LBB C2-ML
w.mahe
2022-09-01
1 Pendahuluan
Kali ini Data Scientist menggunakan beberapa algoritma machine learning untuk mengungkap pola-pola yang tersembunyi dalam rangka mendapatkan insigth dari suatu data. Pada level analisis yang tinggi, beberapa algoritma tersebut secara garis besar dapat dibagi menjadi dua bagian berdasarkan bagaimana “mereka” belajar yaitu supervised learning dan unsupervised learning.
Pendekatan supervised learning adalah algoritma yang paling sering digunakan dalam dunia data science dibandingkan dengan unsupervised learning. Analisis regresi linier berganda maupun logistik yang notabene sudah tidak asing lagi di dengar adalah salah satu contoh dari supervised learning.
Perbedaan kedua algorima tersebut terletak pada bagaimana mereka belajar untuk membuat suatu prediksi maupun klasifikasi. Dalam supervised learning, algoritma tersebut seolah-olah dilatih terlebih dahulu agar dapat melakukan prediksi maupun klasifikasi.
Pendekatan supervised learning mempuyai input dan output yang dapat dibuat menjadi suatu model hubungan matematis sehingga mampu melakukan prediksi dan klasifikasi berdasarkan data yang telah ada sebelumnya.
Misalkan pada suatu sumur pemboran di Lapangan Loris, ingin melakukan peramalan tentang pengaruh berbagai parameter pemboran dari beberapa data sumur aktual yang sudah dikerjakan. dimana target yang digunakan adalah ROP (Rate of Penetration). Dataset yang digunakan masih melanjutkan data tugas dari LBB C1-ML sebelumnya. Analisis deret kedalaman (layaknya model regresi) menggunakan data sebelumnya untuk menggunakan prediksi. Data pada periode sebelumnya itulah yang disebut dengan data latih atau data training.
Sehingga dengan data training tersebut akan diperoleh suatu model regresi yang selanjutnya akan digunakan untuk melakukan peramalan. Jadi kesimpulannya adalah supervised learning menggunakan data latih (data training) dalam melakukan prediksi maupun klasifikasi. Beberapa algoritma yang termasuk dalam supervised learning adalah sebagai berikut :
- Regresi Linier Berganda
- Analisis Deret Waktu
- Decision Tree dan Random Forest
- Naive Bayes Classifier
- Nearest Neighbor Classifier
- Artificial Neural Network
- Support Vector MachineBerbeda dengan analisis Unsupervised Learning, pendekatannya tidak menggunakan data latih atau data training untuk melakukan prediksi maupun klasifikasi. Berdasarkan model matematisnya, algoritma ini tidak memiliki target variabel. Salah satu tujuan dari algoritma ini adalah mengelompokkan objek yang hampir sama dalam suatu area tertentu.
Dengan kata lain, jika kita memiliki target variabel (Y) maka kita dapat menggunakan pendekatan supervised learning sedangkan jika kita memiliki target variabel, maka kita dapat menggunakan unsupervised learning. Supervised learning membutuhkan data training (harus dilatih terlebih dahulu) sedangkan unsupervised learning tidak membutuhkan data training (tidak perlu dilatih terlebih dahulu).
READ DATA
Dataset yang digunakan sama dengan data yang digunakan pada Regression model sebelumnya yaitu “Loris_Drilling.csv”
drilling <- read.csv("Loris_Drilling.csv", stringsAsFactors = F)
str(drilling)## 'data.frame': 54196 obs. of 27 variables:
## $ wellName : chr "Loris 12H" "Loris 12H" "Loris 12H" "Loris 12H" ...
## $ datasetName: chr "Drilling" "Drilling" "Drilling" "Drilling" ...
## $ Depth : num 401 402 402 402 403 ...
## $ Bitm : num 0.64 1.16 1.63 2.11 2.67 3.16 3.6 4.11 4.63 5.07 ...
## $ BitRevs : int 280 305 326 347 371 392 411 432 453 471 ...
## $ DrillHrs : num 0.01 0.02 0.02 0.03 0.03 0.04 0.04 0.05 0.06 0.06 ...
## $ Dxc : int 0 0 0 0 0 0 0 0 0 0 ...
## $ FlowRate : num 414 415 414 415 415 ...
## $ MSE : num 439 419 407 437 471 ...
## $ MSE_DAVG : num 1.03 1.02 1.02 1.02 1.02 ...
## $ MW.In : num 0.216 0.216 0.216 0.216 0.216 0.216 0.216 0.216 0.216 0.216 ...
## $ MW.Out : num 0.26 0.27 0.28 0.28 0.29 0.29 0.3 0.3 0.31 0.32 ...
## $ POWER : num 2100 2094 2090 2099 2082 ...
## $ Pump.time : num 75.9 78.4 80.5 81.4 84.6 ...
## $ PVT : num 1.99 2 2 2.01 2.02 2.02 2.03 2.03 2.04 2.04 ...
## $ ROP : num 61 60 60 61 61 60 60 60 61 61 ...
## $ RotatingHrs: num 61 60 60 61 61 60 60 60 61 61 ...
## $ RPM : num 226 227 226 227 227 ...
## $ RPM.SURF : num 32.9 32.9 33 33 32.9 32.9 33 33 33 32.9 ...
## $ SPP : num 30.8 30.8 30.8 30.8 30.7 30.8 30.8 30.8 30.8 30.8 ...
## $ Temp.In : num 2 3 3 2 2 3 3 3 3 1 ...
## $ Temp.Out : num 1 2 2 1 2 2 2 2 3 1 ...
## $ TORQUE : int 3 4 4 3 3 4 4 4 3 2 ...
## $ Torque.max.: num 412 413 414 414 414 ...
## $ Torque_2 : num 0.1 0.9 1.2 1 0.8 1.6 0.7 1.1 1.3 0.1 ...
## $ TVD : num NA NA NA NA NA NA NA NA NA NA ...
## $ WOB : num NA NA NA NA NA NA NA NA NA NA ...Berikut ini gambaran sedikit pada data yang digunakan.
head(drilling)## wellName datasetName Depth Bitm BitRevs DrillHrs Dxc FlowRate MSE
## 1 Loris 12H Drilling 401.0 0.64 280 0.01 0 413.94 438.70
## 2 Loris 12H Drilling 401.5 1.16 305 0.02 0 414.54 418.52
## 3 Loris 12H Drilling 402.0 1.63 326 0.02 0 413.74 407.39
## 4 Loris 12H Drilling 402.5 2.11 347 0.03 0 414.94 437.37
## 5 Loris 12H Drilling 403.0 2.67 371 0.03 0 415.34 471.06
## 6 Loris 12H Drilling 403.5 3.16 392 0.04 0 414.94 432.84
## MSE_DAVG MW.In MW.Out POWER Pump.time PVT ROP RotatingHrs RPM RPM.SURF
## 1 1.033 0.216 0.26 2099.75 75.89 1.99 61 61 226.07 32.9
## 2 1.025 0.216 0.27 2094.23 78.36 2.00 60 60 226.73 32.9
## 3 1.021 0.216 0.28 2089.72 80.46 2.00 60 60 226.44 33.0
## 4 1.017 0.216 0.28 2098.98 81.38 2.01 61 61 226.83 33.0
## 5 1.022 0.216 0.29 2082.44 84.61 2.02 61 61 227.13 32.9
## 6 1.023 0.216 0.29 2083.50 85.54 2.02 60 60 227.35 32.9
## SPP Temp.In Temp.Out TORQUE Torque.max. Torque_2 TVD WOB
## 1 30.8 2 1 3 412.5 0.1 NA NA
## 2 30.8 3 2 4 413.0 0.9 NA NA
## 3 30.8 3 2 4 413.5 1.2 NA NA
## 4 30.8 2 1 3 414.0 1.0 NA NA
## 5 30.7 2 2 3 414.5 0.8 NA NA
## 6 30.8 3 2 4 415.0 1.6 NA NAInformasi penting dalam data :
wellName : Nama sumur sebagai data tiap sumuran
MW.In : Rate lumpur masuk kedalam lubang bor
Pump.time : waktu pemompaan lumpur kedalam lubang bor
ROP : Rate of Penetration (akan digunakan sebagai target value)
RotatingHrs : besaran Waktu putaran BHA per jam
SPP : Surface Pump Pressure
FlowRate : Laju alir fluida lumpur
TVD : True Vertical Depth, kedalaman vertikal sumur
WOB : Weight on Bit, pembacaan berat assembly di mata bor atau Bit
Data Wrangling
Sesuaikan tipe data pada dataset drilling:
Note: Untuk DrillingHrs dibuatkan kategori terhadap nilai nya dengan
referensi sebagai berikut: - DrillHrs_OPT = diluar dari
data range 8 - 18, artinya kegiatan pemboran tersebut tidak terjadi
optimasi atau “Not optimize”. - DrillHrs_REAL = diluar dari
data range 0 - 40, artinya kegiatan pemboran tersebut tidak terjadi
optimasi atau “Not optimize”.
EDA
drilling_clean <- drilling %>%
select(-c("Torque.max." , "Torque_2" , wellName, MW.Out , datasetName))
drilling_cleanROP <- subset(drilling_clean, drilling_clean$ROP > (quantile(drilling_clean$ROP, .25) - 1.5*IQR(drilling_clean$ROP)) & drilling_clean$ROP < (quantile(drilling_clean$ROP, .75) + 1.5*IQR(drilling_clean$ROP))) %>%
na.omit(drilling_clean)
drilling_cleanROP$DrillHrs_OPT <- factor(ifelse(drilling_cleanROP$DrillHrs < 8 | drilling_cleanROP$DrillHrs > 18, "Not optimize","optimize"))
drilling_cleanROP$DrillHrs_REAL <- factor(ifelse(drilling_cleanROP$DrillHrs < 0 | drilling_cleanROP$DrillHrs > 40, "Not optimize","optimize"))
head(drilling_cleanROP)## Depth Bitm BitRevs DrillHrs Dxc FlowRate MSE MSE_DAVG MW.In
## 9179 403.0 0.00 46 0.14 0 225.27 0.000 -9999.00 1.10
## 9180 403.5 0.52 57 0.14 0 223.79 169113.177 -9999.00 1.09
## 9181 404.0 1.00 68 0.15 0 222.28 20820.246 -9999.00 1.08
## 9182 404.5 1.50 78 0.15 0 220.32 5061.134 -9999.00 1.08
## 9183 405.0 2.01 88 0.15 0 220.17 4720.052 2.71 1.09
## 9184 405.5 2.51 98 0.16 0 220.17 4674.229 40.49 1.09
## POWER Pump.time PVT ROP RotatingHrs RPM RPM.SURF SPP Temp.In
## 9179 0.000000 0.17 2141.88 3.55 0.59 43 4 25.13 32.4
## 9180 8.187181 0.18 2168.51 3.55 0.60 43 43 27.15 32.4
## 9181 16.374362 0.18 2138.48 57.67 0.60 43 43 28.11 32.4
## 9182 8.187181 0.18 2120.94 118.62 0.61 43 43 27.55 32.4
## 9183 8.229550 0.19 2129.53 127.85 0.61 43 43 27.57 32.4
## 9184 8.294993 0.19 2128.11 130.13 0.61 43 43 26.62 32.4
## Temp.Out TORQUE TVD WOB DrillHrs_OPT DrillHrs_REAL
## 9179 26.4 0 403.0 0.0 Not optimize optimize
## 9180 26.5 1 403.5 0.0 Not optimize optimize
## 9181 26.5 2 404.0 0.0 Not optimize optimize
## 9182 26.5 1 404.5 0.0 Not optimize optimize
## 9183 26.5 1 405.0 0.2 Not optimize optimize
## 9184 26.5 1 405.5 0.5 Not optimize optimizedrilling_cleanROP <- drilling_cleanROP %>%
mutate(DrillHrs_OPT = as.factor(DrillHrs_OPT),
DrillHrs_REAL = as.factor(DrillHrs_REAL) )
glimpse(drilling_cleanROP)## Rows: 41,710
## Columns: 24
## $ Depth <dbl> 403.0, 403.5, 404.0, 404.5, 405.0, 405.5, 406.0, 406.5, …
## $ Bitm <dbl> 0.00, 0.52, 1.00, 1.50, 2.01, 2.51, 3.02, 3.51, 4.03, 4.…
## $ BitRevs <int> 46, 57, 68, 78, 88, 98, 108, 118, 130, 143, 200, 209, 21…
## $ DrillHrs <dbl> 0.14, 0.14, 0.15, 0.15, 0.15, 0.16, 0.16, 0.17, 0.17, 0.…
## $ Dxc <int> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,…
## $ FlowRate <dbl> 225.27, 223.79, 222.28, 220.32, 220.17, 220.17, 221.83, …
## $ MSE <dbl> 0.000, 169113.177, 20820.246, 5061.134, 4720.052, 4674.2…
## $ MSE_DAVG <dbl> -9999.00, -9999.00, -9999.00, -9999.00, 2.71, 40.49, 40.…
## $ MW.In <dbl> 1.10, 1.09, 1.08, 1.08, 1.09, 1.09, 1.09, 1.10, 1.08, 1.…
## $ POWER <dbl> 0.000000, 8.187181, 16.374362, 8.187181, 8.229550, 8.294…
## $ Pump.time <dbl> 0.17, 0.18, 0.18, 0.18, 0.19, 0.19, 0.20, 0.20, 0.20, 0.…
## $ PVT <dbl> 2141.88, 2168.51, 2138.48, 2120.94, 2129.53, 2128.11, 21…
## $ ROP <dbl> 3.55, 3.55, 57.67, 118.62, 127.85, 130.13, 130.57, 127.1…
## $ RotatingHrs <dbl> 0.59, 0.60, 0.60, 0.61, 0.61, 0.61, 0.62, 0.62, 0.63, 0.…
## $ RPM <dbl> 43, 43, 43, 43, 43, 43, 43, 43, 43, 42, 43, 42, 42, 42, …
## $ RPM.SURF <dbl> 4, 43, 43, 43, 43, 43, 43, 43, 43, 42, 43, 42, 42, 42, 4…
## $ SPP <dbl> 25.13, 27.15, 28.11, 27.55, 27.57, 26.62, 26.90, 29.21, …
## $ Temp.In <dbl> 32.4, 32.4, 32.4, 32.4, 32.4, 32.4, 32.4, 32.4, 32.4, 32…
## $ Temp.Out <dbl> 26.4, 26.5, 26.5, 26.5, 26.5, 26.5, 26.5, 26.4, 26.5, 26…
## $ TORQUE <int> 0, 1, 2, 1, 1, 1, 1, 1, 1, 2, 1, 3, 3, 4, 3, 4, 2, 3, 2,…
## $ TVD <dbl> 403.0, 403.5, 404.0, 404.5, 405.0, 405.5, 406.0, 406.5, …
## $ WOB <dbl> 0.0, 0.0, 0.0, 0.0, 0.2, 0.5, 0.3, 0.3, 1.3, 0.8, 1.3, 3…
## $ DrillHrs_OPT <fct> Not optimize, Not optimize, Not optimize, Not optimize, …
## $ DrillHrs_REAL <fct> optimize, optimize, optimize, optimize, optimize, optimi…Cross-Validation
Split data drilling_cleanROP menjadi
drilling_cleanROP_train dan
drilling_cleanROP_test dengan proporsi 80:20
set.seed(100)
index <- sample(nrow(drilling_cleanROP), nrow(drilling_cleanROP) * 0.8)
drilling_cleanROP_train <- drilling_cleanROP[index,]
drilling_cleanROP_test <- drilling_cleanROP[-index,]looking Correlation each variable
library(GGally)## Registered S3 method overwritten by 'GGally':
## method from
## +.gg ggplot2ggcorr(drilling_cleanROP, label = TRUE, label_size = 2.9, hjust = 1, layout.exp = 2)## Warning in ggcorr(drilling_cleanROP, label = TRUE, label_size = 2.9, hjust =
## 1, : data in column(s) 'DrillHrs_OPT', 'DrillHrs_REAL' are not numeric and were
## ignored
# SUMMARY DATA
summary(drilling_cleanROP)## Depth Bitm BitRevs DrillHrs
## Min. : 401 Min. : 0.0 Min. : 0 Min. : 0.00
## 1st Qu.:1546 1st Qu.: 263.7 1st Qu.: 27307 1st Qu.: 5.20
## Median :2414 Median : 594.9 Median : 88621 Median :15.24
## Mean :2407 Mean : 653.9 Mean :112318 Mean :17.88
## 3rd Qu.:3284 3rd Qu.: 973.6 3rd Qu.:155007 3rd Qu.:26.42
## Max. :4560 Max. :1917.5 Max. :553482 Max. :78.89
## Dxc FlowRate MSE MSE_DAVG
## Min. :-9999.000 Min. : 0.0 Min. : -9999 Min. : -9999.0
## 1st Qu.: 1.000 1st Qu.: 491.8 1st Qu.: 3853 1st Qu.: 144.6
## Median : 1.000 Median : 738.4 Median : 211506 Median : 25803.3
## Mean : -0.237 Mean : 750.3 Mean : 251755 Mean : 33609.6
## 3rd Qu.: 1.000 3rd Qu.:1018.6 3rd Qu.: 346296 3rd Qu.: 50941.9
## Max. : 2.000 Max. :1523.1 Max. :14300000 Max. :1754382.0
## MW.In POWER Pump.time PVT
## Min. :0.784 Min. : 0.000 Min. : 0.00 Min. :-9999
## 1st Qu.:1.120 1st Qu.: 5.837 1st Qu.: 13.17 1st Qu.: 1142
## Median :1.126 Median :144.388 Median : 29.80 Median : 2002
## Mean :1.146 Mean :148.253 Mean : 365.55 Mean : 1634
## 3rd Qu.:1.215 3rd Qu.:252.224 3rd Qu.: 58.80 3rd Qu.: 2340
## Max. :1.725 Max. :699.067 Max. :2780.34 Max. : 2850
## ROP RotatingHrs RPM RPM.SURF
## Min. : 0.91 Min. : 0.00 Min. : 0.0 Min. : 0
## 1st Qu.: 38.08 1st Qu.: 24.77 1st Qu.: 83.0 1st Qu.: 79
## Median : 53.80 Median : 42.81 Median :109.0 Median : 94
## Mean : 57.18 Mean : 57.83 Mean :103.2 Mean : 479
## 3rd Qu.: 71.92 3rd Qu.: 77.16 3rd Qu.:120.0 3rd Qu.: 122
## Max. :145.58 Max. :377.00 Max. :204.0 Max. :3292
## SPP Temp.In Temp.Out TORQUE
## Min. : 25.13 Min. :21.60 Min. :-9999.00 Min. : 0.00
## 1st Qu.:1018.50 1st Qu.:29.50 1st Qu.: 28.80 1st Qu.: 7.00
## Median :1436.75 Median :31.60 Median : 31.90 Median :12.00
## Mean :1578.44 Mean :32.57 Mean : 30.43 Mean :13.02
## 3rd Qu.:2451.19 3rd Qu.:35.90 3rd Qu.: 38.10 3rd Qu.:19.00
## Max. :4110.98 Max. :51.10 Max. : 49.40 Max. :37.00
## TVD WOB DrillHrs_OPT DrillHrs_REAL
## Min. : 402.5 Min. : 0.00 Not optimize:32178 Not optimize: 3409
## 1st Qu.:1228.6 1st Qu.: 7.40 optimize : 9532 optimize :38301
## Median :1269.0 Median :11.40
## Mean :1185.2 Mean :13.97
## 3rd Qu.:1273.6 3rd Qu.:17.50
## Max. :1283.5 Max. :99.80Cek proporsi kelas di data training:
prop.table(table(drilling_cleanROP_train$DrillHrs_OPT))##
## Not optimize optimize
## 0.76927 0.23073Dari data diatas, perbandingan data diatas
drilling_cleanROP_train secara proposional 77 : 23. maka
perlu dilakukan upsampling / downsampling. kali ini akan
menggunakan metode downsampling
# downsampling
RNGkind(sample.kind = "Rounding")## Warning in RNGkind(sample.kind = "Rounding"): non-uniform 'Rounding' sampler
## usedset.seed(100)
library(caret)
drilling_cleanROP_train <- downSample(x = drilling_cleanROP_train %>% select(-DrillHrs_OPT), # prediktor saja
y = drilling_cleanROP_train$DrillHrs_OPT, # target saja
yname = "DrillHrs_OPT") # rename kolom
head(drilling_cleanROP_train)## Depth Bitm BitRevs DrillHrs Dxc FlowRate MSE MSE_DAVG MW.In
## 1 2392.5 220.36 27227 6.82 1 468.51 509149.1713 39833.860 1.134
## 2 460.0 51.78 2985 0.95 1 884.45 16773.0022 499.830 1.085
## 3 3950.0 1027.22 233766 32.33 1 487.77 187027.0000 0.947 1.141
## 4 2895.5 1340.20 386243 41.57 1 761.45 85494.3600 1.189 1.225
## 5 546.0 81.06 1156 0.98 1 854.48 996.3343 -250.600 1.109
## 6 3043.0 870.75 98644 21.02 1 497.61 403606.7910 62924.350 1.143
## POWER Pump.time PVT ROP RotatingHrs RPM RPM.SURF SPP Temp.In
## 1 194.207546 11.03 835.69 27.97 35.53 85 85.00 972.48 29.9
## 2 5.553772 2.62 2260.03 24.28 20.82 29 29.00 1059.25 34.1
## 3 61.790000 1113.57 38.49 69.09 119.00 119 1872.78 28.80 31.5
## 4 79.690000 1566.25 26.60 123.33 181.00 181 1787.60 35.90 42.4
## 5 1.698279 1.95 2711.23 124.99 14.52 94 0.00 965.62 31.7
## 6 316.101015 28.80 1722.27 57.43 54.71 92 91.00 1218.54 30.6
## Temp.Out TORQUE TVD WOB DrillHrs_REAL DrillHrs_OPT
## 1 36.6 12 1272.69 0.0 optimize Not optimize
## 2 29.8 1 459.99 0.8 optimize Not optimize
## 3 30.0 30 1277.20 7.0 optimize Not optimize
## 4 13.0 13 1271.99 0.7 Not optimize Not optimize
## 5 21.6 0 545.96 8.2 optimize Not optimize
## 6 35.6 18 1269.11 8.4 optimize Not optimizeprop.table(table(drilling_cleanROP_train$DrillHrs_OPT))##
## Not optimize optimize
## 0.5 0.5table(drilling_cleanROP_train$DrillHrs_OPT)##
## Not optimize optimize
## 7699 7699Model Fitting
library(partykit)## Loading required package: grid## Loading required package: libcoin## Loading required package: mvtnormdrilling_tree <- ctree(formula = DrillHrs_OPT ~ .,
data = drilling_cleanROP_train)# visualisasi decision tree
plot(drilling_tree)
Model Evaluation
Mari evaluasi drilling_tree menggunakan confusion matrix
berdasarkan hasil prediksi di data test:
Parameter type:
type = "prob"mengembalikan nilai peluang untuk masing-masing kelastype = "response"mengembalikan label kelasnya (default threshold 0.5)
# prediksi kelas di data test
pred_drilling_test <- predict(object = drilling_tree,
newdata = drilling_cleanROP_test,
type = "response")
head(pred_drilling_test)## 9181 9185 9187 9190 9196 9218
## Not optimize Not optimize Not optimize Not optimize Not optimize Not optimize
## Levels: Not optimize optimize# confusion matrix data test
confusionMatrix(data = pred_drilling_test,
reference = drilling_cleanROP_test$DrillHrs_REAL,
positive = "optimize")## Confusion Matrix and Statistics
##
## Reference
## Prediction Not optimize optimize
## Not optimize 658 5849
## optimize 0 1835
##
## Accuracy : 0.2988
## 95% CI : (0.289, 0.3088)
## No Information Rate : 0.9211
## P-Value [Acc > NIR] : 1
##
## Kappa : 0.0472
##
## Mcnemar's Test P-Value : <2e-16
##
## Sensitivity : 0.2388
## Specificity : 1.0000
## Pos Pred Value : 1.0000
## Neg Pred Value : 0.1011
## Prevalence : 0.9211
## Detection Rate : 0.2200
## Detection Prevalence : 0.2200
## Balanced Accuracy : 0.6194
##
## 'Positive' Class : optimize
## Mode model diatas adalah Precision = 1.0 dengan tingkat
Specificity = 1.0
Selain melihat confusion matrix untuk data test saja, ada baiknya
kita juga bandingkan dengan performance model di data train
(drilling_cleanROP_train) untuk mengetahui fitting dari
sebuah model:
# prediksi kelas di data train
pred_drill_train <- predict(object = drilling_tree,
newdata = drilling_cleanROP_train,
type = "response")
# confusion matrix data train
confusionMatrix(data = pred_drill_train,
reference = drilling_cleanROP_train$DrillHrs_OPT,
positive = "optimize")## Confusion Matrix and Statistics
##
## Reference
## Prediction Not optimize optimize
## Not optimize 7699 0
## optimize 0 7699
##
## Accuracy : 1
## 95% CI : (0.9998, 1)
## No Information Rate : 0.5
## P-Value [Acc > NIR] : < 2.2e-16
##
## Kappa : 1
##
## Mcnemar's Test P-Value : NA
##
## Sensitivity : 1.0
## Specificity : 1.0
## Pos Pred Value : 1.0
## Neg Pred Value : 1.0
## Prevalence : 0.5
## Detection Rate : 0.5
## Detection Prevalence : 0.5
## Balanced Accuracy : 1.0
##
## 'Positive' Class : optimize
## - Recall di data train: 0.5286
- Recall di data test: 0.2386
Ketika dibandingkan, performa model drilling_tree
cenderung lebih baik pada data train dibandingkan data test. Model ini
dikatakan sebagai model yang overfitting. Karena
performa model belum cukup baik, perlu dilakukan model
tuning.
MODEIL TUNING
drilling_tree_tuned <- ctree(formula = DrillHrs_OPT ~ .,
data = drilling_cleanROP_train,
control = ctree_control(mincriterion = 0.1,
minsplit = 70,
minbucket = 50)) # harus coba coba
plot(drilling_tree_tuned, type = "simple")
Kemudian kita coba re-evaluasi untuk model yang sudah dilakukan
tuning, simpan pada objek pred_diab_train_tuned dan
pred_diab_test_tuned:
# prediksi kelas di data test
pred_drill_test_tuned <- predict(object = drilling_tree_tuned,
newdata = drilling_cleanROP_test,
type = "response")
# confusion matrix data test
confusionMatrix(data = pred_drill_test_tuned,
reference = drilling_cleanROP_test$DrillHrs_OPT,
positive = "optimize")## Confusion Matrix and Statistics
##
## Reference
## Prediction Not optimize optimize
## Not optimize 6507 0
## optimize 2 1833
##
## Accuracy : 0.9998
## 95% CI : (0.9991, 1)
## No Information Rate : 0.7803
## P-Value [Acc > NIR] : <2e-16
##
## Kappa : 0.9993
##
## Mcnemar's Test P-Value : 0.4795
##
## Sensitivity : 1.0000
## Specificity : 0.9997
## Pos Pred Value : 0.9989
## Neg Pred Value : 1.0000
## Prevalence : 0.2197
## Detection Rate : 0.2197
## Detection Prevalence : 0.2200
## Balanced Accuracy : 0.9998
##
## 'Positive' Class : optimize
## # prediksi kelas di data train
pred_drill_train_tuned <- predict(object = drilling_tree_tuned,
newdata = drilling_cleanROP_train,
type = "response")
# confusion matrix data train
confusionMatrix(data = pred_drill_train_tuned,
reference = drilling_cleanROP_train$DrillHrs_OPT,
positive = "optimize")## Confusion Matrix and Statistics
##
## Reference
## Prediction Not optimize optimize
## Not optimize 7699 0
## optimize 0 7699
##
## Accuracy : 1
## 95% CI : (0.9998, 1)
## No Information Rate : 0.5
## P-Value [Acc > NIR] : < 2.2e-16
##
## Kappa : 1
##
## Mcnemar's Test P-Value : NA
##
## Sensitivity : 1.0
## Specificity : 1.0
## Pos Pred Value : 1.0
## Neg Pred Value : 1.0
## Prevalence : 0.5
## Detection Rate : 0.5
## Detection Prevalence : 0.5
## Balanced Accuracy : 1.0
##
## 'Positive' Class : optimize
## - Recall di train = 1.0 ; Accuracy = 1.0
- Recall di test = 1.0 ; Accuracy = 0.9996
Modeling: Naive Bayes
library(e1071)##
## Attaching package: 'e1071'## The following object is masked from 'package:gtools':
##
## permutations# model building
naive_model_drill <- naiveBayes(x = drilling_cleanROP %>% select(-DrillHrs_OPT), # kolom-kolom prediktor
y = drilling_cleanROP$DrillHrs_OPT) # kolom target variable
naive_model_drill##
## Naive Bayes Classifier for Discrete Predictors
##
## Call:
## naiveBayes.default(x = drilling_cleanROP %>% select(-DrillHrs_OPT),
## y = drilling_cleanROP$DrillHrs_OPT)
##
## A-priori probabilities:
## drilling_cleanROP$DrillHrs_OPT
## Not optimize optimize
## 0.7714697 0.2285303
##
## Conditional probabilities:
## Depth
## drilling_cleanROP$DrillHrs_OPT [,1] [,2]
## Not optimize 2411.290 1139.303
## optimize 2394.385 738.187
##
## Bitm
## drilling_cleanROP$DrillHrs_OPT [,1] [,2]
## Not optimize 701.4987 509.3482
## optimize 493.2728 155.8348
##
## BitRevs
## drilling_cleanROP$DrillHrs_OPT [,1] [,2]
## Not optimize 121349.91 120753.98
## optimize 81829.82 34504.51
##
## DrillHrs
## drilling_cleanROP$DrillHrs_OPT [,1] [,2]
## Not optimize 19.30764 16.933246
## optimize 13.06979 3.037243
##
## Dxc
## drilling_cleanROP$DrillHrs_OPT [,1] [,2]
## Not optimize -0.6040152 124.6456362
## optimize 1.0008393 0.1149753
##
## FlowRate
## drilling_cleanROP$DrillHrs_OPT [,1] [,2]
## Not optimize 756.5987 269.7881
## optimize 728.8515 281.8522
##
## MSE
## drilling_cleanROP$DrillHrs_OPT [,1] [,2]
## Not optimize 245544.2 391136.3
## optimize 272719.7 232605.4
##
## MSE_DAVG
## drilling_cleanROP$DrillHrs_OPT [,1] [,2]
## Not optimize 33442.67 42393.94
## optimize 34173.13 44815.20
##
## MW.In
## drilling_cleanROP$DrillHrs_OPT [,1] [,2]
## Not optimize 1.141113 0.07766791
## optimize 1.162814 0.04868777
##
## POWER
## drilling_cleanROP$DrillHrs_OPT [,1] [,2]
## Not optimize 140.9270 142.4453
## optimize 172.9838 109.1777
##
## Pump.time
## drilling_cleanROP$DrillHrs_OPT [,1] [,2]
## Not optimize 411.0113 773.4554
## optimize 212.0737 487.6857
##
## PVT
## drilling_cleanROP$DrillHrs_OPT [,1] [,2]
## Not optimize 1609.675 906.1327
## optimize 1717.386 848.8078
##
## ROP
## drilling_cleanROP$DrillHrs_OPT [,1] [,2]
## Not optimize 58.18309 31.38107
## optimize 53.78605 19.28418
##
## RotatingHrs
## drilling_cleanROP$DrillHrs_OPT [,1] [,2]
## Not optimize 61.19909 48.10772
## optimize 46.45435 35.40054
##
## RPM
## drilling_cleanROP$DrillHrs_OPT [,1] [,2]
## Not optimize 103.1057 32.17409
## optimize 103.4440 22.38686
##
## RPM.SURF
## drilling_cleanROP$DrillHrs_OPT [,1] [,2]
## Not optimize 516.3788 856.8983
## optimize 352.6196 641.1022
##
## SPP
## drilling_cleanROP$DrillHrs_OPT [,1] [,2]
## Not optimize 1569.885 1114.7980
## optimize 1607.329 911.0225
##
## Temp.In
## drilling_cleanROP$DrillHrs_OPT [,1] [,2]
## Not optimize 32.80424 5.307552
## optimize 31.79501 4.397011
##
## Temp.Out
## drilling_cleanROP$DrillHrs_OPT [,1] [,2]
## Not optimize 29.99337 56.925976
## optimize 31.90153 8.443198
##
## TORQUE
## drilling_cleanROP$DrillHrs_OPT [,1] [,2]
## Not optimize 13.04419 8.799693
## optimize 12.95573 6.426467
##
## TVD
## drilling_cleanROP$DrillHrs_OPT [,1] [,2]
## Not optimize 1164.518 217.93496
## optimize 1254.808 32.91672
##
## WOB
## drilling_cleanROP$DrillHrs_OPT [,1] [,2]
## Not optimize 13.48905 11.99353
## optimize 15.57411 10.22645
##
## DrillHrs_REAL
## drilling_cleanROP$DrillHrs_OPT Not optimize optimize
## Not optimize 0.1059419 0.8940581
## optimize 0.0000000 1.0000000