Terimakasih Pak, sudah membuat video pembelajaran ML dengan penjelasan yang sangat Baik ini. Bagi saya awam pun akhirnya dapat memahami dengan Baik. Semoga sehat dan Sukses selalu Pak.
Wow selamat, semoga bermanfaat ya. Tapi secara materi sebenarnya belum selesai. Suatu saat akan saya lanjutkan kembali. Semoga apa yang sudah dipelajari bisa memberikan pondasi terkait Machine Learning 😊🙏
Terima kasih, kemungkinan kami coba tuntaskan yg supervised learning dulu. Hanya saja mmg agak terhambat karena di semester ini kami mesti mengajar matakuliah yang berbeda.
Terimakasih pak sudah membuatkan video pembelajaran ML ini. walaupun non IT dan masih harus banyak berlatih agar konsep ML ini bisa dipahami dengan baik. Semoga sehat selalu pak🙏👍
Sama-sama mas, senang bisa membantu 😊☕🙏 Tetapi memang playlist ini belum tuntas. Kebetulan saat ini saya sedang disibukkan persiapan diri belajar cloud computing 😊☕🙏
Terimakasih banyak pak, video videonya sangat membantu karena mudah dipahami.. Request penjelasan mengenai intrepetable machine learming seperti LIME, SHAP, dll pak 🙏
Sama-sama mas, senang bisa membantu. Progress materi dalam playlist ini agak tersendat. Tapi kami ada rencana untuk meneruskan sampai topik unsupervised learning juga 😊☕
terima kasih untuk video tutorialnya pak. sudah saya perhatikan dan praktekan sekaligus di python saya. tapi bukan berarti saya sudah faham. nanti balik lagi kesini. karena banyak yang mesti saya ulang dari awal hehehe... two tumbs up
Halo Kak, terima kasih atas playlist pembelajaran machine learning. Saya baru mempelajari Machine Learning dari channel kakak. Ada beberapa pertanyaan yg ingin sy tnykan : 1. Apakah ada pembahasan terkait dengan correlation matrix? 2. Kalau berbicara terkait project Machine Learning, definition of done dari suatu project itu gimana ya Ka? Kl software programming kan, ketika software sesuai dengan requirement dari user dan bisa running normal, bisa kita asumsikan projectnya selesai, kalau ML ini seperti apa ya Ka? 3. Jika kita bisa membangun model dengan accuracy dan cv score yg tinggi , apakah itu goals dari ML ini? Atau ada goals lain ya ka? 4. Kalau kita berbicara di bidang profesional, bagaimana biasa nya Data Scientist bekerja? Maksud sy apakah output dari seorang data scientist lgsg di apply utk support business? Bagaimana Top Management bisa memahami dan mengerti terkait dengan model yg dibangun? Sementara itu dulu ya Ka. Terima Kasih.
Wah selamat belajar Machine Learning di channel Indonesia Belajar. Terkait pertanyaan pertama, kebetulan playlist Machine Learning ini belum rampung dan materi correlation matrix belum tercover. Lalu untuk pertanyaan 2,3,4 di channel Indonesia Belajar ini kami juga sudah beberapa kali mengundang data scientist dan machine learning engineer dari industri untuk bincang2 di sesi podcast. Ini dimaksudkan agar teman2 yang sedang belajar Data Science dan Machine Learning bisa memiliki gambaran seputar penerapannya di industri 😊🙏
Semoga materi yang kami tawarkan ini bisa bermanfaat ya 😊☕🙏 Untuk sementara ini memang terpaksa belum bisa kami lanjutkan dulu karena mesti menggarap materi lain untuk keperluan perkuliahan di kampus. Terkait buku, kami sangat merekomendasikan buku Learning from Data. Berikut linknya: amlbook.com/
Proses pembangunan training dataset memang tidak mudah dan sangat bergantung pada domain knowledge. Oleh karenanya dalam playlist ini kami fokuskan pada pemanfaatan dataset classic yang umum dipelajari di kelas machine learning.
Terima kasih videonya sangat mudah dipahami. Izin bertanya juga pak untuk penentuan banyak pohon yang dibangun pada random forest apakah ada rumus khusus atau bagaimana ya? terima kasih
Sama-sama, senang bisa membantu. Terkait jumlah pohon, ini akan sangat bergantung pada kasus yang dihadapi serta datasetnya. Di sini peran dari seorang data scientist untuk melakukan parameters tuning 😊☕
Sebelumnya mau mengucapkan terima kasih banyak atas video penjelasan yang sangat membantu saya belajar dari awal pak. Namun saya ijin bertanya perbedaan Random Forest Classification dengan Random Forest Regression yang sempat disebutkan di video apa ya pak? Terima kasih pak, sehat selalu!
Perbedaan ada pada task yang mau coba diselesaikan. Seperti dijelaskan pada video pertama, machine learning task dapat dibagi menjadi dua, yaitu regression task dan classification task. Senang sekali bila materi belajar yang kami tawarkan dapat bermanfaat. Terima kasih juga sudah memberikan feedback kepada kami 😊☕🙏
alhamdulillah, terimakasih atas penjelasannya pak, saya mau bertanya jika penggunaan Random Forest pada dataset time series gimana ya pak? terimakasih pak.
Untuk time series membutuhkan pendekatan model yang berbeda. Di channel Indonesia Belajar ini kami juga menawarkan materi pengenalan dasar time series. Semoga bisa bermanfaat :)
Terimakasih sebelumnya untuk materinya kak. Kalau misal saya punya kasus penerapan machine learning di simulasi jaringan, dan ingin menggunakan metode klasifikasi, algoritma apa ya yang kira-kira cocok? Jd penerapannya di sini untuk deteksi node yang punya perilaku misbehave dan tidak. Sedangkan node yang ada di simulator itu penanaman mana yang misbehave mana yang tidak dilakukan secara manual juga. Mungkin agak rumit kasusnya, tapi dari sedikit gambaran tadi kira-kira apa yang cocok ya algoritma machine learningnya kak? Terimakasih
Bisa juga ini, siapkan saja dulu dataset nya. Ini bisa jadi explorasi yang menarik. Perlu diingat, kualitas prediksi machine learning sangat ditentukan oleh kuantitas dan kualitas dataset.
@@belajaridn Iya kak terimakasih. Sebenarnya ini adalah judul tugas akhir saya. Tapi saya masih agak rancu dengan dataset yang biasa digunakan anak database itu kan biasanya bentuknya file data beserta atribut dan keterangannya. Nah di kasus saya ini, machine learning disisipkan untuk mengenali dan membantu pembuatan keputusan suatu node apakah misbehave atau tidak. Jadi algoritma machine learning dicodingkan dan disisipkan dalam code dari routing simulasi yang saya gunakan. Apakah dalam hal ini, fitur, model, dan acuan untuk klasifikasi harus dibuat sendiri? Terimakasih
@@y_artharosa dataset yang umum digunakan untuk proses training adalah columnar format. Bilamana dataset sumber yang kita miliki belum dalam format columnar, tentunya di sink kita perlu lakukan beberapa preprocessing ☺️☕
@@belajaridn Baik kak, terimakasih banyak. Saya pelajari dlu bagian preprocessing ini untuk mencari dlu mana yang mungkin cocok digunakan dalam kasus yg saya ambil ✨
@@dendyarmanda4417 Berikut adalah dua paper ilmiah yang pernah saya tulis terkait face detection: 1. ieeexplore.ieee.org/document/8603299 2. ieeexplore.ieee.org/document/8608166 Semoga bermanfaat :)
Salam. Saya ingin bertanya perihal rencana penelitian saya mengenai "analisis kerentanan lahan sawah terhadap konversi di kawasan perkotaan". Saya menggunakan belasan variabel yang berpengaruh terhadap kerentanan lahan sawah terkonversi. Harapannya dari semua variabel yang dianalisis akan melahirkan tiga kelas kerentanan, yaitu: tinggi, sedang dan rendah. Apakah model random forest bisa mengerjakannya? Jika iya, bagaimana membangun algoritmanya. Terima kasih.
izin bertanya ka? apakah istilah random forest ini hanya dikhususkan jika seluruh pemodelannya menggunakan decision tree? jika seluruh pemodelan menggunakan SVM, namanya apa ka?
halo saya ingin bertanya, untuk di random forest, default ulangan bootstrapnya itu berapa kali ya?dan dataset bootstrap yg dihasilkan apakah = data trainnya? terimakasih
Ini termasuk parameter yang nilainya perlu kita tentukan sebagai seorang data scientist. Proses ini yang dikenal dengan istilah hyper parameter tuning. Melibatkan banyak trial and error.
Apakah dataset yang digunakan sudah representatif? Dataset dan pemahaman terhadap domain knowledge sangatlah penting dan jangan sampai terjebak pada akurasi semata.
Kebetulan sekarang ini saya juga sedang menangani beberapa AI projects secara parallel. He3.. bisa nampak dari jumlah video pembelajaran di channel ini yang belum bertambah 😅
Terima kasih sangat mudah di pahami
Terima kasih sharing nya. Sangat bermanfaat
Sama-sama, senang bisa membantu 😊🙏
Terimakasih Pak, sudah membuat video pembelajaran ML dengan penjelasan yang sangat Baik ini. Bagi saya awam pun akhirnya dapat memahami dengan Baik. Semoga sehat dan Sukses selalu Pak.
Amin... Terima kasih untuk doanya. Saya juga senang kalau materi belajar yang disajikan bisa bermanfaat 😊☕🙏
Sangat sangat sangat jelas.
TERIMA KASIH!
Sama-sama, senang bisa membantu 😊🙏
Terimakasih atas penjelasannya
Sama2, semoga bisa bermanfaat.
lumayan buat belajar nambah ilmu dan pengetahuan....... mangtab.............
Semoga bisa bermanfaat ya 😊🙏
Gwe lagi penelitian juga pake algoritma random forest, makasih bang kontennya bermanfaat
Sama-sama, senang bisa membantu 😊🙏
Akhirnya saya bisa menyelesaikan semua video Bapak mengenai machine learning, terimakasih banyak Pak!
Wow selamat, semoga bermanfaat ya. Tapi secara materi sebenarnya belum selesai. Suatu saat akan saya lanjutkan kembali. Semoga apa yang sudah dipelajari bisa memberikan pondasi terkait Machine Learning 😊🙏
@@belajaridn Siap Pak Budi, ditunggu video lanjutannya hehehe :). Semoga Tuhan membalas kebaikan Bapak.
terima kasih banyak mas! sangat bermanfaat.
Sama-sama, senang bisa membantu. Hanya saja playlist ini belum sempat kami garap dulu karena sedang berfokus mempelajari Cloud Computing 😊🙏
terimakasih banyak kak,sangat membantu sekali!
Sama2, senang bisa membantu :)
Request untuk Unsupervised Learning 😃
Untuk video tutorial SupervisedLearning ini sangat mudah dimengerti. Terima kasih banyak
Terima kasih, kemungkinan kami coba tuntaskan yg supervised learning dulu. Hanya saja mmg agak terhambat karena di semester ini kami mesti mengajar matakuliah yang berbeda.
hahaha Hutan Acak dong...
Makasih pak ilmunya
Jadi aneh ya kalau diterjemahkan 😂🤣😂🤣
Thanks pak
Sama-sama, semoga bermanfaat 😊🙏
Terimakasih pak sudah membuatkan video pembelajaran ML ini. walaupun non IT dan masih harus banyak berlatih agar konsep ML ini bisa dipahami dengan baik. Semoga sehat selalu pak🙏👍
Sama-sama mas, senang bisa membantu 😊☕🙏
Tetapi memang playlist ini belum tuntas. Kebetulan saat ini saya sedang disibukkan persiapan diri belajar cloud computing 😊☕🙏
Terimakasih banyak pak, video videonya sangat membantu karena mudah dipahami.. Request penjelasan mengenai intrepetable machine learming seperti LIME, SHAP, dll pak 🙏
Sama-sama mas, senang bisa membantu. Progress materi dalam playlist ini agak tersendat. Tapi kami ada rencana untuk meneruskan sampai topik unsupervised learning juga 😊☕
terima kasih untuk video tutorialnya pak. sudah saya perhatikan dan praktekan sekaligus di python saya. tapi bukan berarti saya sudah faham. nanti balik lagi kesini. karena banyak yang mesti saya ulang dari awal hehehe...
two tumbs up
Wah sudah sampai sini 😁👍☕
Halo Kak, terima kasih atas playlist pembelajaran machine learning. Saya baru mempelajari Machine Learning dari channel kakak. Ada beberapa pertanyaan yg ingin sy tnykan :
1. Apakah ada pembahasan terkait dengan correlation matrix?
2. Kalau berbicara terkait project Machine Learning, definition of done dari suatu project itu gimana ya Ka? Kl software programming kan, ketika software sesuai dengan requirement dari user dan bisa running normal, bisa kita asumsikan projectnya selesai, kalau ML ini seperti apa ya Ka?
3. Jika kita bisa membangun model dengan accuracy dan cv score yg tinggi , apakah itu goals dari ML ini? Atau ada goals lain ya ka?
4. Kalau kita berbicara di bidang profesional, bagaimana biasa nya Data Scientist bekerja? Maksud sy apakah output dari seorang data scientist lgsg di apply utk support business? Bagaimana Top Management bisa memahami dan mengerti terkait dengan model yg dibangun?
Sementara itu dulu ya Ka. Terima Kasih.
Wah selamat belajar Machine Learning di channel Indonesia Belajar. Terkait pertanyaan pertama, kebetulan playlist Machine Learning ini belum rampung dan materi correlation matrix belum tercover.
Lalu untuk pertanyaan 2,3,4 di channel Indonesia Belajar ini kami juga sudah beberapa kali mengundang data scientist dan machine learning engineer dari industri untuk bincang2 di sesi podcast. Ini dimaksudkan agar teman2 yang sedang belajar Data Science dan Machine Learning bisa memiliki gambaran seputar penerapannya di industri 😊🙏
Terimakasih ilmunya
Sama-sama, senang bisa membantu 😊🙏
Kak ada referensi bahasa indonesia untuk rumus random forest gak?
@@muhammadfirdausbanjar4074 untuk rumus yang seperti apa ya mas? Kebetulan channel Indonesia Belajar ini menawarkan materi dalam Bahasa Indonesia 😊☕
Rumus matematika nya kak, mau coba di excel
makasih pak
Sama-sama, semoga bermanfaat ya 😊🙏
Keren, kak. Runtut banget.
Semoga bisa bermanfaat ya 😊🙏
@@belajaridn Btw, untuk yg materi lanjutannya(NN, dll) di sebelah mana ya?
Kebetulan untuk materi neural networks belum sempat saya garap, he3 waktu dan energinya sudah lumayan occupied di pekerjaan 😅🙏
@@belajaridn oalah... oke2, kak. sudah sangat membantu. terima kasih.
Pak, lanjut videonya dong Pak. Mau tanya juga Pak, buku recommended belajar machine learning yg lengkap apa ya Pak?
Semoga materi yang kami tawarkan ini bisa bermanfaat ya 😊☕🙏
Untuk sementara ini memang terpaksa belum bisa kami lanjutkan dulu karena mesti menggarap materi lain untuk keperluan perkuliahan di kampus. Terkait buku, kami sangat merekomendasikan buku Learning from Data. Berikut linknya: amlbook.com/
@@belajaridn Terima kasih banyak infonya Pak
@@ahmadzeinabidmuhabbab7233 Sama2, semoga bermanfaat :)
Terimakasih untuk ilmu luar biasanya kak, gimana untuk ngebuild training set dari awal ya?
Proses pembangunan training dataset memang tidak mudah dan sangat bergantung pada domain knowledge. Oleh karenanya dalam playlist ini kami fokuskan pada pemanfaatan dataset classic yang umum dipelajari di kelas machine learning.
Terima kasih videonya sangat mudah dipahami. Izin bertanya juga pak untuk penentuan banyak pohon yang dibangun pada random forest apakah ada rumus khusus atau bagaimana ya? terima kasih
Sama-sama, senang bisa membantu. Terkait jumlah pohon, ini akan sangat bergantung pada kasus yang dihadapi serta datasetnya. Di sini peran dari seorang data scientist untuk melakukan parameters tuning 😊☕
makasi bang
Sama-sama, semoga bisa bermanfaat ya 😊🙏
pak bisa tools python seperti tenserflow, hadoop, keras, pytorch, scypy, sympy atau yang lainnya?, kalau bisa buat tutorialnya dong pak heheheh
Oh iya, ada rencana sih. Ini perlu bagi waktu dan energi untuk menggarapnya 😊🙏
Bertahap ya.
@@belajaridn baik pak sangat ditunggu sekali si heheheh
ditunggu yang clustering-nya ^^
Siap. Saat ini kami masih meramu materi AdaBoost agar mudah dipahami 😊🙏
izin belajar pak. terimakasih
Silakan mas, semoga bermanfaat ya 😊☕🙏
Sebelumnya mau mengucapkan terima kasih banyak atas video penjelasan yang sangat membantu saya belajar dari awal pak. Namun saya ijin bertanya perbedaan Random Forest Classification dengan Random Forest Regression yang sempat disebutkan di video apa ya pak? Terima kasih pak, sehat selalu!
Perbedaan ada pada task yang mau coba diselesaikan. Seperti dijelaskan pada video pertama, machine learning task dapat dibagi menjadi dua, yaitu regression task dan classification task.
Senang sekali bila materi belajar yang kami tawarkan dapat bermanfaat. Terima kasih juga sudah memberikan feedback kepada kami 😊☕🙏
alhamdulillah, terimakasih atas penjelasannya pak, saya mau bertanya jika penggunaan Random Forest pada dataset time series gimana ya pak?
terimakasih pak.
Untuk time series membutuhkan pendekatan model yang berbeda. Di channel Indonesia Belajar ini kami juga menawarkan materi pengenalan dasar time series. Semoga bisa bermanfaat :)
Terimakasih sebelumnya untuk materinya kak. Kalau misal saya punya kasus penerapan machine learning di simulasi jaringan, dan ingin menggunakan metode klasifikasi, algoritma apa ya yang kira-kira cocok? Jd penerapannya di sini untuk deteksi node yang punya perilaku misbehave dan tidak. Sedangkan node yang ada di simulator itu penanaman mana yang misbehave mana yang tidak dilakukan secara manual juga. Mungkin agak rumit kasusnya, tapi dari sedikit gambaran tadi kira-kira apa yang cocok ya algoritma machine learningnya kak? Terimakasih
Bisa juga ini, siapkan saja dulu dataset nya. Ini bisa jadi explorasi yang menarik. Perlu diingat, kualitas prediksi machine learning sangat ditentukan oleh kuantitas dan kualitas dataset.
@@belajaridn Iya kak terimakasih. Sebenarnya ini adalah judul tugas akhir saya. Tapi saya masih agak rancu dengan dataset yang biasa digunakan anak database itu kan biasanya bentuknya file data beserta atribut dan keterangannya. Nah di kasus saya ini, machine learning disisipkan untuk mengenali dan membantu pembuatan keputusan suatu node apakah misbehave atau tidak. Jadi algoritma machine learning dicodingkan dan disisipkan dalam code dari routing simulasi yang saya gunakan. Apakah dalam hal ini, fitur, model, dan acuan untuk klasifikasi harus dibuat sendiri? Terimakasih
@@y_artharosa dataset yang umum digunakan untuk proses training adalah columnar format. Bilamana dataset sumber yang kita miliki belum dalam format columnar, tentunya di sink kita perlu lakukan beberapa preprocessing ☺️☕
@@belajaridn Baik kak, terimakasih banyak. Saya pelajari dlu bagian preprocessing ini untuk mencari dlu mana yang mungkin cocok digunakan dalam kasus yg saya ambil ✨
Sama2, all the best ya untuk explorasi nya ☺️☕🙏
Kak bahas tentang monte carlo simulation menggunakan python 🙏🏾
Kami ada rencana untuk membahas ini, tapi belum bisa dalam waktu dekat ya :)
@@belajaridn Baik kak tdk apa2, ditunggu :D terimakasih
time flies so fast
In deed :)
kak kalau liat model terbaik decision treenya yang digunakan untuk voting gimana kak?
Request feature extraction method pak, spesifiknya Differential entropy, FFT, wavelet transform, autoregressive
Baik mas, kami tampung dulu ya masukannya :)
Fisherface dan eigen face dong pak :(
Kami pernah explore HAAR Cascade untuk deteksi wajah tetapi memang belum pernah kami buatkan videonya.
@@belajaridn mungkin kalo ada referensi Jurnal atau web yang lengkap dengan perhitungan nya pak , sangat membantu buat saya yang lagi tugas akhir :(
@@dendyarmanda4417 Berikut adalah dua paper ilmiah yang pernah saya tulis terkait face detection:
1. ieeexplore.ieee.org/document/8603299
2. ieeexplore.ieee.org/document/8608166
Semoga bermanfaat :)
bang adakah info pelatihan online AI untuk bulan agustus 2021 besok ? hehe trims
Salam. Saya ingin bertanya perihal rencana penelitian saya mengenai "analisis kerentanan lahan sawah terhadap konversi di kawasan perkotaan". Saya menggunakan belasan variabel yang berpengaruh terhadap kerentanan lahan sawah terkonversi. Harapannya dari semua variabel yang dianalisis akan melahirkan tiga kelas kerentanan, yaitu: tinggi, sedang dan rendah. Apakah model random forest bisa mengerjakannya? Jika iya, bagaimana membangun algoritmanya. Terima kasih.
X_new itu bisa disebutkan sebagai X_test juga kan pak?
Bagaimana pak untuk split train + test menggunakan numpy
Maksudnya datanya ditampung dalam numpy array dan dilakukan train test split dengan Scikit-Learn? Mestinya bisa.
izin bertanya ka?
apakah istilah random forest ini hanya dikhususkan jika seluruh pemodelannya menggunakan decision tree?
jika seluruh pemodelan menggunakan SVM, namanya apa ka?
Sesuai dengan namanya, Random Forest, ini merupakan salah satu implementasi dari Ensemble Learning yang menggunakan sekumpulan Decision Tree :)
Siap ka, mudah2an ada materi neural network jg di channel ini.
Siap, bertahap ya 😊🙏
@@belajaridn makasih pak
Sama-sama 😊☕🙏
permisi pak izin bertanya, jumlah salah satu bag/sub data training sama dengan jumlah data trainingnya?
halo saya ingin bertanya, untuk di random forest, default ulangan bootstrapnya itu berapa kali ya?dan dataset bootstrap yg dihasilkan apakah = data trainnya? terimakasih
sebelumnya terima kasih, ijin pak untuk menentukan nilai n_estimators atau jumlah decession tree yg terbaik, itu didasarkan pada apa ?
Ini termasuk parameter yang nilainya perlu kita tentukan sebagai seorang data scientist. Proses ini yang dikenal dengan istilah hyper parameter tuning. Melibatkan banyak trial and error.
Kapan bahas xgboot kak? hehehe...
Masih belum rampung nich materinya. Maaf ya, lagi banyak task lain 🙂🙏
ikutan menunggu materi ini
akurasi saya 1.00 itu gimana ya pak?
Kalo akurasinya Rendah Knapa yah , saya udah Coba banyak Model tapi masi dibawah 50%
Apakah dataset yang digunakan sudah representatif? Dataset dan pemahaman terhadap domain knowledge sangatlah penting dan jangan sampai terjebak pada akurasi semata.
Representatif ini apa ya pak maksudnya, kalo maksudnya imbalance iya pak,, class saya ada yg selisihnya jauh
disuruh subcribe sama pak Andika UNPAS
Ha3.. Wah mahasiswa online nya Pak Dhika nich 😂🙏
Saya butuh bantuan bapak untuk terlibat projek saya. apakah bisa bantu pak?
Kebetulan sekarang ini saya juga sedang menangani beberapa AI projects secara parallel. He3.. bisa nampak dari jumlah video pembelajaran di channel ini yang belum bertambah 😅
@@belajaridn bisa kita komunikasi via wa pak?