibahas pengertian sinyal dan contoh-contoh sinyal.
Dalam banyak kasus, hal yang penting untuk memahami makna suatu operasi pada variabel bebas. Transformasi variabel bebas sangat berguna untuk menguji sifat-sifat dari suatu sinyal. Pada uraian ini dibahas beberapa operasi pada sinyal yang banyak dijumpai dalam praktik.
Metode yang dapat digunakan untuk memproses suatu sinyal bergantung kepada karakteristik sinyal. Beberapa metode/teknik hanya dapat digunakan pada kelompok sinyal tertentu. Karena itu pemahaman akan klasifikasi sinyal sangat diperlukan sebelum melakukan analisis sinyal. Pada bagian ini akan ditelaah macam-macam klasifikasi sinyal.
Sinyal dasar adalah sinyal yang dapat digunakan untuk menyusun atau merepresentasikan sinyal-sinyal yang lain. Ada beberapa sinyal dasar/elementer yang sering digunakan dalam praktik. Dengan merepresentasikan suatu sinyal dalam bentuk sinyal elementer, pemahaman tentang sifat-sifat sinyal dan sistem menjadi lebih mudah. Beberapa diantara sinyal-sinyal dasar tersebut memiliki karakteristik yang menjadikan penyelesaian persoalan teknik atau rekayasa menjadi lebih mudah. Pada bagian ini akan dibahas macam-macam sinyal dasar, baik sinyal waktu kontinu maupun sinyal waktu diskret.
Konsepsi mengenai sinyal ini terdiri atas pengertian dari sinyal, klasifikasinya, operasi yang dapat dilakukan pada sinyal dan bagaimana cara merepresentasikan sinyal. Untuk memahami konsep sinyal, pada uraian berikut akan dibahas pengertian sinyal dan contoh-contoh sinyal.
Dalam banyak kasus, hal yang penting untuk memahami makna suatu operasi pada variabel bebas. Transformasi variabel bebas sangat berguna untuk menguji sifat-sifat dari suatu sinyal. Pada uraian ini dibahas beberapa operasi pada sinyal yang banyak dijumpai dalam praktik.
Metode yang dapat digunakan untuk memproses suatu sinyal bergantung kepada karakteristik sinyal. Beberapa metode/teknik hanya dapat digunakan pada kelompok sinyal tertentu. Karena itu pemahaman akan klasifikasi sinyal sangat diperlukan sebelum melakukan analisis sinyal. Pada bagian ini akan ditelaah macam-macam klasifikasi sinyal.
Sinyal dasar adalah sinyal yang dapat digunakan untuk menyusun atau merepresentasikan sinyal-sinyal yang lain. Ada beberapa sinyal dasar/elementer yang sering digunakan dalam praktik. Dengan merepresentasikan suatu sinyal dalam bentuk sinyal elementer, pemahaman tentang sifat-sifat sinyal dan sistem menjadi lebih mudah. Beberapa diantara sinyal-sinyal dasar tersebut memiliki karakteristik yang menjadikan penyelesaian persoalan teknik atau rekayasa menjadi lebih mudah. Pada bagian ini akan dibahas macam-macam sinyal dasar, baik sinyal waktu kontinu maupun sinyal waktu diskret.
Putaran pertama sudah dimenangkan pasangan Jokowi-Ahok. Jauh dari bidikan hasil jajak pendapat berbagai lembaga survey sebelumnya yang menempatkan mereka bukan di posisi pertama.
Jelas mengagumkan, hasil hitung cepat calon gubernur DKI 1 akhirnya tidak dikuasai oleh petahana. Mereka yang begitu yakin akan bisa menyelesaikan dengan satu putaran kini harus menyiapkan strategi balik menyerang.
Jejak rekam pasangan nomer 3 dan 1 ini juga memiliki dinamika yang kentara di media sosial. Pasangan Foke-Nara memulai dengan Trend Awareness yang menempel dengan pasangan Jokowi-Ahok yang menohok karena memimpin di awal Juni 2012.
Dan pergerakannya, pasangan Foke-Nara mulai terlihat lesu menjelang awal bulan Juli 2012. Jelas pasangan Jokowi-Ahok senantiasa unggul (dalam Trend of Awareness) dari lawannya bahkan hingga akhir-akhir menjelang pemilihan. Pemilihan yang akhirnya dimenangkan pasangan ini yang juga kuat dari sisi Total Buzz. Siapa yang akan unggul di Putaran Kedua September nanti, kita bisa intip peluanganya dengan melihat pergerakannya di media sosial.
Kompetisi panjang untuk memilih idola Indonesia berakhir pada Sabtu 7 Juli 2012. Dan di penghujung perhalatan ini, satu nama muncul menjadi unggulan. Setelah berkali-kali mengikuti audisi, baru di tahun 2012 Regina Ivanova berhasil masuk di ajang spektakuler, sekaligus mengukuhkan namanya sebagai yang terbaik.
Nama Regina terpilih setelah mengalahkan Kamasean Marhews (Sean) dalam voting yang berlangsung selama seminggu. Perolehan suara dalam voting ini pun berlangsung ketat. Kejar mengejar poin terus terjadi.
Ini pula yang terjadi di dunia maya. Dalam tangkapan situs jejaring sosial Twitter, kedua nama ini pula yang menghiasi pergerakan dukungan secara bergantian.
Sean dalam periode tertentu tampak unggul dari pesaingnya. Dan Regina berhasil membalasanya dalam waktu-waktu yang tersisa. Dari dukungan ini pula sudah 'tercium' aroma kemenangan Regina sebagai Idola Indonesia 2012.
Monitor all Indonesia conversation on Twitter, Facebook, Blog, Forum, Online News & Youtube. Data Period 11-17 June 2012. Votes will be held on 11 July 2012
PoliticaWave sebagai lembaga independen memonitor percakapan tentang Pilkada DKI melalui social media. Dari 2 putaran Pilkada DKI, hasil monitoring PoliticaWave sangat mendekati hasil Quick Count. Terbukti bahwa social media merupakan representasi suara rakyat
Starting Eleven Euro 2012 versi Pengguna Twitter Indonesia
Indonesia sangat menanti partai final Piala Eropa 2012. Final yang di luar dugaan mempertemukan kembali raja eropa di Grup C, Italia dan Spanyol sepertinya menjanjikan partai yang keras. Pertemuan pertama dengan hasil 1-1 memperlihatkan alotnya pertandingan.
Puja-puja pemain kedua kesebelasan berlanjut di ranah kicau Twitter. Kedua kesebelasan menyumbangkan sejumlah pemain yang paling sering di mention. Spanyol sebagai tim yang tak pernah kalah selama kompetisi, mendominasi tim impian pekicau di Indonesia.
Dengan 10 pemain, diantaranya pemain terbaik selama kompetisi berlangsung, Spanyol semakin memperkokoh kehadiran pemainnya senantiasa mendapat perhatian dari penggila bola.
Itali sebagai runner up, juga mengirim jumlah pemain terbanyak kedua dengan 5 pemain. Posisi berikutnya dikuntit tim perempat final, Jerman. Sayangnya tim perempat final lainnya, Portugal, hanya mengirim satu nama.
Portugal tak perlu berkecil hati, negara yang gugur di perdelapan final, Prancis juga hanya menyisakan satu nama pemain. Sedangkan Inggris yang juga lolos ke perdelapan final malah memiliki 3 jagoan di bagian belakang, yakni bek dan kiper.
Seberapa jauh perbincangan brand-brand otomotif selama gelaran Indonesia International Motor Show 2012 berlangsung? Berikut adalah pengamatan yang dilakukan pada saat pameran dari pantuan pengguna socmed di Indonesia. Pantauan ini bisa mewakili perjuangan masing-masing brand dlm mempertaruhkan perhatian pengguna media. Mampukah produk-produk baru menyedot perhatian konsumen?.
It's not only about fans and follower number. Interaction and Engagement rate are important key for brand facebook and twitter account. Understand your fans/follower can help you maximize your account. You can monitor your competitor too!
Sim, lintang kejora, hapzi ali, sistem manajemen database , universitas mercu...Lintang Kejora
SISTEM INFORMASI MANAJEMEN
Sistem Manajemen Database, Database Management System, Contoh perusahaan PT.Sierad Produce Tbk., contoh program aplikasi yang digunakan pada PT.Sierad Produce Tbk.
Visualisasi data adalah representasi grafis dari informasi dan data numerik. Ini melibatkan penggunaan berbagai jenis grafik, plot, dan diagram untuk menggambarkan pola, tren, dan hubungan dalam dataset. Visualisasi data dalam RStudio adalah proses membuat grafik, plot, atau diagram yang menggambarkan informasi dari dataset menggunakan bahasa pemrograman R. RStudio adalah lingkungan pengembangan terintegrasi (IDE) yang populer untuk analisis data dan pemrograman dalam bahasa R. Dalam RStudio, visualisasi data biasanya dilakukan menggunakan paket-paket grafik seperti ggplot2, plotly, atau ggvis. Proses visualisasi ini biasanya melibatkan manipulasi data menggunakan fungsi-fungsi R, seperti memfilter, mengelompokkan, dan menghitung statistik ringkasan sebelum membuat grafik.
Kampung Keluarga Berkualitas merupakan salah satu wadah yang sangat strategis untuk mengimplementasikan kegiatan-kegiatan prioritas Program Bangga Kencana secara utuh di lini
lapangan dalam rangka menyelaraskan pelaksanaan program-program yang dilaksanakan Desa
Apa itu data dan pengertian data by manajemen 22.pptx
Introduction to Data Mining with Rstudio
1. +
Introduction to Data Mining with R and Data
Import/Export in R
linkedin.com/in/apakabarnizam
2. +
R is a free software environment for
statistical computing and graphics.
Apa itu R?
R can be easily extended with 4,728
packages available on CRAN.
Many other packages provided, such
as on GitHub.
3. +
R is widely used in both academia
and industry.
Kenapa memakai R?
R is ranked no. 1 again in the
KDnuggets 2013 poll on Top
Languages for analytics, data mining,
data science.
The CRAN Task Views 8 provide
collections of packages for different
tasks, such as clustering, estimation.
5. +
#01
#02
PERINTAH DASAR MENENTUKAN TEMPAT PENYIMPANAN DATA
setwd( )
perintah tempat penyimpanan data pada osx
contoh:
setwd("~/Dropbox/Rstudio/social-media-workshop/dataset/beta1")
setwd( )
perintah tempat penyimpanan data pada windows
contoh:
setwd(“D:DropboxRstudiosocial-media-workshopdatasetbeta1”)
6. +
Save( )
perintah save data dgn format .Rdata
contoh:
save(x, file=“ ")
#01
#02
PERINTAH DASAR SAVE DAN LOAD .RDATA
load( )
perintah load data dgn format .Rdata
contoh:
load(“ ")
#03rm( )
perintah u/ menghapus data pada workspace
contoh:
rm(x)
7. +
#01
#02
LATIHAN, TULIS PERINTAH DIBAWA INI PADA RSCRIPT.
Cara membaca script (dgn perumpamaan):
line 1, jika nanti saya memiliki data tolong simpan di folder ini.
line 2, x adalah sebuah kumpulan data dari angka 1 sampai 10.
line 3, tolong save data saya ya.
line 4, tolong hapus data dengan nama label x
line 5, tolong load data yang sudah saya simpan.
line 6, perlihatkan kumpulan data pada label x
8. +
write.csv( )
perintah export data dgn format .csv
contoh:
save(x, file=“dataperternakan.csv”)
#01
#02
PERINTAH DASAR IMPORT DAN IMPORT .CSV
read.csv( )
perintah import data dgn format .csv
contoh:
load(“dataperternakan.csv”)
#03data.frame( )
perintah u/ membuat values/beberapa tabel menjadi 1 file
contoh:
data.frame(nomortable, stokhewan, jenishewan)
9. +
#01
#02
LATIHAN, TULIS PERINTAH DIBAWA INI PADA RSCRIPT.
Cara membaca script (dgn perumpamaan):
line 1, buatkan nomor dengan angka 1 sampai 5 pada label nomortable
line 2, isikan angka 20, 30, 4, 15, dan 2 pada label stokhewan
line 3, isikan ayam, bebek, kuda, burung, beruang pada label jenishewan
line 4, tolong satukan data pada line 1-3 (bahasa lainnya, buatkan struktur data
dengan isian nomortable, stokhewan, jenis hewan)
line 5, tunjukan dataperternakan.
line 6, tolong simpan data tersebut dengan format csv.
10. 55%
55%
55%
55%
untuk anda yg duduk di
kanan
TUGAS LATIHAN LAB 3.1
untuk anda yg duduk di
Kiri
Anda diperbolehkan bekerjasama untuk saling membantu teman anda.
12. +
Bunga iris, merupakan tumbuhan yang
berasal dari Jepang. Biasa ditanam
sebagai tumbuhan hias karena
bunganya yang indah.
Bunga iris, memiliki beberapa sub jenis
seperti: versicolour, virginica, setosa.
kita akan menggunakan dataset bunga
iris sebagai latihan pada lab hari ini.
PERNAH MENDENGAR BUNGA IRIS?
13. +
#01
#02
PERINTAH DASAR UNTUK MELIHAT/MENGENAL DATA
dim(namadataset)
perintah untuk melihat dimensi pada dataset
contoh:
dim(iris)
output:
names(namadaset)
perintah mengetahui nama-nama label pd dataset
contoh:
names(iris)
output:
Jumlah label
jumlah data dalam dataset
14. +
#01
#02
PERINTAH DASAR UNTUK MELIHAT LEBIH DETAIL DATASET
#03
str(namadataset)
perintah untuk mengetahui secara detail dimensi
pada dataset, output yang akan muncul juga beserta
nama label dan isiian data yg ada di dalam label.
contoh:
str(iris)
head(namadataset)
perintah untuk melihat isian data pada suatu label,
dengan cara melihat dr sudut 6 data paling atas.
contoh:
head(iris)
tail(namadataset)
perintah untuk melihat isian data pada suatu label,
dengan cara melihat dr sudut 6 data paling bawah.
contoh:
tail(iris)
15. +
#01
#02
PERINTAH DASAR UNTUK MELIHAT/MENGENAL DATA
summary(namadataset)
perintah untuk mengetahui nilai minumum, maximum,
rata-rata, angka yg sering muncul, quartiles dari setiap
label yg memiliki angka didalamnya.
contoh:
summary(iris)
var(namadataset$namalabel)
perintah untuk menghitung variasi dari satu label.
contoh:
var(iris$Sepal.Length))
16. +
#01
#02
PERINTAH DASAR UNTUK MELIHAT/MENGENAL DATA
cov(iris[,1:4])
perintah untuk mengukur varians dari satu dataset.
contoh:
cor(iris$Sepal.Length, iris$Petal.Length)
cor(namadataset$namalabelX, namadataset$namalabelY)
perintah untuk mengukur korelasi antara variabel x dan y.
contoh:
cor(iris$Sepal.Length, iris$Petal.Length)
17. +
#01
#02
PERINTAH DASAR MEMVISUALISASIKAN DATASET
plot(density(namadataset$namalabel))
perintah untuk melihat penyebaran angka dalam
bentuk visual.
contoh:
plot(density(iris$Sepal.Length))
hist(namadataset$namalabel)
perintah untuk melihat penyebaran data
dlm bentuk histogram.
contoh:
hist(iris$Sepal.Length)
18. +
#01
#02
PERINTAH DASAR MEMVISUALISASIKAN DATASET
With(namadataset, plot(labelX, labelY, col=namakategori, pch=as.numeric(namakaetgori)
perintah untuk memvisualisakan penyebaran angka yg ada di dalam dataset.
contoh:
with(iris, plot(Sepal.Length, Sepal.Width, col=Species, pch=as.numeric(Species)))
qplot(namalabelX, namalabelY, data=namadataset, facets=namakategori ~.)
perintah untuk memvisualisasikan penyebaran angka tergantung dari nama kategori
contoh:
qplot(Sepal.Length, Sepal.Width, data=iris, facets=Species ~.)
19. Buatkan Rscript dan dataset .csv kartu keluarga
dari web:
bit.ly/kartukeluargakotabandung
dikumpulkan H-2 sebelum kelas bigdata ke
bit.ly/yaampuntugasbigdata
Penamaan file
harikelasbigdata_jammasuk_pekerjaan31_noabsenlab
contoh:
senin_0930_pekerjaan31_20.csv
senin_0930_pekerjaan32_20.rscript
PEKERJAAN RUMAH 31
20. Dalam website dinas kependudukan terdapat 30
kecamatan di kota Bandung.
Jika absen anda di nomor 5, berarti anda
mengerjakan tugas dimulai dengan urutan 5.
maka dimulai dengan kecamatan Babakan ciparay,
Bandung kidul, Bandung kulon dan seterusnya.
Jika Absen anda di nomor 3, berarti anda
mengerjakan tugas dimulai dengan urutan 3.
maka dimulai dengan kecamatan Arcamanik,
Astana Anyar, Babakan Ciparay dan seterusnya.
ATURAN MENGERJAKAN PEKERJAAN RUMAH 31
21. Jika Absensi anda di nomor 31-seterusnya, maka
mengulang dari urutan nomor 1 kecamatan
dalam membuat tugas tetapi data dalam “Jumlah
KK” ditambah angka 2000.
Anda cukup membuat 10 data kecamatan saja
untuk membuat dataset. (tidak perlu membuat
30 data kecamatan).
List Label yang harus ada dalam dataset.csv yaitu:
Kecamatan, Jumlah KK dan percentase. sisanya
tidak harus ada dalam dataset.
ATURAN MENGERJAKAN PEKERJAAN RUMAH 31
23. +
Jika anda sudah mempunyai dropbox
silahkan maju ke depan, untuk di invite
ke group dropbox bigdata, oleh kami.
Jika anda belum memiliki account
dropbox silahkan klik link dibawah ini:
bit.ly/daftarduludropbox
SAATNYA MENG-INVITE ANDA KE DROPBOX
24. +
#01 #02 #03
Delete file tugas
yang anda telah
buat di mac lab
Pastikan mouse
dan keyboard
sudah dlm kondisi
mati
Matikan Mac Lab,
agar hemat energi
YANG ANDA HARUS LAKUKAN SEBELUM PULANG
linkedin.com/in/apakabarnizam