Seri Data Science: Klasifikasi dengen Bahasa Pemrograman R

Metode atau teknik matematika, statistik atau machine learning yang dibahas pada buku ini adalah telah umum digunakan. Sehingga buku ini tidak akan membahas tentang konsep metode dan teknik tersebut. Buku hanya fokus membahas implementasi setiap metode dan teknik pada lingkungan R.

Pembahasan pada buku ini dimulai dengan pengenalan Bahasa Pemrograman R, kemudian pengenalan fungsi-fungsi yang umum digunakan untuk analisis dan eksplorasi data. Kemudian dilanjutkan dengan pembahasan topik Machine Learning. Topik machine learning yang dibahas pada buku ini hanya fokus kepada supervised learning pada umumnya dan klasifikasi pada khususnya. Algoritma klasifikasi yang akan digunakan pada buku ini adalah K-Nearest Neighbors, Nave Bayes, Support Vector Machine, Decision Tree. Setiap algoritma klasifikasi yang dibahas disertai contoh masalah dan penyelesaian dalam bahasa pemrograman R langkah demi langkah sehingga dapat diikuti oleh pembaca dengan mudah.

Berbeda dengan buku lainnya, pada buku ini juga membahas tentang kasus klasifikasi data tidak seimbang (imbalanced data classification). Buku ini akan memberikan langkah-langkah penyelesaian masalah ini dengan teknik oversampling, undersampling dan lain-lain.

Selain membahas teknik-teknik supervised learning – klasifikasi, buku ini juga membahas teknik yang digunakan untuk mengukur kinerja teknik klasifikasi yang digunakan dengan Confusion Matrix dan Receiver Operation Characteristics (ROC). Sehingga pembaca dapat memiliki pengetahuan yang lengkap untuk menyelesaikan masalah klasifikasi pada lingkungan R.

Daftar isi dari buku ini adalah sebagai berikut:

1. Pendahuluan.
   • Bagaimana manusia belajar mengenali?
   • Kenapa komputer perlu mempunyai kemampuan belajar seperti manusia?
   • Machine learning.
   • Machine learning & data mining.
2. Pengantar Pemrograman R.
   • Installasi.
   • Tool Pemrograman.
3. Fungsi-Fungsi dasar R.
   • Package.
   • Working directory.
   • Dataset.
   • Menulis data ke file.
   • Membaca file text.
   • Membaca file Excel.
   • Akses database.
   • Menampilkan data.
   • Memfilter data.
   • Menggabung data.
   • Eksplorasi data.
   • Visualisasi data.
   • Help.
4. Pengantar Klasifikasi.
   • Definisi.
   • Data.
   • Langkah-langkah pengembangan.
5. Pengenalan & Pembagian Data.
   • Pengenalan data.
   • Pembagian data.
6. Rancangan Aplikasi Klasifikasi.
   • Apakah langkah selanjutnya?
   • Rancangan aplikasi.
7. K-Nearest Neighbors (KNN).
   • Cara kerja.
   • Persiapan.
   • Sintaks.
   • Implementasi.
   • Catatan.
8. Naïve Bayes.
   • Cara kerja.
   • Persiapan.
   • Sintaks.
   • Implementasi.
   • Catatan.
9. Support Vector Machine.
   • Cara kerja.
   • Persiapan.
   • Sintaks.
   • Implementasi.
   • Catatan.
10. Decision Tree.
    • Cara kerja.
    • Persiapan.
    • Sintaks.
    • Implementasi.
    • Catatan.
11. Klasifkasi Kelas Tidak Seimbang
    • Definisi & Efek Kelas Tidak Seimbang.
    • Solusi Masalah.
    • Dataset Kelas Tidak Seimbang.
    • Solusi Pendekatan Data (Undersampling, Oversampling, Gabungan Undersampling & Oversampling).
    • Solusi Pendekatan Algoritma (Bagging, Boosting dan Stacking).

Softcopy buku ini dapat diunduh di sini:

• https://play.google.com/store/books/details/M_Reza_Faisal_Seri_Belajar_Data_Science_Klasifikas?id=svXUDQAAQBAJ.

Hardcopy atau versi cetak buku ini juga dapat dibeli di : https://www.tokopedia.com/tokomaharaja/seri-belajar-data-science-supervised-learning-dengan-r.