{"id":2951,"date":"2016-08-11T11:58:45","date_gmt":"2016-08-11T11:58:45","guid":{"rendered":"http:\/\/www.rezafaisal.net\/?p=2951"},"modified":"2016-08-11T12:28:43","modified_gmt":"2016-08-11T12:28:43","slug":"r-tools-for-visual-studio-mengenal-data-secara-visual-dengan-pca","status":"publish","type":"post","link":"https:\/\/www.rezafaisal.net\/?p=2951","title":{"rendered":"R Tools for Visual Studio: Mengenal Data Secara Visual dengan PCA"},"content":{"rendered":"

Sebelum melakukan proses data untuk pembelajaran pada Machine Learning atau mungkin sebagian orang menyebutnya Data Mining. Maka terlebih dahulu perlu dilakukan pengenalan lebih lanjut terdahap data data tersebut.<\/p>\n

 <\/p>\n

{Statistik<\/em><\/strong>}<\/p>\n

Pengenalan data dapat dilakukan secara statistik dengan melihat modus, mean, median atau mengambarnya dalam suatu distribusi.\u00a0 Sebagai contoh, dengan menggunakan fungsi summary() pada R maka akan didapat rangkuman data seperti berikut.\u00a0 Dengan perintah tersebut dapat dilihat distribusi dataset iris.<\/p>\n

\n
summary(iris)<\/pre>\n
 <\/p>\n<\/div>\n
\"blog01\"<\/a><\/p>\n
Dan jika ingin melihat rangkuman data tersebut dalam bentuk grafik dengan memanfaatkan fungsi boxplot() dengan perintah seperti berikut ini.<\/p>\n
\n
boxplot(Sepal.Length ~ Species, data = iris, main = \"Box Plot\"<\/span>, xlab = \"Species\"<\/span>, ylab = \"Sepal Length\"<\/span>)<\/pre>\n
 <\/p>\n<\/div>\n
Maka akan dihasilkan grafik seperti berikut.<\/p>\n
\"blog02\"<\/a><\/p>\n
Dari gambar ini dapat dilihat mean dari data masing-masing class (garis horizontal tebal berwarna hitam), Q1 dan Q3. Dengan grafik ini juga dapat juga diketahui outlier pada data. Box plot juga merupakan versi lain dari grafik distribusi seperti yang dijelaskan oleh gambar di bawah ini.<\/p>\n
\"blog03\"<\/a><\/p>\n
Dari kedua gambar di atas, kita dapat melihat di sisi mana instance banyak berkumpul dan berdesak-desakan :)<\/p>\n
 <\/p>\n
{Data Space<\/em><\/strong>}<\/p>\n
Selain mengenali data seperti cara di atas, sering kali dilakukan melihat posisi instance-instance pada data space.\u00a0 Hal ini kadang digunakan untuk melihat karakteristik dari data sehingga jika ingin melakukan klasifikasi atau clustering dapat ditentukan metode atau algoritma yang cocok.<\/p>\n
Apa sih maksudnya \u201cinstance-instance pada data space\u201d? Misal yang menjadi data space <\/u><\/strong>adalah stadion sepak bola dan akan dilakukan klasifikasi manusia di dalam stadion itu berdasarkan perannya. Manusia-manusia di dalam stadion adalah instance-instance<\/u><\/strong>. Sedangkan peran manusia tersebut adalah class label<\/u><\/strong>. Maka peran (class label) manusia (instance) di dalam stadion (data space) dapat menjadi seperti berikut ini:<\/p>\n
    \n
  1. Penonton.<\/li>\n
  2. Pemain bola.<\/li>\n
  3. Pemain bola cadangan dan pelatih.<\/li>\n
  4. Staf kesehatan.<\/li>\n
  5. Wartawan.<\/li>\n<\/ol>\n
    Dengan melihat stadion bola berikut ini, maka kita bisa menentukan posisi setiap instance-instance sesuai class labelnya pada data space.<\/p>\n
    \"blog04\"<\/a><\/p>\n
    Pada kasus ini, kita sudah bisa menebak posisi setiap instance sesuai dengan class labelnya. Bagaimana dengan kasus yang lain, misalnya klasifikasi manusia berdasarkan perannya di lapangan upacara ini.<\/p>\n
    \"blog05\"<\/a><\/p>\n
    Jika dibandingkan kedua kasus di atas (domain permasalahan), maka sudah bisa dipastikan ada perbedaan posisi setiap instance-instance di kedua kasus tersebut.\u00a0 Ini menandakan instance-instance pada data space akan berbeda penyebarannya tergantung kasus atau domain masalahnya.\u00a0 Jadi ada kemungkinan beda domain masalah maka posisi instance-instancenya akan berbeda penyebarannya pada data space. Bahkan pada domain masalah yang sama pun kemungkinan posisi instance-instancenya akan berbeda juga.<\/p>\n
    Dengan mengetahui informasi tersebut maka kemungkinan kita dapat menentukan strategi yang digunakan untuk menyelesaikan masalah tersebut.\u00a0 Sebagai contoh untuk kasus klasifikasi, maka kita dapat menentukan metode atau algoritma yang cocok.<\/p>\n
    Jika kita memiliki data yang hanya terdiri atas 2 feature dan 1 class label, atau 3 feature dan 1 class label tentunya sangat mudah untuk menggambarkannya pada data space. Karena dapat digambarkan dalam gambar 2 dimensi atau 3 dimensi.<\/p>\n
    Sebagai contoh dimiliki data dengan 2 feature dan 1 class label seperti berikut:<\/p>\n
    \n
    size <- 20             \r\nset.seed(1) \r\nx <- runif(size)       \r\ny <-runif(size) \r\nclass_label = c(\"A\"<\/span>, \"B\"<\/span>, \"C\"<\/span>, \"C\"<\/span>, \"D\"<\/span>, \"A\"<\/span>, \"A\"<\/span>, \"A\"<\/span>, \"B\"<\/span>, \"C\"<\/span>,\"A\"<\/span>, \"B\"<\/span>, \"C\"<\/span>, \"C\"<\/span>, \"D\"<\/span>, \"A\"<\/span>, \"A\"<\/span>, \"A\"<\/span>, \"B\"<\/span>, \"C\"<\/span>)\r\ndf <-data.frame(x,y, class_label)<\/pre>\n
     <\/p>\n<\/div>\n
    Maka akan dihasilkan data seperti berikut ini.<\/p>\n
    \"blog06\"<\/a><\/p>\n
    Dan untuk melihat posisi setiap instance pada data space maka dapat digunakan fungsi plot() seperti pada contoh berikut ini.<\/p>\n
    \n
    plot(df$x, df$y, col=as<\/span>.numeric(df$class_label), pch = 16)<\/pre>\n
     <\/p>\n<\/div>\n
    Atau dengan menggunakan kode berikut:<\/p>\n
    \n
    plot(df[,1:2], col = as<\/span>.numeric(df$class_label), pch = 16)<\/pre>\n
     <\/p>\n<\/div>\n
    Dan akan dihasilkan gambar seperti berikut.<\/p>\n
    \"blog07\"<\/a><\/p>\n
    Sedangkan jika data yang dimiliki memiliki 3 feature dan 1 class label seperti data yang dihasilkan dari kode berikut ini:<\/p>\n
    \n
    size <- 20\r\nset.seed(1)\r\nx <- runif(size)\r\ny <- runif(size)\r\nz <- runif(size)\r\nclass_label = c(\"A\"<\/span>, \"B\"<\/span>, \"C\"<\/span>, \"C\"<\/span>, \"D\"<\/span>, \"A\"<\/span>, \"A\"<\/span>, \"A\"<\/span>, \"B\"<\/span>, \"C\"<\/span>, \"A\"<\/span>, \"B\"<\/span>, \"C\"<\/span>, \"C\"<\/span>, \"D\"<\/span>, \"A\"<\/span>, \"A\"<\/span>, \"A\"<\/span>, \"B\"<\/span>, \"C\"<\/span>)\r\ndf <- data.frame(x, y, z, class_label)<\/pre>\n
     <\/p>\n<\/div>\n
    Sehingga dihasilkan data seperti berikut ini.<\/p>\n
    \"blog08\"<\/a><\/p>\n
    Untuk mengambar data tersebut maka bisa digunakan fungsi plot3d() dari package rgl.\u00a0 Jika package rgl belum tersedia pada sistem maka dapat dilakukan installasi package dengan perintah berikut.<\/p>\n
    \n
    install.package(\"rgl\"<\/span>)<\/pre>\n
     <\/p>\n<\/div>\n
    Jika sudah terinstall maka dapat digunakan perintah berikut ini untuk mengambar scatter plot secara 3D dengan menggunakan fungsi plot3d()<\/p>\n
    \n
    plot3d(df[,1:3], col=as<\/span>.numeric(df$class_label))<\/pre>\n
     <\/p>\n<\/div>\n
    Dan berikut ini adalah hasil dari fungsi tersebut.\u00a0 Grafik yang dihasil dapat digerakan ke berbagai arah agar memudahkan untuk melihat instance-instance pada data space dalam berbagai sudut.\u00a0 Selain itu juga dapat dilakukan zoom in dan zoom out.<\/p>\n
    \"blog09\"<\/a><\/p>\n
    Bagaimana dengan data yang memiliki banyak feature? Karena data pada dunia nyata sangat beragam. Pada lingkungan R telah tersedia dataset dunia nyata yang dapat langsung digunakan, seperti:<\/p>\n