Tujuan 🅿️

Narasumber 🏃🏽‍♂️

Tujuan utama dari webinar ini adalah untuk membantu para peserta memahami:

1. Cara menggunakan analisis statistik multivariabel untuk menganalisis data kualitas air.

2. Bagaimana mengidentifikasi hubungan antara variabel dan faktor-faktor yang mempengaruhi kualitas air.

3. Cara memvisualisasikan hasil analisis untuk memberikan informasi yang lebih komprehensif, menggunakan perangkat lunak Orange Data Mining.

   Data untuk ujicoba 🏓

   Unduh data ini.

   https://drive.google.com/file/d/0B5ZoqtpfpKK4U0JSUGhPdGY3V3k0ZFBWaDdWdXl2dldPSXdJ/view?usp=sharing&resourcekey=0-q388kYwN2pgOQX7L9Gi21w

   https://drive.google.com/file/d/1xE5uoDKAlMg8bDyFIZ9BUrivqK8Oiszq/view?usp=share_link

   https://drive.google.com/file/d/1W2eDEvlEZPhwjX5ao07VMEuO4FyNSBU2/view?usp=share_link

Dasapta Erwin Irawan

BIODATA SINGKAT / SHORT BIO

Video pengenalan (saya buat setahun yang lalu) 🤓

https://www.youtube.com/watch?v=AgthvIb9Lmk

Salindia

https://docs.google.com/presentation/d/1_ze4eNEet2AwGnW5nsfYcTwqXewLUTgQzytMcw68yQs/edit?usp=share_link

Orange Data Mining adalah sebuah perangkat lunak open source yang dapat digunakan untuk melakukan analisis statistik multivariabel, termasuk Analisis Komponen Prinsipal (AKP) dan Analisis Klaster. Orange Data Mining menyediakan alat visual untuk mengidentifikasi pola dan hubungan yang mungkin ada di data Anda.

Orange Data Mining dapat menggabungkan data dari berbagai sumber, seperti database dan file Excel, dan menggunakan berbagai algoritma untuk melakukan analisis statistik. Algoritma yang tersedia termasuk Analisis Komponen Prinsipal (AKP), Analisis Faktor, Analisis Klaster, dan Regresi. Alat visual yang tersedia meliputi diagram kerucut, diagram batang, dan peta korelasi.

Perangkat yang dibutuhkan 💾

1. Laptop atau PC dengan spesifikasi dasar.

2. Perangkat lunak Orange Data Mining. Diinstalasi sebelum acara. Unduh dari tautan di bawah ini.

   Data Mining

3. Ikuti tutorial instalasinya di sini. →

https://youtu.be/Kt1caN1bYs4

Sekilas tentang analisis statistik multivariabel ⚡️

• Analisis Beberapa Variabel: Multivariate statistics adalah cabang statistika yang mempelajari hubungan antara beberapa variabel dalam suatu data. Ini memungkinkan untuk menganalisis bagaimana satu variabel dipengaruhi oleh variabel lain, dan bagaimana kombinasi variabel mempengaruhi suatu fenomena.
• Visualisasi Data: Multivariate statistics memanfaatkan teknik visualisasi seperti scatter plot, heatmap, dan grafik batang 3D untuk memvisualisasikan hubungan antar variabel. Ini membantu untuk memahami dan menjelaskan fenomena yang kompleks.
  • Metode Analisis: Multivariate statistics menggunakan metode analisis seperti analisis regresi, analisis varian, dan analisis komponen utama untuk mengungkap hubungan antar variabel dan untuk menentukan variabel yang paling penting dalam suatu data. Ini membantu untuk membuat keputusan berdasarkan data dan untuk memahami pola dan tren dalam data yang kompleks.

Webinar-EcoEdu-Statistik-Multivar - Google Jamboard

Tujuan utama

• Membantu untuk mengidentifikasi pola dan tren dalam data yang sulit dikenali (karena terlalu banyak).
• Membantu mengidentifikasi pola dan struktur dalam data.
• Membuat data untuk diolah dan dipahami dengan lebih mudah.

Sekilas tentang Principal Component Analysis (PCA) ⚡️

• Principal Component Analysis (PCA) = Analisis Komponen Prinsipal (AKP)

• Reduksi Dimensi: Principal Component Analysis (PCA) digunakan untuk mengurangi dimensi dari data dengan memperkenalkan konsep komponen utama.

• Transformasi Linier: PCA melakukan transformasi linier pada data, memindahkan sumbu dari data dan menemukan komponen utama baru yang memiliki variansi tertinggi. Transformasi ini membantu menghilangkan noise dan korelasi antar fitur dalam data.

• Analisis Variansi: PCA memperhatikan variansi dalam data untuk menentukan komponen utama yang memiliki variansi tertinggi. Komponen utama yang memiliki variansi tertinggi akan dipertahankan, sementara komponen lain akan dibuang atau diringkas.

• Video rujukan

  • Dari Stat Quest

  https://www.youtube.com/watch?v=FgakZw6K1QQ

  • Dari Orange

    https://www.youtube.com/watch?v=OmaAC8a52YI

Sekilas tentang Cluster Analysis (CA) ⚡️

1. Pengelompokkan Data: Cluster analysis adalah teknik analisis data yang digunakan untuk mengelompokkan item-item atau observasi yang serupa bersama dalam suatu kelompok atau cluster.
2. Metode Pengelompokkan: Ada beberapa metode pemgroupan yang digunakan dalam cluster analysis, seperti k-means clustering, hierarchical clustering, dan density-based clustering. Masing-masing metode memiliki kelebihan dan kekurangan yang berbeda, dan memerlukan pemilihan yang tepat untuk memastikan hasil yang akurat.
3. Aplikasi: Cluster analysis banyak digunakan dalam berbagai aplikasi, seperti marketing, kesehatan, dan lingkungan. Cluster analysis juga dapat digunakan dalam analisis data teks untuk mengkategorikan tema dokumen atau teks.

• Video rujukan

  • Dari Stat Quest

  https://www.youtube.com/watch?v=7xHsRkOdVwo

  • Dari Orange

  https://www.youtube.com/watch?v=dJ5z2SRwzgs

Berbagai perangkat lunak yang dapat digunakan

1. Microsoft Excel
2. SPSS -> PSPP
3. Statistica
4. R
5. Python-Pandas
6. Statcal (Prana Ugi dkk)

Prinsip penggunaan Orange Data Mining

Komponen

Komponen Orange adalah:

1. File data
2. Kanvas berisi perintah atau prosedur
3. Luaran berupa tabel atau grafik

Format data

Seperti ini.

Bukan yang seperti ini.

Antarmuka Orange