DISUSUN OLEH :
NIM : 1757301064
KELAS : TI 4.C
Preprocessing
NIM : 1757301064
Kelas : TI 4.C
Nilai :
i
DAFTAR ISI
HALAMAN PENGESAHAN..................................................................................i
DAFTAR ISI............................................................................................................ii
DAFTAR GAMBAR..............................................................................................iii
BAB I PENDAHULUAN........................................................................................1
1.1. Latar Belakang..........................................................................................1
1.2. Tujuan........................................................................................................1
BAB II TINJAUAN PUSTAKA..............................................................................2
2.1. Transformasi Fourier.................................................................................2
2.2. Teori Inverse Fourier Transform...............................................................3
BAB III LANGKAH-LANGKAH PRAKTIKUM..................................................4
3.1. Alat dan Bahan..........................................................................................4
3.2. Langkah-Langkah Praktikum....................................................................4
BAB IV PEMBAHASAN DAN HASIL PRAKTIKUM........................................5
4.1. Proses Konversi Sederhana Pada Sinyal Dasar.........................................5
BAB V KESIMPULAN.........................................................................................10
REFERENSI..........................................................................................................11
ii
DAFTAR GAMBAR
Gambar 2.1 Sinyal sinus dalam domain waktu dan domain frekuensi ............. 3
Gambar 4.1 Membangkitkan sinyal sinus dalam domain waktu ...................... 5
Gambar 4.2 Grafik Membangkitkan sinyal sinus dalam domain waktu........... 5
Gambar 4.3 Mengkonversikan kembali domain frekuensi ke domain waktu . . 6
Gambar 4.4 Grafik mengkonversikan domain frekuensi ke domain waktu...... 6
Gambar 4.5 Membangkitkan sinyal persegi dalam domain waktu diskrit........ 6
Gambar 4.6 (a) (b) (c) Grafik sinyal persegi dalam domain waktu .................. 7
Gambar 4.7 Mengkonversikan kembali domain frekuensi ke domain waktu . . 7
Gambar 4.8 Grafik konversi kembali domain frekuensi ke domain waktu....... 8
Gambar 4.9 Membangkitkan sinyal persegi ..................................................... 8
Gambar 4.10 Grafik Membangkitkan sinyal persegi......................................... 8
Gambar 4.11 konversi ke domain waktu .......................................................... 9
Gambar 4.12 Grafik konversi ke domain waktu ............................................... 9
iii
BAB I
PENDAHULUAN
1
BAB II
TINJAUAN PUSTAKA
HMAP adalah model penyederhanaan dari metode bayes yang disebut dengan
Naive Bayes. HMAP dapat digunakan sebagai metode untuk mendapatkan
hipotesis dari suatu keputusan. HMAP dapat diartikan untuk mencari probabilitas
terbesar dari semua instance pada atribut target atau semua kemungkinan
keputusan.
Salah satu manfaat algoritma naïve bayes adalah untuk melakukan prediksi
terhadap data-data tertentu. Prediksi (testing) terhadap data yang akan datang bisa
dilakukan berdasarkan hasil pembelajaran terhadap data training. Data training
diambil dari data yang terdahulu, sedangkan data uji (testing) bisa diambil dari
data-data yang sedang atau akan terjadi.
2
BAB III
LANGKAH-LANGKAH PRAKTIKUM
3
2. Notepad
3. Notepad++
4. WEKA
4
3.2.2. Langkah-Langkah Praktikum
A. Membuat Format Data ARFF (Attribut-Relation File Format)
1. Buka Aplikasi Notepad++
5
3. Ketikkan nama relasi cuaca di sebelah @relation
4. Ketik nama atribut dan tipe data masing-masing atribut di sebelah
@atribut sesuai jumlah atribut yang digunakan. Jika nilai data bertipe
binomial atau polinomial, semua kemungkinan nilai datanya
disebutkan dan diletakkan dalam tanda kurung kurawal. Jika nilai data
bertipe real, maka cukup tuliskan real.
5. Ketik nilai data di bawah @data untuk tiap baris tabel sesuai dengan
urutan atributnya dipisah menggunakan tanda koma. (Catatan: huruf
besar dan kecil sangat berpengaruh, sehingga kemungkinan nilai data
pada @attribute harus sama dengan nilai data pada @data).
6
6. Simpan file dengan nama Cuaca.arff. Pastikan untuk memilih All types
(.) pada pilihan Save as type.
7
3. Pilih tombol Open File untuk membuka file ARFF yang telah dibuat.
Klik Open.
8
Berikut ini gambar grafik untuk contoh data yang bertipe real.
9
BAB IV
PEMBAHASAN
Dari data hasil prediksi atau hasil klasifikasi dapat kita lihat bahwa:
1. Jika nilai margin prediksinya mendekati angka 1 atau di atas 0,5 maka
hasil prediksi adalah "ya" (dapat bermain tenis).
2. Jika nilai margin prediksinya di bawah 0,5 atau minus maka hasil
prediksinya adalah "tidak" (tidak dapat bermain tenis).
3. Berdasarkan output hasil yang di dapat pada saat cuaca berangin tidak
dapat bermain tenis.
4. Berdasarkan output hasil yang di dapat pada saat cuaca hujan tidak
dapat bermain tenis.
10
BAB V
SIMPULAN DAN SARAN
1. Pada saat hujan kemungkinan besar kita tidak dapat bermain tenis, hasil
klasifikasi juga menghasilkan jawaban tidak dengan margin nilai
prediksinya adalah minus.
2. Pada saat cuaca berangin kemungkinan kita juga tidak dapat bermain tenis,
dan hasil klasifikasi juga menghasilkan jawaban tidak dengan margin nilai
prediksinya adalah minus.
11
DAFTAR PUSTAKA
https://id.wikipedia.org/wiki/Penggalian_data
12
LAMPIRAN
TUGAS
13
d) Pada tabel tersebut, berapakah jumlah data gabungan untuk kelas pada
atribut Jurusan_SMA = IPA, Gender = PRIA, Asisten = YA,
Lama_studi = TEPAT? (gunakan formula = COUNTIFS)
14
a) File ARFF dari data Siswa diatas.
15
b) Data Gender
c) Data Asal_Sekolah
16
d) Data Rerata_SKS
e) Data Asisten
17
f) Data Lama_Studi
18