Microsoft Windows Azure, Automatización en Azure, Microsoft, Windows Server Azure, Manual de automatización en Windows Server Azure, proporcionada por Microsoft gratuitamente como un manual. Año 2...
Full description
PREDIKSI PERMINTAAN ES KRIM MENGGUNAKAN FUZZY TSUKAMOTOFull description
Mudah Membuat Surat Menggunakan Microsoft Office created by Wikarso
Activity Diagram Pembeli Tokopedia
SBMPTNFull description
Prediksi Jumlah Produksi RotiFull description
Deskripsi lengkap
Full description
baba
Deskripsi lengkap
SBMPTNDeskripsi lengkap
PERENCANAAN DAN PENGENDALIAN JADWAL DENGAN MENGGUNAKAN PROGRAM MICROSOFT PROJECT 2010
regresi dan korelasi menggunakan microsoft excel dan spssFull description
Deskripsi lengkap
TUGAS Prediksi Target Pembeli Sepeda Menggunakan Two-Class Logistic Regression dan Two-Class Averaged Perceptron di Microsoft AzureML
D i susun untuk memenuhi salah salah satu satu tugas mata mata kuli ah Pe P emode odelan dan dan Si S i mulasi dengan ng an D osen sen I r . B ambang Si S i swo swoyo M .Si .S i
Oleh : Nama/NIM
: Moh. Adli Akbar/ 10115047
Kelas
: MOSI-3
PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK DAN ILMU KOMPUTER
UNIVERSITAS KOMPUTER INDONESIA 2018
Langkah Langkah Penyelesaian di Microsoft AzureML Metode Two-Class Logistic Regression 1. Membuat experiment baru dan memberi nama experiment dengan “Sepedaku”. Dan drag experiment item seperti Import Data dan Select Coloum in Dataset .
2. Import datasheet ke pastebin.com kemudian mengubah formatnya kedalam format raw. Copy paste url raw pastebin ke Import Data (Azure)
3. Mengisi Select Coloumns in Dataset dengan coloumn yang akan digunakan pada experiment .
4. Menambahkan item Normalize Dat a ,Split Data,Train Model dan Metode Two-Class Logistic Regression.
5. Normalize Data dilakukan agar variable numerik dapat dinormalkan agar variable dependent dihilangkan. 6. Split Data dilakukan agar data dapat di split karena nantinya kami akan menambah Score Model dan masih membutuhkan data yang sama. 7. Kami menggunakan metode Two-Class Logistic Regression agar dapat membandingkan hasil dari 2 metode, yaitu Metode “Two-Class Logistic Regression” dan “Two-Class Averaged Perceptron”.
8. Melakukan Run Pertama dan melihat apakah ada error yang terjadi pada experiment. Dengan klik kanan pada “Score Model” dan “Run Selected”. 9. Dan Dapat melihat hasil yang diperoleh dari Experiment dengan klik kanan pada “Train Model”.
10. Berikut hasil yang diperoleh :
Dari hasil diatas dapat diambil paham bahwa : Semakin banyak orang yang mempunyai mobil (Cars) semakin kecil kemungkinan membeli sepeda. Mereka yang tinggal lebih dari 10 miles kecil kemungkinannya membeli sepeda. Mereka yang mempunyai gaji (income) yang tinggi , besar kemungkinannya membeli sepeda. Dst.
Cara membaca Feature Weights dapat dilihat dari – atau + Weight dari suatu Feature. 11. Klik Kanan kembali di Score Model untuk melihat persentasi
E-poch Berhenti
12. Tambahkan Evaluate Model dan Run program secara keseluruhan. 13. Klik kanan pada Evaluate Model .
14. Berikut hasil Evaluasi Model
Metode Two-Class Averaged Perceptron
1. Hapus Item Two-Class Logistic Regression. 2. Tambahkan Item Two-Class Averaged Perceptron dan Sambungkan dengan Train Model .
3. Kemudian Run Experiment,dan berikut hasil Evaluasi Model.
Hasil Berdasarkan kedua metode diatas dapat ditemukan bahwa : 1. Feature Weight
Averaged Perceptron
Logistic Regression
Dapat dilihat dari ke 2 gambar diatas bahwa feature weight pada kedua metode berbeda, dan bobot paling tinggi juga berbeda pada tiap metode.
2. Hasil Evaluasi Model
Metode
Accuracy
Precision
Logistic Regression
0.640
0.659
Averaged Perceptron
0.663
0.699
Jadi dapat disimpulkan untuk experiment ini Averaged Perceptron mempunyai tingkat Accuracy dan Precision yang sedikit lebih tinggi dibandingkan dengan Logistic Regression.
Datasheet yang digunakan dalam eksperimen : https://pastebin.com/raw/icH6f9cN