Lembar Kerja Pratikum 5

Hari/Tanggal : Selasa/11 Maret 2014

Lab : 1

Kelompok : 8

Anggota : - Rudi Hartomo (G64110013)

- Weni Handayani (G64110058)

- Albert Sebastian (G64110075)

- M. Fuad Makarim (G64110113)

1. Bukalah file weather.nominal.arff! Editlah data tersebut sedemikian hingga setiap atributnya ada data yang kosong! Isilah nilai yang yang kosong tersebut secara otomatis dengan Weka! Tampilkan dan jelaskan hasilnya!

Data Awal sebelum di edit:

Berikut adalah tampilan file weather.nominal.arff setelah di ubah sedemikian sehingga ada 3 missing value seperti pada gambar di bawah ini.

Kemudian, nilai yang kosong (missing value) tersebut akan diisi secara otomatis olel WEKA dengan menggunakan unsupervised attribute yaitu ReplaceMissingValues. Maka, akan muncul data seperti gambar di abwah ini.

2. Bukalah file weather.numeric.arff! Editlah data tersebut sedemikian hingga setiap atributnya ada data yang kosong! Isilah nilai yang yang kosong tersebut secara otomatis dengan Weka! Tampilkan dan jelaskan hasilnya!

Data Awal sebelum di edit:

Berikut adalah tampilan file weather.numeric.arff setelah di ubah sedemikian sehingga ada 3 missing value seperti pada gambar di bawah ini.

Kemudian, nilai yang kosong (missing value) tersebut akan diisi secara otomatis olel WEKA dengan menggunakan unsupervised attribute yaitu ReplaceMissingValues. Maka, akan muncul data seperti gambar di abwah ini.

3. Apakah perbedaan hasil pada soal no 1 dan no 2?Pada file weather.nominal.arff dalam mengisi nilai yang kosong (missing value) digunakan modus (nilai yang paling banyak muncul) pada kolom yang sama. Karena file tersebut merupakan data nominal.Sedangkan pada file weather.numeric.arff dalam mengisi nilai yang kosong (missing value) digunakan mean (Rataan) pada kolom yang sama. Karena file tersebut merupakan data numerik.

4. Bukalah file iris.arff! Ubahlah selang pada setiap atributnya menjadi 0-100! Tampilkan hasilnya!Mengubah selang attribute dapat dilakukan dengan cara normalisasi dan mengganti nilai minimum dan maximum atribut tersebut.

Selang nilai atribut sepalength default yaitu 4.3-7.9:

Selang nilai atribut sepallength setelah normalize yaitu 0-100:

Sepalwidth:

Petallength:

Petalwidth:

5. Apakah yang harus dilakukan ketika ukuran data sangat besar sementara setiap atributnya sama pentingnya? Dan apakah yang harus dilakukan ketika ada atribut yang dapat dihilangkan? Terapkan cara menangani hal tersebut pada data soybean.arff!

Jika ukuran data sangat besar, sementara setiap atributnya sama penting maka yang kita lakukan adalah mereduksi jumlah data. Sementara jika terdapat atribut yang dapat dihilangkan maka yang kita lakukan adalah mereduksi dimensi data.

Reduksi Data (75% data) :Sebelum di resample:

Sesudah di resample:

Reduksi Dimensi Data:Attribute Class

6. Bukalah file iris.arff dan lakukan diskretisasi pada setiap atributnya! Tampilkan dan jelaskan hasilnya!

Diskretisasi file iris.arrf dengan bins (banyak bagian) 6. Tipe data masing-masing atribut telah berubah menjadi nominal dengan selang tertentu.

Keterangan.Attribut sepallength terbagi menjadi 6 selang, - selang -∞ sampai 4.9 memiliki data 22- selang 4.9 sampai 5.5 memiliki data 37- selang 5.5 sampai 6.1 memiliki data 36- selang 6.1 sampai 6.7 memiliki data 35- selang 6.7sampai 7.3 memiliki data 13- selang 6.7 sampai ∞ memiliki data 7

Keterangan.Attribut sepalwidth terbagi menjadi 6 selang,

- selang -∞ sampai 2.4 memiliki data 11- selang 2.4 sampai 2.8 memiliki data 36- selang 2.8 sampai 3.2 memiliki data 61- selang 3.2 sampai 3.6 memiliki data 27- selang 3.6 sampai 4 memiliki data 12- selang 4 sampai ∞ memiliki data 3

Keterangan.Attribut petallength terbagi menjadi 6 selang,

- selang -∞ sampai 1.983333 memiliki data 50- selang 1.983333 sampai 2.966667 tidak memiliki data- selang 2.966667 sampai 3.95 memiliki data 11- selang 3.95 sampai 4.933333 memiliki data 43- selang 4.933333 sampai 5.916667 memiliki data 35- selang 5.916667 sampai ∞ memiliki data 11

Keterangan.Attribut petalwidth terbagi menjadi 6 selang,

- selang -∞ sampai 0.5 memiliki data 49- selang 0.5 sampai 0.9 memiliki data 1- selang0.9 sampai 1.3 memiliki data 28- selang 1.3 sampai 1.7 memiliki data 26- selang 1.7 sampai 2.1 memiliki data 23- selang 2.1 sampai ∞ memiliki data 23