Proyek
Studi metode statistik dan machine learning, lengkap dengan materi dan alat analisis interaktif. Mulai dari tujuan analisismu, atau cari langsung.
Saya ingin…
Menampilkan 1–12 dari 15 proyek
Daftar proyek
Backpropagation
Dipakai untuk: Jaringan saraf tiruan
Cara menghitung gradien loss jaringan saraf berlapis dengan aturan rantai (propagasi mundur), lalu memperbarui bobotnya dengan gradient descent. Dasar pelatihan jaringan saraf dengan satu atau lebih hidden layer.
Analisis Diskriminan (LDA & QDA)
Dipakai untuk: Target lebih dari dua kelas · kelas dari prediktor numerik
Linear dan Quadratic Discriminant Analysis: metode klasifikasi probabilistik Bayes Gaussian untuk memodelkan batas keputusan linier dan kuadratik antar kelas multivariat dengan estimasi kovarians gabungan atau individual.
Inferensi Bayesian Konjugat
Dipakai untuk: Memperbarui keyakinan awal dengan data (Bayesian)
Pembaruan peluang dari prior dan data dengan prior konjugat. Beta-Binomial untuk proporsi, dan Normal-Inverse-Gamma untuk rata-rata dengan varians tak diketahui; posterior dihitung dalam bentuk tertutup.
Gaussian Mixture Model (GMM)
Dipakai untuk: Mengelompokkan observasi · keanggotaan probabilistik
Algoritma machine learning probabilistik untuk clustering dan density estimation yang mengasumsikan data terbentuk dari campuran beberapa distribusi normal (Gaussian).
K-Nearest Neighbors (KNN)
Dipakai untuk: Klasifikasi berbasis jarak atau batas pemisah
Algoritma machine learning non-parametrik yang memprediksi klasifikasi atau nilai numerik berdasarkan kedekatan jarak dengan k-tetangga terdekat.
Latent Dirichlet Allocation (LDA)
Dipakai untuk: Kumpulan dokumen teks · menemukan topik
Latent Dirichlet Allocation (LDA) untuk Pemodelan Topik: Metode probabilistik generatif untuk mengelompokkan teks ke dalam berbagai topik laten secara otomatis berdasarkan asosiasi kata kunci.
TF-IDF & Cosine Similarity
Dipakai untuk: Kumpulan dokumen teks · kemiripan dokumen
TF-IDF + Cosine Similarity: Metode representasi teks berbasis frekuensi dokumen dan pencarian kemiripan berbasis sudut kosinus untuk mencocokkan dokumen atau membangun sistem rekomendasi teks secara cepat dan efisien.
Sentiment Analysis
Dipakai untuk: Polaritas opini dalam teks
Sentiment Analysis (VADER / TextBlob): analisis sentimen berbasis leksikon dan aturan yang menggolongkan teks menjadi positif, negatif, atau netral dan melaporkan subjektivitas TextBlob. Contoh memakai data uji SmSA berbahasa Indonesia dan dievaluasi terhadap label acuan dan baseline kelas mayoritas.
DBSCAN Clustering
Dipakai untuk: Mengelompokkan observasi · bentuk bebas dan ada noise
DBSCAN (Density-Based Spatial Clustering of Applications with Noise) adalah algoritma clustering berbasis kepadatan yang mampu mengelompokkan data berdasarkan kedekatan spasial serta mendeteksi outliers/noise secara otomatis.
Gradient Boosting
Dipakai untuk: Akurasi tinggi pada data tabel
Metode ensemble learning berbasis boosting (XGBoost, LightGBM, dan AdaBoost Regression) yang membangun pohon keputusan secara sekuensial untuk meminimalkan error prediksi secara optimal, serta menghitung tingkat kepentingan fitur (Feature Importance) untuk analisis prediktif.
Decision Tree
Dipakai untuk: Aturan keputusan yang mudah dibaca
Decision Tree: Algoritma pembelajaran mesin supervised berbentuk pohon keputusan untuk klasifikasi dan regresi berdasarkan pemisahan fitur yang optimal.
Binary Logistic Regression
Dipakai untuk: Target dua kelas, model mudah ditafsirkan
Binary Logistic Regression (Regresi Logistik Biner): Metode pemodelan klasifikasi supervised untuk memprediksi probabilitas kejadian suatu peristiwa biner (0/1 atau Negatif/Positif) berdasarkan variabel prediktor.