Menurut saya algoritma KNN adalah algoritma yang mudah diterapkan, karena KNN algoritma yang sederhana dan tidak terlalu rumit di dalam penerapannya. Terimakasih pak Achmad Solichin penjelasannya mudah dipahami
Dengan studi kasus seperti ini saya dapat memahami algoritma KNN dengan lebih baik dan juga kebih detail karena saya dapat juga memahami berkaitan dengan perhitungan jarak khususnya Euclidean Distance untuk mencari nilai data yang sesuai dengan nilai K neighbornya. Terima kasih pak untuk videonya
Terimakasih pak penjelasannya sangat mudah di pahami. Saya mau bertanya pak, kalau jarak euclidean digunakan untuk mensintetis data minoritas (SMOTE) apakah data training dan data testing yg digunakan cmn kelas minornya atau ttp sma kya yg di video pak?
Kalo topik data mining, saya akan fokus pada tahapan CRISP-DM, terutama soal pemahaman bisnis dan data. Sisanya ya ngeliat kemampuan mhs dlm penguasaan program. Hehe
Assamualaikum wr wb pak Dr. Achamad Solihin, semoga ilmunya selalu di berkahi Allah Swt saya mendapatkan kasus mahasiswa melakukan penelitian menentukan klasifikasi penjualan mobil terlaris,, tetapi datasetnya tidak memiliki nilai label class apakah tetap melalukan klasifikasi menggunakan metode KNN ? terima kasih pak
Terimakasih atas videonya penjelasannya pak. Maaf pak, izin bertanya, jika mendapatkan hasil data voting yang berimbang, apakah harus mengurangi nilai K-nya?
Maaf izin bertanya pak Untuk rumus algoritma K-NEAREST NEIGHBOR untuk mengklasifikasi data belanja pada Desa kira kira rumus yang tidak rumit untuk di pakai rumus apa ya pak
Assalamualaikum wr wb Selamat malam pak Izin bertanya, dalam pengelolaan data menggunakan machine learning apakah ada minimal datanya pak ? Terimakasih
Maaf Pak izin bertanya Kan disebutkan bahwa KNN ini algoritma klasifikasi untuk data baru ya pak, nah kalo misalnya data yang saya pakai itu data lama yang dibagi menjadi data training dan data testing apakah bisa pak? Kemudian misalkan saya ingin mengklasifikasikan penerimaan beasiswa, nah untuk data yang saya pakai itu data testingnya menggunakan data pendaftaran beasiswa yang sebelumnya belum diseleksi dan untuk data trainingnya adalah data penerima beasiswa yang sudah diseleksi dan ada label class tetapi data tersebut data lama bukan data yang memang benar* baru yang bisa untuk diprediksi hasil kelasnya, apakah boleh pak?
@@hayaa_aibtasam08 Di bagian mana menyebutkan bahwa KNN adl algoritma klasifikasi untuk data baru ya? Pada prinsipnya seluruh algoritma pembelajaran ya menggunakan data lampau dlm proses training. Nah data lampau tersebut dapat terus bertambah seiring waktu, bertambah dg data baru.
@@hayaa_aibtasam08 mungkin maksudnya di menit 1:38. Kalo mau melakukan pengujian performa algoritma, bisa menggunakan data lama yang berlabel (sudah ada class-nya) sehingga bisa dihitung akurasi, presisi, dll. Kalo pada tahap deployment, ya menggunakan data yg benar2 baru, tidak berlabel. Perhatikan tahap2 CRISP-DM
@@nurfebiyonamaksum4676 singkatnya, misalnya kita uji dg nilai k=2 brp akurasinya, dg k=3 brp akurasinya, dst. Lalu dicari akurasi yg terbaik, itu yg digunakan.
