;

Miftahush Shirothul Haq

Saudaraku seiman, bukan besar kecilnya tugas yang menjadikan tinggi rendahnya diri kita, melainkan manfaat dari apa yang kita kerjakan buat sekitar kita. Maka senantiasalah bersemangat dalam hal nan penuh kebermanfaatan ini.

Nabi Muhammad SAW

"Jika seseorang bepergian dengan tujuan mencari ilmu, maka Allah akan menjadikan perjalanannya seperti perjalanan menuju surga"

Kamis, 28 Agustus 2014

Proses Kerja AHP (Analytic Hierarchy Process)

Dikutip dari Asro , Sumber : http://asro.wordpress.com/2008/06/26/ahp-ditulis-ulang/
Tulisan ini sebenarnya merupakan tulisan pertama saya di Blog ini. Berhubung satu dan lain hal maka tulisan tersebut tidak selesai. Nah sekarang saya mau menulisnya ulang hingga tuntas… Semoga bermanfaat.
AHP (Analytic Hierarchy Process) merupakan salah satu teknik dalam pengambilan keputusan.  Dalam mengambil keputusan, kita mempunyai kriteria sebagai dasar penilaian, dan kita juga akan dihadapkan dengan lebih dari satu alternative pilihan.  Jika alternative pilihan tersebut hanya ada dua, mungkin masih mudah buat kita untuk memilih, akan tetapi jika alternative pilihan tersebut banyak, maka cukup sulit bagi kita untuk memutuskannya.  AHP merupakan teknik yang dikembangkan untuk membantu mengatasi kesulitan ini.  Dalam AHP, semua alternative plilihan diadu satu lawan satu, seperti pada pertandingan sepak bola dengan system setengah kompetisi.  Skor dari masing-masing pasangan kemudian ditabulasi untuk dihitung total skor untuk masing-masing alternative.  Ada satu kelemahan dalam AHP, yaitu bisa terjadi kita tidak konsisten dalam memberi bobot, apalagi kalau item/pasangannya banyak.  Tetapi jangan kuatir karena ada alat/tool untuk mengeceknya.
Selanjutnya untuk lebih mempermudah, maka penjelasan mengenai AHP ini akan dilakukan melalui  pembahasan sebuah contoh penggunaannya.  Kita ambil suatu contoh berikut: Dalam memilih istri, Si Bangbang mempunyai 3 kriteria, yaitu ceweknya harus cantik, memiliki tingkat pendidikan yang tinggi dan berasal dari keluarga yang kaya.  Saat ini Bangbang memiliki 3 orang pacar, yang dipacarinya secara bergantian (playboy juga si Bangbang ini), Fitri,Yayu dan Grace.  Selain playboy, ternyata Bangbang juga cukup pintar, dia baru saja mendapat nilai A dalam mata kuliah Methoda Pengambilan Keputusan, yang salah satu topiknya membahas AHP.  Sehingga dia mau mempraktekan ilmu AHP ini dalam memilih istrinya.
Yang pertama yang dilakukan Bangbang adalah menentukan bobot untuk ketiga kriteria, mana yang paling penting.  Ketiga kriteria tersebut di-adu satu lawan satu, yang dalam terminologi AHP disebut pair-wise comparation (terjemahannya apa ya?).  Si Bangbang merasa:
  • Cantik lebih penting 2 kali dari pendidikan.
  • Cantik lebih penting 3 kali dari kaya, dan
  • Pendidikan lebih penting 1.5 kali dari kaya.
Selanjutnya hasil pair-wire comparation ini oleh Bangbang dibuat tabulasinya, yang dalam istilah AHP disebut sebagai pair comparation matrix, seperti terlihat pada gambar berikut.
 null
Dari gambar diatas, Prioity Vector (kolom paling kanan) menunjukan bobot dari masing-masing kriteria, jadi dalam hal ini cantik merupakan bobot tertinggi/terpenting menurut Bangbang, disusul pendidikan dan yang terakhir adalah kaya.  Bagaimana cara membuat matrix ini?:
  • Hasil pair wise comparation diatas diisi pada sel berwarna putih (bagian kanan atas matrix),  dengan aturan  baris vs kolom.  Jadi angka 2 (cantiklebih penting 2 kali dari pendidikan) diisi pada sel yang merupakan perpotongan antara baris cantik dan kolom pendidikan.  Angka 3 (Cantiklebih penting 3 kali dari kaya) diisi pada sel yang merupakan perpotongan antara baris cantik dan kolom kaya.  Begitu juga dengan angka 1.5(Pendidikan lebih penting 1.5 kali dari kaya) diisi pada sel yang merupakan perpotongan antara baris pendidikan dan kolom kaya.  Sampai disini semua sel di kanan atas matrix (sel berlatar belakang Putih) terisi.  Pada sel dengan baris dan kolom sama (Cantik-Cantik atau Pendidikan-Pendidikan atau Kaya-Kaya), sel berlatar belakang Hijau diisi dengan angka 1 (Kenapa? Ayo Siapa yang tahu?).  Kemudian sel pada bagian Kiri bawah matrix (berlatar belakang Abu-Abu) diisi dengan angka kebalikan dari sel disebelah Kiri atas.  Jadi pada sel Pendidikan-Cantik diisi dengan angka1/2, yaitu kebalikan dari angka yang berada pada sel Cantik-Pendidikan, dstnya.
  • Baris Jumlah (baris paling bawah) merupakan penjumlahan dari semua angka yang ada pada baris diatasnya dalam satu kolom.
  • Kolom Priority Vector, merupakan hasil penjumlahan dari semua sel disebelah Kirinya (pada baris yang sama) setelah terlebih dahulu dibagi dengan sel Jumlah yang ada dibawahnya, kemudian hasil penjumlahan tersebut dibagi dengan angka 3 (angka 3 karena kriterianya ada 3, yaitu Cantik, Pendidikan dan Kaya).   Bingung???  Supaya nggak bingung, kita ambil contoh saja, angka 0.5455 pada sel yang merupakan perpotongan antara baris Cantik dan kolom Priority diperoleh dari 1/3x(1/1.8333+2/3.6667+3/5.500).  Angka 0.2727 pada sel yang merupakan perpotongan antara baris Pendidikan dan kolom Priority diperoleh dari 1/3x(0.5/1.8333+1/3.6667+1.5/5.500).  Angka 0.1818 pada sel yang merupakan perpotongan antara baris Kaya dan kolom Priority diperoleh dari 1/3x(0.33/1.8333+0.6667/3.67+1/5.500).  Sudah jelaskan?
Sekarang timbul pertanyaan, kenapa hanya untuk memberi bobot pada kriteria kok memerlukan langkah dan perhitungan yang ruwet gini?? Ya kalau jumlah kriterianya hanya tiga, memang  terasa terlalu ruwet, tidak sebanding dengan keuntungan yang diperoleh.  Akan tetapi kalau jumlah kriterianya banyak maka walaupun agak ruwet tetapi cara ini sangat membantu.  Selain itu, sebenarnya perhitungan ini juga dimaksud menyamakan rentang/skala bobot untuk setiap pasangan, atau dalam bahwa AHP disebut normalized (bahasa Indonesianya apa ya?  dinormalkan?? atau dibuat normal??).
Setelah Bangbang mendapatkan bobot untuk setiap kriteria (yang ada pada kolom Priority  Vector), maka selanjutnya dia mau mengecek apakah bobot yang dia dibuat konsisten atau tidak.  Untuk hal ini, yang pertama yang dilakukan adalah menghitung Pricipal Eigen Value (lmax) matrix diatas dengan cara menjumlahkan  hasil perkalian antara sel pada baris jumlah dan sel pada kolom Priority Vector, sbb: 1.8333×0.5455+3.6667×0.2727+5.5×0.1818=3.  Kemudian Bangbang menghitung Consistency Index (CI), dengan rumus CI = (lmax-n)/(n-1) dengan n adalah jumlah kriteria (dalam hal ini 3), jadi CI = (3-3)/(3-1)=0/2=0.  CI sama dengan nol berarti pembobotan yang dilakukan sangat konsisten.  Untuk pembobotan dengan jumlah kriteria yang cukup banyak (diatas 5 kriteria), pembobotan yang konsisten (CI=0) seperti ini sangat sulit dicapai.  Oleh karena itu, pada batas tertentu HPS masih mau menerima ketidak konsistenan ini.  Batas toleransi ketidak konsistenan ditentukan oleh nilai Random Consistency Index (CR) yang diperoleh dengan rumus CR=CI/RI, nilai RI bergantung pada jumlah kriteria seperti pada tabel berikut:
 null
Jadi untuk n=3, RI=0.58. 
Jika hasil perhitungan  CR lebih kecil atau sama dengan 10% ,  ketidak konsistenan masih bisa diterima, sebaliknya jika lebih besar dari 10%, tidak bisa diterima.
Sampai disini, Bangbang sudah memiliki bobot untuk setiap kriterianya.  Selanjutnya dia mau menilai ketiga pacarnya berdasarkan ketiga kriteria tersebut.  Pertama, Bangbang akan menilai siapa dari ketiga pacarnya tersebut yang paling cantik. Dia berencana dalam kencan minggu depan akan digunakan untuk melakukan hal ini.  Pada akhir minggu, setelah kencan tersebut, dia berhasil memetakan hasil penilaiannya dalam bentuk pair-wire comparation berikut:
  • Yayu 4 kali lebih cantik dari Grace.
  • Yayu 3 kali lebih cantik dari Fitri.
  • Grace 1/2 kali lebih cantik dari Fitri.
Pair-wire comparation matrix-nya adalah sbb:
 null
Arti dari tabel ini adalah dari ketiga pacar Bangbang, yang paling cantik adalah Yayu dengan skor 0.6276 (dalam skala 1), disusul Fitri dengan skor 0.2395 dan Grace dengan skor 0.1373. Perhatikan, nilai CI adalah 0.01 yang berarti pembobotan yang dibuat Bangbang tidak terlalu konsisten (ayo, siapa yang bisa nebak kenapa tidak konsisten?), namun karena nilai CR=2.2% lebih kecil dari 10%, maka ketidak konsistenan ini masih bisa diterima.

Selanjutnya Bangbang akan menilai tingkat pendidikan dari ketiga pacarnya.  Penilaian ini bagi Bangbang tidak sulit karena sejak awal berpacaran Bangbang sudah tahu bahwa Si Yayu yang sehari-hari bekerja sebagai kasir di sebuah toko swalayan hanya tamatan SMA.  Grace yang menduduki salah satu direksi di perusahaan keluarganya adalah lulusan S1 ekonomi dari salah satu perguruan tinggi negeri di Jakarta. Sedangkan Fitri adalah teman kuliahnya di program paska sarjana salah satu perguruan tinggi di Bandung.  Bangbang memberi bobot pendidikan untuk ketiga pacarnya sbb:
  • Tingkat pendidikan Yayu 1/3 Grace.
  • Tingkat pendidikan Yayu 1/4 Fitri.
  • Tingkat pendidikan Grace 1/2 Yayu.
Pair-wire comparation matrix-nya adalah sbb:
 
null 

Dari tabel ini terlihat bahwa Fitri yang mahasiswa S2 mendapat nilai tertinggi yaitu 0.5571 disusul Grace dengan nilai 0.3202 dan terakhir  Yayu dengan nilai 0.1226.  Sekali lagi terlihat bahwa pembobotan ini tidak konsisten, namun masih bisa diterima karena nilai CR masih dibawah 10%.
Yang terakhir Bangbang akan menilai kekayaan dari ketiga pacarnya.  Ini juga tidak sulit bagi Bangbang, dan hasilnya adalah sbb:
  • Bobot kekayaan Yayu 1/100 kali bobot kekayaan Grace.
  • Bobot kekayaan Yayu 1/10 kali bobot kekayaan Fitri.
  • Bobot kekayaan Grace 10 kali bobot kekayaan Fitri.
Pair-wire comparation matrix-nya adalah sbb:
 null
Jadi hasil penilaian Bangbang adalah grace yang paling kaya dengan skor 0.9009, disusul Fitri dengan skor 0.0901 dan yang terakhir Yayu dengan skor 0.0090.  Pada pembobotan kali ini Bangbang sangat konsisten, ini terlihat dari nilai CI=0.
Setelah mendapatkan bobot untuk ketiga kriteria dan skor untuk masing-masing kriteria bagi ketiga pacarnya, maka langkah terakhir adalah menghitung total skor untuk ketiga pacarnya.  Untuk itu Bangbang akan merangkum semua hasil penilaiannya tersebut dalam bentuk tabel yang disebut Overall composite weight, seperti berikut.
null
Cara mengisi tabel ini adalah sbb:
  • Kolom Weight diambil dari kolom Priority Vektor dalam matrix Kriteria.
  • Ketiga kolom lainnya (Yayu, Grace dan Fitri) diambil dari kolom Priority Vector ketiga matrix CantikPendidikan dan Kekayaan.
  • Baris Composite Weight diperoleh dari jumlah hasil perkalian sel diatasnya dengan weight.  Composite weight untuk Yayu = 0.5455×0.6232+0.2727×0.1226+0.1818×0.0090=0.3750.  Composite weight untuk Grace = 0.5455×0.1373+0.2727×0.3202+0.1818×0.9009=0.3260.  Composite weight untuk Fitri = 0.5455×0.2395+0.2727×0.5571+0.1818×0.0901=0.2990.
Dari tabel diatas dapat disimpulkan bahwa Yayu mempunyai skor yang paling tinggi yaitu 0.3750, disusul Grace dengan skor 0.3260 dan yang terakhirFitri dengan skor 0.2990.  AKhirnya Bangbang akan memilih Yayu sebagai istrinya.
Dikutip dari Asro , Sumber : http://asro.wordpress.com/2008/06/26/ahp-ditulis-ulang/

Kamis, 27 Februari 2014

Software Editor Foto Online

Untuk melakukan editing foto, rata-rata orang menggunakan software adobe photoshop. Jika kita mau mencari lagi, anda dapat menemukan situs penyedia editing foto lain yang menu dan fasilitasnya tidak kalah dengan software photoshop.
Kelebihan situs ini adalah dapat menyimpan pekerjaan anda secara online dan tidak perlu menginstal software di desktop anda.
Berikut beberapa situs editing foto yang dapat dijadikan alternatif untuk menggantikan aplikasi seperti Adobe Photoshop :
1. Splashup (http://www.splashup.com/splashup/)
Splashup adalah Editor gambar online yang mempunyai banyak fitur dan terintegrasi dengan situs photo sharing seperti Flickr, Picasa dan Facebook dan memungkinkan Anda mengakses foto Anda dari mana saja.
2. Pixlr (http://www.pixlr.com/app/)
Pixlr adalah Editor gambar berbasis Flash yang memiliki user interface hampir sama dengan Adobe Photoshop.  Pixlr Memiliki tool Wand yang dapat membantu Anda secara otomatis memilih pixel berwarna serupa seperti tool Magic Wand dari Photoshop).

3. Phoenix (http://a.viary.com/tools/phoenix)
Phoenix adalah editor gambar online yang memiliki kemampuan hampir sama dengan aplikasi editor gambar di desktop.
4. SumoPaint (http://www.sumopaint.com/app/)
SumoPaint adalah editor gambar online yang memungkinkan anda untuk mengedit dan membuat gambar. Mempunyai Shape Tool untuk menggambar berbagai bentuk unik, Brush Tool dengan serangkaian brush yang berkualitas, Transform Tool untuk scaling, moving, rotating dan tool-tool yang lain.
5. Pixer (http://pixer.us/)
Pixeri adalah editor gambar online yang digunakan memenuhi kebutuhan editor gambar yang sederhana Pixer mempunyai tampilan sederhana dan memiliki fitur seperti cropping, resizing dan rotating. Pixer juga mempunyai pilihan pengaturan warna seperti Saturation, Brightness dan Contrast dan anda bisa menyimpan pekerjaan menjadi PNG, JPG, GIF atau BMP.
6. FotoFlexer (http://fotoflexer.com/)
FotoFlexer adalah editor gambar online yang memiliki banyak fitur dan mudah digunakan.
FotoFlexer terintegrasi dengan situs photo sharing seperti Flickr, Picasa, Photobucket, Facebook, MySpace.

Rabu, 19 Februari 2014

Performance Logistic regression

Untuk menghitung Prediksi suatu data dengan logistik regression menggunakan rapidminer dapat anda lakukan seperti ini :

Persiapan :
1. Data
2. Rapidminer

Langkah langkah
1. Input data ke rapidminer
    - Atur nilai label dan Attribut
2. Buat model
 * Database
 * Validation
    - Model Split validation
    - Metode Logistik Regression
    - Set Split Ratio, misalkan split validation 0.9 maka data training yang digunakan 90 %

Langkah Pembuatan model
1. Gambar Model
2. Set Variabel

3.Buat Model


Model Depan


Model yang terbangun dalam validation



ganti model jadi split validation


Set Rasio atau nilai training

Hasil


Untuk melakukan eksperimen K- Fold Validation anda tinggal mengganti evalition dengan X- Validation kemudian mengganti mau berapa kali percobaannya

sampai disini dulu eksperimennya


Senin, 17 Februari 2014

Menghitung Regresi Lineardengan SPSS

Machine Learning
Definisi Operasional Variabel Penelitian
-  Variabel Tunggakan Pembayaran Cicilan Bulanan Kredit Perumahan (Y) dihitung dari besarnya cicikan per bulan dikalikan dengan jumlah bulan yang menunggak pada saat penelitian.
-  Variabel Tingkat Pendapatan Keluarga (X1) dihitung dengan menjumlahkan besarnya penghasilan per bulan dari pekerjaan rutin dan pekerjaan sampingan, baik suami maupun istri.
-  Tingkat Pendidikan Orang Tua (X2) dihitung dengan menjumlahkan skor tingkat pendidikan terakhir baik suami maupun istri.
-  Rasio Ketergantungan (X3) dihitung dengan membagi antara jumlah anggota keluarga yang tidak bekerja (menjadi tanggungan yang bekerja) dengan jumlah anggota keluarga yang bekerja.
- Besarnya Cicilan Per Bulan (X4) dihitung berdasarkan besarnya cicilan bulanan kredit perumahan yang dibayar tiap bulan.

X1  X2  X3  X4 
1 80250 1650000 10 1 80250
2 86000 1600000 8 1 86000
3 106000 2050000 8 1 106000
4 70108 1200000 7 1 70108
5 680400 1650000 4 2 170100
6 66100 1500000 8 2 66100
7 66100 1500000 8 1 66100
8 111000 1450000 7 3 55500
9 55500 1250000 8 2 55500
10 72500 1525000 9 1 72500
11 324000 600000 7 4 108000
12 300000 800000 8 2 150000
13 229500 700000 5 3 76500
14 1600000 450000 5 5 200000
15 780000 500000 3 3 130000
16 423000 700000 6 3 47000
17 210000 1000000 6 3 105000
18 125000 1125000 10 1 125000
19 405000 700000 6 4 81000
20 510000 500000 7 4 85000
21 182100 900000 7 3 60700
22 427260 850000 9 3 71210
23 81000 1900000 10 1 81000
24 75100 1300000 8 1 75100
25 70000 1580000 9 2 70000
26 68000 1222000 7 2 68000
27 66500 1650000 8 2 66500
28 215850 900000 7 5 71940
29 79000 1450000 8 1 79000
30 69700 1530000 8 2 69700
31 105500 1690000 9 3 105500
32 79000 1750000 6 2 79000
33 60710 1250000 7 3 60710
34 72000 1200000 8 2 72000
35 61000 1560000 7 2 61000
36 120000 1400000 6 2 60000
37 490000 700000 5 4 70000
38 335000 950000 6 3 67000
Untuk menghitung nilai Y maka langkah2 yang harus dilakukan sebagai berikut :
1. Import data diatas yang telah diubah bentuknya menjadi file excel.
2. Pilih Analisis - Regression - Linear


3. Konfigurasi setiap variabel seperti dibawah 

4. Setelah anda melakukan konfigurasi seperti diatas maka akan muncul halaman hasil 

Sampai disini dulu tutorialnya ....thanks


Minggu, 16 Februari 2014

Cara Mengaktifkan Tools Data Analisys di Excel

Machine Learning

Untuk menghitung Regresi linear berganda anda dapat melakukannya di Microsoft Excel, langkah awal yang anda harus lakukan adalah mengaktifkan Tools Data Analysis di Excel..

Gambar Icon Data Analisys di excel

Langkah - Langkah mengaktifkan tools Data Analysis

1. Pilih File - Option - Add ins 
2. Pilih Analisys ToolPak - Go


3. Ceklist Analisys Toolpak dan Analisys Toolpak - VBA
4. OK