Comments for Rehat With Yudi Agusta

Comment on TIPS: Pembuatan Literature Review by Yudi Agusta

Yudi Agusta — Fri, 04 Dec 2009 08:11:02 +0000

Iya, kalau memang bisa dibantu saya bantuin. Tetapi belajar sendiri juga tidak rugi, nambah pengalaman, pengetahuan dll dll. Pusing dikit gak pa pa juga, nambahin warna hidup.

Comment on TIPS: Pembuatan Literature Review by shera

shera — Fri, 04 Dec 2009 07:20:59 +0000

bisa ga bikinin literature review tentang magic show. in english yah.
masih pusing+ga ngerti niih

Comment on KNS&I by Yudi Agusta

Yudi Agusta — Fri, 04 Dec 2009 01:07:25 +0000

Yth, P Wahju

Kebetulan staf yang mengurus hal tersebut sedang tidak ada, jadi mungkin agak sedikit terlambat. Nanti akan kami kabari lagi terkait hal ini via email.

Salam

Comment on KNS&I by Wahju Sediono

Wahju Sediono — Thu, 03 Dec 2009 02:36:03 +0000

Mas Yudi Agusta ysh

Apakah saya bisa dikirimi proc. KNS&I 2009? Saya sudah daftar (dan lunas bayar registrasi), tp pas hari H-nya tidak bisa hadir. Terima kasih atas bantuannya.

Wassalam,

Comment on Latent Class Analysis by Yudi Agusta

Yudi Agusta — Mon, 30 Nov 2009 10:00:50 +0000

LCCA memang mirip dengan fuzzy clustering, tetapi dalam menentukan data membershipnya, LCCA menggunakan probabilitas, sedangkan fuzzy clustering menggunakan teori fuzzy. Jarak yang digunakan juga berbeda, LCCA umumnya menggunakan jarak mahalanobis, yang terakomodasi umumnya pada distribusi normal, sedangkan fuzzy clustering dapat menggunakan ukuran jarak seperti euclidean, manhattan dan lain-lain sesuai keperluan.

Demikian dan semoga menjawab.

Comment on Latent Class Cluster Analysis by Yudi Agusta

Yudi Agusta — Mon, 30 Nov 2009 09:53:19 +0000

Untuk rumus, mungkin forum comment ini tidak bisa menjelaskan semuanya. Mungkin bisa membuka halaman mix model yang juga tersedia di blog saya ini. Di sana dijelaskan beberapa tahapan untuk melakukan cluster analysis berbasis mix model.

Demikian dan semoga bisa membantu.

Comment on Similarity Measure by Yudi Agusta

Yudi Agusta — Mon, 30 Nov 2009 09:50:23 +0000

Yang namanya probabilitas berarti harus ada dulu populasi yang mendasarinya. Yang berarti ada karakteristik dari populasi tersebut. Sedangkan jarak, tidak perlu untuk mengetahui populasinya, jadi tidak ada karakteristik yang perlu untuk dijadikan dasar untuk menghitung jarak.

Demikian dan semoga menjawab.

Comment on Lecture by Yudi Agusta

Yudi Agusta — Wed, 25 Nov 2009 08:34:19 +0000

Hampir sama, tidak sama persis. Karena tema literature review yang dibuat berbeda. Coba perhatikan slide terakhir.

Comment on Lecture by arief

arief — Wed, 25 Nov 2009 08:11:49 +0000

pak !
lecture 7 mk spk memang sama seperti materi data warehouse S1 ya pak?

Comment on Latent Class Analysis by Rizky

Rizky — Sun, 22 Nov 2009 05:31:43 +0000

pak, mw tanya u/ algoritma latent class cluster apa y ?/ tahapn2 pengerjaan manualnya seperti apa ?
pak sy pernqah baca bahwa scara konseptual LCCA hampir sama dengan fuzzy clustering, perbedaan mendasarnya dimana y ?
terima kasih banyak pak, mohon bantuanya

Comment on Lecture by Yudi Agusta

Yudi Agusta — Sat, 21 Nov 2009 03:29:04 +0000

Sudah saya upload. Tx untuk remindernya.

Comment on Lecture by manix

manix — Fri, 20 Nov 2009 12:03:41 +0000

selamat malem pak….
slide untuk hari senin koq belum ada????
terima kasih

Comment on Latent Class Cluster Analysis by Rizky

Rizky — Wed, 18 Nov 2009 05:51:41 +0000

salam pak,
pak untuk model dasar latent class cluster analyisis yang variabel indikator yang campuran (categori dan continu) seperti apa y ? dan untuk penaksirannya kn menggunakan rumusan likelihood yg seperti apa ? juga pengelompokan posterior membershipnya seperti apa y rumus..mohon bantuannya pak…
terima kasih pak

Comment on Similarity Measure by Rizky

Rizky — Wed, 18 Nov 2009 05:41:17 +0000

terima kasih pak,
ehm…pak maksud bpk u/ posterior probability dg mengetahui karakteristik populasinya terlebih dahulu, karakteristik yang seperti apa ?
terima kasih pak sebelumnya

Comment on Similarity Measure by Yudi Agusta

Yudi Agusta — Tue, 17 Nov 2009 08:53:23 +0000

Posterior Probability yang dihitung perbedaan probabilitas di antara variabel dari dua data yang dibandingkan. Sedangkan jarak, menghitung perbedaan absolut antara variabel dari dua data yang dibandingkan.

Mana yang lebih bagus? Saya tidak bisa merekomendasikan, karena biasanya posterior probability membandingkan dengan mengetahui karakteristik populasinya terlebih dahulu, sedangkan distance space menghitung jarak langsung antar data tanpa harus mengetahui karakteristik dari populasi dimana data itu berada.

Mudah ini menjawab dan bisa membantu

Comment on Similarity Measure by Yudi Agusta

Yudi Agusta — Tue, 17 Nov 2009 08:04:48 +0000

Mencari nilai maksimal di antara perbedaan nilai antara variabel-variabel data yang satu dengan variabel-variabel data yang lain.

Comment on Similarity Measure by Rizky

Rizky — Tue, 17 Nov 2009 07:02:08 +0000

salam pak yudi
pak, sya mw tanya kelebihan dan kelemahan pendekatan/ mengukur tingkat kesamaan(similiarity) dengan Posterior Probability dibandingkan Distance Similarity ? terima kasih pak..

Comment on Mix Model by Rizky

Rizky — Mon, 16 Nov 2009 02:57:55 +0000

salam pak..
Pak, terkait two-stage clustering, sya baca dari critical review skripsi senior saya pak,
pak,.memang metode pengelompokkan u/ data campuran (kategori dan kontinu) saat ini yg paling cocok LCCA y dibandingkan dg metode statistik lainnya ?
pak, u/ menggunakan penaksiran maximum likelihood ada syarat2 yg harus dipenuhi g ? jika ada apa saja
pak, apa kelebihan menentukan suatu kesamaan/similiarity objek dg metode jarak(umum seperti euclidian distance dll..) dg probabilitas posterior (LCCA) ?
terima kasih banyak pak…^^

Kalau boleh saya tahu, referensi mana (usulan siapa) yang dipakai terkait dengan two-stage clustering ini.

Demikian, ditunggu konfirmasinya.

Comment on Mix Model by Yudi Agusta

Yudi Agusta — Fri, 13 Nov 2009 00:59:28 +0000

Saya mencari referensi di internet tentang istilah two-stage clustering, dan saya mendapatkan beberapa referensi tentang itu. Tetapi dari sekian yang saya baca rata-rata mengetengahkan teori berbeda yang diterapkan dalam melakukan two-stage clustering.

Kalau boleh saya tahu, referensi mana (usulan siapa) yang dipakai terkait dengan two-stage clustering ini.

Demikian, ditunggu konfirmasinya.

Comment on Vitae by Yudi Agusta

Yudi Agusta — Fri, 13 Nov 2009 00:37:17 +0000

Maaf baru jawab nih. Saya hanya tahu beberapa saja dari teori untuk market basket analysis. Kalau pengin tahu lebih banyak, saya kenal Bapak Yudho Giri Sucahyo, dari Universitas Indonesia, yang mendalami banyak tentang itu. Mungkin di cari di Internet akan ketemu profilenya P Yudho ini.

Semoga Membantu

Comment on Clustering by Rizky

Rizky — Wed, 11 Nov 2009 08:00:29 +0000

pak, mw tanya lagi ni ..:)
salah satu kelebihan LCCA adalah dpt digunakan u/ data yg kategori (nominal dan ordinal), kontinu (interval dan ratio), juga gabungan (kategori dan kontinu) dibandingkan dengan two stage cluster yang bs digunakan juga u/ data campuran..keakuratannya bagus metode statistic yg mana y ? jika kita melihat kelelebihan dan kekurangan dari masing2 metode tsb….
terima kasih pak…^^

Comment on Mix Model by Rizky

Rizky — Wed, 11 Nov 2009 07:49:36 +0000

pak, mw tanya lagi ni ..
salah satu kelebihan LCCA adalah dpt digunakan u/ data yg kategori (nominal dan ordinal), kontinu (interval dan ratio), juga gabungan (kategori dan kontinu) dibandingkan dengan two stage cluster yang bs digunakan juga u/ data campuran..keakuratannya bagus metode statistic yg mana y ? jika kita melihat kelelebihan dan kekurangan dari masing2 metode tsb….
terima kasih pak…^^

Comment on Mix Model by Rizky

Rizky — Wed, 11 Nov 2009 07:44:38 +0000

terima kasih pak…

Comment on Mix Model by Yudi Agusta

Yudi Agusta — Wed, 11 Nov 2009 05:32:15 +0000

Seperti yang sudah disampaikan, kalau variabelnya gabungan categorical dan continuous, tidak mudah untuk mengukur tingkat korelasi (interdependency)-nya. Jadi untuk kasus seperti itu mungkin harus diabaikan. Untuk data categorical juga seperti itu, kalau saya sendiri, sampai saat ini tidak pernah menghitung tingkat korelasi antar categorical variabel.

Demikian yang bisa saya beritahukan dan semoga membantu.

Comment on K-Means by Yudi Agusta

Yudi Agusta — Wed, 11 Nov 2009 05:27:27 +0000

Ya itu fuzzy c-means ada di tulisan di atas. Bagian yang mana yang ingin ditanyakan?

Comment on Mix Model by Rizky

Rizky — Wed, 11 Nov 2009 04:11:57 +0000

pak, dalam LCCA kn ada asumsi local independensi untuk setiap var. indikatornya..nah u/ var. indikator yang campuran (kategorik dan kontinu) seperti itu, menguji local independensinya bagaimana ?
mohon bantuannya lagi pak…terima kasih pak…

Comment on Mix Model by Rizky

Rizky — Wed, 11 Nov 2009 04:09:03 +0000

terima kasih, banyak pak..atas bantuannya

Comment on K-Means by titin

titin — Wed, 11 Nov 2009 03:22:41 +0000

tlg info Fuzzy C Means cluster pak

Comment on K-Means by Yudi Agusta

Yudi Agusta — Wed, 11 Nov 2009 02:20:53 +0000

Penjelasan sudah ada di tulisan di atas. Bagian mana yang kira-kira ingin dikonfirmasikan?

Comment on K-Means by titin

titin — Wed, 11 Nov 2009 01:40:48 +0000

pak, tolong kasih pencerahan ttg fuzzy c means cluster?rmksh

Comment on Mix Model by Yudi Agusta

Yudi Agusta — Tue, 10 Nov 2009 10:21:46 +0000

Sdr. Rizky,

Untuk data campuran bisa menggunakan distribusi campuran juga (distribusi continues dan distribusi categorical), misalnya distribusi normal dengan distribusi binomial/multinomial. Akan tetapi, korelasi antara variabel continuous dan variabel categical susah untuk dihitung, maka dalam kondisi seperti ini diasumsikan tidak ada korelasi antara variabel categorical dengan variabel continuous.

Untuk ukuran sampel, tidak ada batasan. Tetapi katanya kalau suatu populasi jumlah anggotanya kurang dari 30, mempunyai tendensi untuk tidak normal.

Demikian dan semoga membantu.

Comment on Mix Model by Rizky

Rizky — Tue, 10 Nov 2009 06:58:49 +0000

Maaf pak..mw nanya lagi
klo datanya memiliki skala pengukuran yg campuran (kategori dan kontinu) bagaimana bentuk model campurannya ?
pak, untuk ukuran sampel minimumnya u/ LCCA, brp y ? sy blm menemukan referensinya..
terima kasih banyak pak..mohon bantuannya

Comment on Mix Model by Rizky

Rizky — Tue, 10 Nov 2009 06:54:46 +0000

terima kasih banyak Pak..atas jawabannya…

Comment on Lecture by arie

arie — Tue, 10 Nov 2009 03:39:43 +0000

Ia pak saya mahasiswa Stikom, kebetulan saya sudah bekerja disalah satu perusahaan. Maka dari itu saya interes dengan implementasi dari data warehouse pak..aplikasinya, dll. Diperusahaan saya bekerja sudah memakai SAP/ERP R3..tapi menurut saya..datanya hanya bisa dipreview begitu saja..tidak bisa diolah yg seperti penjelasan bapak..

Tks

Comment on Lecture by Yudi Agusta

Yudi Agusta — Mon, 09 Nov 2009 06:40:14 +0000

Ruang seperti biasa. Memang ada petunjuk perubahan?

Comment on Lecture by arief

arief — Mon, 09 Nov 2009 05:44:41 +0000

maaf pak…
spk hari senin…akan berlangsung diruangan apa pak?
trims.

Comment on Mix Model by Yudi Agusta

Yudi Agusta — Mon, 09 Nov 2009 00:19:44 +0000

Sdr/Sdri. Rizky,

Dalam LCCA umumnya data dimodel dalam bentuk distribusi statistik. Kalau data continues biasanya menggunakan distribusi normal. Sedangkan untuk data catergorical (nominal atau ordinal) bisa menggunakan distribusi binomial (untuk variabel categorical yang mempunyai wilayah nilai 2) atau multinomial (untuk variabel categorical yang mempunyai wilayah nilai lebih dari 2).

Untuk ukuran similaritynya, dapat menggunakan nilai probabilitas. Kalau suatu data probabilitasnya tinggi untuk menjadi anggota suatu kelompok tertentu, data tersebut akan dikelompokkan masuk ke dalam kelompok tersebut. Jadi pengorganisasian data dengan kelompok ini tidak menghitung jarak absolut antar data, tetapi dimodel dulu dalam bentuk model distribusi, baru kemudian data ditentukan apakah dia mempunyai probabilitas tinggi untuk masuk kelompok yang satu atau kelompok yang lain.

Demikian semoga membantu.

Comment on Lecture by Yudi Agusta

Yudi Agusta — Mon, 09 Nov 2009 00:07:04 +0000

Arie, kamu mahasiswa STIKOM?

Comment on Lecture by Arie

Arie — Sun, 08 Nov 2009 10:00:38 +0000

Selamat Sore Pak.

Saya sangat interest terhadap mata kuliah yg bapak ajar yaitu data warehouse. Dari mana saya mesti belajarnya pak, mengingat waktu 1 semester mungkin tidak cukup untuk mendalaminya. dan software apa saja yg harus saya pake.

Tks
Salam
Arie

Comment on Mix Model by Rizky

Rizky — Fri, 06 Nov 2009 03:32:05 +0000

salam pak…
pak, maaf mau nanya..
pak kebetulan TA sy menggunakan LCCA dg data yg memiliki skala pengukran nominal dan ordinal
Pak, model umumnya seperti apa u/ LCCA yg datanya kategorik (nominal dan ordinal) ? apakah modelnya sma dg yg berskala kontinu
Pak, apakah untuk LCCA ini ada aturan khusus dalam penentuan ukuran sampelnya ?
jika pada metode cluster biasanya yg digunakan u/ menunjukan kesamaan/similiarity dg “jarak”(euclidian distance dll), u/ LCCA sendiri melihat tingkat similiaritynya menggunakan apa y ?
terima kasih banyak pak..mohon bantuannya

Comment on Desa Budaya Kertalangu by bali

bali — Fri, 06 Nov 2009 02:53:13 +0000

Gratis ya? Wah.. boleh juga tuh kapan2 joging kesana, sambil refreshing.

Comment on Desa Budaya Kertalangu by Yudi Agusta

Yudi Agusta — Thu, 05 Nov 2009 09:16:23 +0000

Gak tuh, Gratis

Comment on Desa Budaya Kertalangu by bali

bali — Thu, 05 Nov 2009 08:31:50 +0000

kalo mo jogging, byr gk bos?

Comment on Clustering by Yudi Agusta

Yudi Agusta — Wed, 04 Nov 2009 12:49:21 +0000

Homogenitas adalah tingkat “kesamaan” data yang ada di dalam “satu kelompok”.

Heterogenitas adalah tingkat “perbedaan” antara data yang ada di dalam “dua kelompok yang berbeda”.

Kira-kira demikian artinya.

Semoga menjawab

Comment on Clustering by ipesaifu

ipesaifu — Wed, 04 Nov 2009 11:27:24 +0000

assalau’alaikum?

pa’mau tanyaneh peredaan homogenitasdan heterogenitas itu apa?
bisa ga’dijelaskan arti maksud kata terebut?

Comment on Lecture by Yudi Agusta

Yudi Agusta — Mon, 02 Nov 2009 02:32:44 +0000

Sudah saya upload, hari ini. Tetapi ada catatan, kalau saya diberitahukan 2-3 jam sebelum perkuliahan dimulai, kesempatan saya untuk membaca masukan/email dan menguploadnya sudah bisa dikatakan “tidak ada”.

Comment on Mix Model by Yudi Agusta

Yudi Agusta — Mon, 02 Nov 2009 01:42:13 +0000

AIC merupakan criterion yang mungkin bisa dikatakan pertama kali muncul sebagai kriteria pemilihan model. Tetapi, dalam pengaplikasiannya, banyak pemodelan yang tidak bisa diselesaikan dengan baik oleh kriteria ini. Paper aslinya:

Akaike, H. (1974). A New Look at the Statistical Model Identification. IEEE Transaction on Automatic Control AC-19(6): 716-723.

Ada juga beberapa turunan dari kriteria ini dan kalau dicari di internet ada banyak sekali penerapan yang dilakukan memanfaatkan kriteria ini. Tetapi seperti dikatakan di atas, AIC mungkin masih banyak kekurangan dalam mengidentifikasi model yang ada di dalam data dibandingkan BIC dan kriteria pemodelan yang lain.

Semoga membantu.

Comment on Lecture by irma sartika

irma sartika — Sat, 31 Oct 2009 01:16:42 +0000

pagi pak…lecture data warehouse g bisa d donlot.
gmn pak???

Comment on Lecture by irma sartika

irma sartika — Sat, 31 Oct 2009 01:16:13 +0000

pagi pak…lecturenya g bisa d donlot.

Comment on Mix Model by salman basri

salman basri — Fri, 30 Oct 2009 11:23:14 +0000

Pak,, saya mw bertanya tentang AIC,,, kira2 kelemahan AIC apa ya pak? dan dimana saya bisa dapat referensi tentang AIC ini,,

Mohon Jawabannya,,,