Lembar Kerja Pratikum 3

Hari/Tanggal : Selasa/25 Februari 2014

Lab : 1

Kelompok : 8

Anggota : - Rudi Hartomo (G64110013)

- Weni Handayani (G64110058)

- Albert Sebastian (G64110075)

- M. Fuad Makarim (G64110113)

1. Tentukan apakah atribut-atribut berikut kualitatif atau kuantitatif dan juga sebutkan tipe datanya termasuk nominal, ordinal, interval atau rasio. Jelaskan apabila ada yang mempunyai lebih dari satu interpretasi.

a. Brightness yang diukur menggunakan light meter Atribut ini termasuk Tipe Data Kuantitatif dan Ratio.

b. Sudut yang diukur dalam derajat, antara 0 derajat sampai 360 derajat

Atribut ini termasuk Tipe Data Kuantitatif dan Ratio. c. Nomor ISBN pada buku

Atribut ini termasuk Tipe Data Kualitatif dan nominal.d. Pangkat militer

Atribut ini termasuk Tipe Data Kualitatif dan ordinal.e. Nomor penitipan barang

Atribut ini termasuk Tipe Data Kualitatif dan Nominal.

2. Tipe dataset file weathernumeric.arff dan weathernominal.arff Pada masing-masing dataset tersebut, tentukan mana atribut yang numerik, ordinal, dan categorical/nominal.

a. file weathernumeric.arffTipe Data Numeriki. Interval : temperatur (derajat Celcius) dan humidityii. ratio : -

Tipe Data Kategorical/Qualitativei. Nominal : outlook, windy, playii. Ordinal : -

b. weathernominal.arffTipe Data Numerikiii. Interval : -iv. ratio : -

Tipe Data Kategorical/Qualitativeiii. Nominal : outlook, windy, play, temperatur dan humidityiv. Ordinal : -

3. Statistika Ringkasan file weathernumeric.arff Pelajarilah atribut temperature, apakah kamu dapat mengetahui nilai-nilai berikut dari Weka: min, max, median, lower 25% quartile dan upper 25% quartile Nilai minimum, Nilai Maximum, dan Nilai Rata-rata dapat diketahui dengan cara melihat atribut dari data temperatur, sementara Median, lower 25% quartile dan upper 25% quartile tidak dapat dilihat.

4. Visualisasi Histogram file iris.arff a. Jelaskan salah satu representasi histogram dari satu atribut dan jelaskan! Attribut petal length :

dalam rentang panjang petal 1-2.18 terdapat 50 data yang seluruhnya class iris-setosa

dalam rentang panjang petal 2.18-3.36 terdapat 3 data yang seluruhnya class iris-versicolor

dalam rentang panjang petal 3.36-4.54 terdapat 34 data sebagian besar dari data merupakan class iris-versicolor dan class iris-virginica untuk data yang lain

dalam rentang panjang petal 4.54-5.72 terdapat 47 data sebagian besar dari data merupakan class iris-virginica dan class iris-versicolor untuk data yang lain

dalam rentang panjang petal 5.72-6.9 terdapat 18 data sebagian besar dari data merupakan class iris-virginica

b. Pada atribut sepallength, perhatikan histogram yang terletak pada bagian sebelah kanan bawah. Letakkan kursor pada warna-warna histogram, maka akan muncul

pop-up message. Apakah maknanya? Dalam rentang panjang sepal 7.368-7.9 terdapat 7 data sebagian besar dari data merupakan class iris-virginica

c. Dapatkah kita memprediksi salah satu kelas dari visualisasi atribut dalam bentuk histogram. Jika ya! Masukkan gambar histogram tersebut ke dalam lembar jawaban dan jelaskan. Jika tidak, jelaskan mengapa?

Bisa, jika memang data pada histogram menunjukkan suatu ciri khas dari kelas (dominan). Ciri khas yang dimaksud adalah apabila ada suatu kelas yang dominan di suatu selang, atau bahkan pada suatu selang, isinya hanya dari kelas itu saja. Misalnya pada data iris.arff (petal length)

Pada data tersebut, terlihat sekali bahwa data 1-2.18 terdapat 50 data. Data tersebut semuanya berwarna biru, yang berarti seluruh 50 data yang ada adalah iris-setosa. Jadi, jika kita memiliki iris baru, dan petal length-nya antara 1-2.18 , maka kita dapat memprediksi bahwa iris tersebut merupakan kelas iris setosa.

5. Visualisasi Scatter Plot file iris.arff

a. Pilih scatter plot yang menggambarkan hubungan antar dua atribut yang berbeda, masukkan gambar tersebut pada lembar jawabanmu dan jelaskan!

Kolerasi antara atribut petallength dan petalwidth adalah linear.

Iris-setosa memiliki petallength dan petalwidth yang ukurannya lebih kecil dibandingkan dengan petallength dan petalwidth iris-versicolor dan iris-virginica. Sedangkan iris-versicolor memiliki petallength dan petalwidth yang ukurannya lebih kecil dari iris-virginica. Iris-virginica memiliki ukuran petallength dan petallwidht yang paling besar.

Jadi, Semakin besar ukuran petalwidth maka semakin besar pula ukuran petallength.

b. Dengan melihat secara sekilas tanpa menghitung nilai kolerasi. Apakah terdapat atribut yang memiliki kolerasi dengan atribut lain! Jika ada sebutkan atributnya dan jenis kolerasinya(kolerasi positif atau kolerasi negatif). Sertakan gambar!

Ada Atribut yang memiliki korelasi dengan atribut lain, yaitu :

i. petalwidth : korelasi positif

ii. petallength : Korelasi Positif

iii. sepalwidth : Korelasi Positif

iv. sepallength : Korelasi Positif