Pengenalan Machine Learning dengan R

Nama : Ferdian Surya Agung

NIM : 230605110075

Prodi: Teknik Informatika

Fakultas: Fakultas Sains dan Teknologi

Universitas: UIN Maulana Malik Ibrahim Malang

Mata Kuliah: Kalkulus

Dosen Pengampu: Prof. Dr. Suhartono, M.Kom.

Machine Learning (ML) adalah bidang kecerdasan buatan yang berfokus pada pengembangan model yang dapat belajar dari data untuk membuat prediksi atau keputusan tanpa pemrograman eksplisit.

Contoh Code untuk Pengenalan Machine Learning dengan R Mari kita gunakan paket caret dan randomForest untuk membuat model Regresi Linier sebagai contoh sederhana:

# Install dan load paket
install.packages("caret")
install.packages("randomForest")
library(caret)
library(randomForest)

# Membaca data (contoh: dataset iris)
data(iris)

# Membagi data menjadi data pelatihan (training) dan data uji (testing)
set.seed(123)
index <- createDataPartition(iris$Species, p = 0.7, list = FALSE)
train_data <- iris[index, ]
test_data <- iris[-index, ]

# Membuat model Regresi Linier dengan caret
model <- train(Sepal.Length ~ Sepal.Width + Petal.Length + Petal.Width, data = train_data, method = "lm")

# Melakukan prediksi pada data uji
predictions <- predict(model, newdata = test_data)

# Menilai kinerja model
rmse <- sqrt(mean((predictions - test_data$Sepal.Length)^2))
print(paste("Root Mean Squared Error (RMSE):", rmse))

Kode di atas menggunakan model regresi linier sebagai contoh, dan dataset iris sebagai contoh dataset. Namun, R mendukung berbagai jenis model machine learning seperti regresi logistik, decision trees, random forests, dan lainnya.

Pastikan untuk menyesuaikan kode dan dataset sesuai dengan kebutuhan proyek atau penelitian Anda. Selain itu, penting untuk memahami konsep machine learning, seperti preprocessing data, validasi model, dan evaluasi kinerja model.