Orange: Venn Diagram - Revision history

Onnowpurbo: /* Contoh */

2020-03-18T02:35:24Z

Contoh

Onnowpurbo: /* Contoh */

2020-03-18T01:23:10Z

Contoh

Onnowpurbo at 00:23, 18 March 2020

2020-03-18T00:23:05Z

Onnowpurbo: /* Contoh */

2020-03-18T00:22:35Z

Contoh

Onnowpurbo: /* Contoh */

2020-03-18T00:21:09Z

Contoh

Onnowpurbo: /* Contoh */

2020-03-18T00:20:53Z

Contoh

Onnowpurbo: /* Output */

2020-03-18T00:20:19Z

Output

Onnowpurbo: /* Contoh */

2020-02-03T04:53:32Z

Contoh

Onnowpurbo: /* Contoh */

2020-02-03T04:47:41Z

Contoh

Onnowpurbo at 04:44, 3 February 2020

2020-02-03T04:44:20Z

@@ Line 31: / Line 31: @@
 [[File:VennDiagram-Example1.png|center|200px|thumb]]
-Venn Diagram widget juga dapat digunakan untuk menjelajahi berbagai model prediksi. Dalam contoh berikut, kita menganalisis 3 metode prediksi, yaitu Naive Bayes, SVM dan Random Forest, sesuai dengan kesalahan klasifikasi mereka pada instance data.
+Widget Venn Diagram juga dapat digunakan untuk menjelajahi berbagai model prediksi. Dalam contoh berikut, kita menganalisis 3 metode prediksi, yaitu Naive Bayes, SVM dan Random Forest, sesuai dengan kesalahan klasifikasi mereka pada instance data.
-Dengan memilih misclassification dalam tiga widget Confusion Matrix dan mengirimkannya ke widget diagram Venn, kita dapat melihat semua contoh kesalahan klasifikasi divisualisasikan per metode yang digunakan. Kemudian kami membuka widget Diagram Venn dan memilih, misalnya, contoh misclassified instance yang diidentifikasi oleh ketiga metode. Ini direpresentasikan sebagai persimpangan dari ketiga lingkaran. Klik pada persimpangan untuk melihat dua contoh ini ditandai dalam widget Scatter Plot. Coba pilih bagian diagram yang berbeda untuk melihat bagaimana perubahan visualisasi scatter plot.
+Dengan memilih misclassification dalam tiga widget Confusion Matrix dan mengirimkannya ke widget Venn Diagram, kita dapat melihat semua contoh kesalahan klasifikasi divisualisasikan per metode yang digunakan. Kemudian kami membuka widget Venn Diagram dan memilih, misalnya, contoh misclassified instance yang diidentifikasi oleh ketiga metode. Ini direpresentasikan sebagai persimpangan dari ketiga lingkaran. Klik pada persimpangan untuk melihat dua contoh ini ditandai dalam widget Scatter Plot. Coba pilih bagian diagram yang berbeda untuk melihat bagaimana perubahan visualisasi scatter plot.
 [[File:VennDiagram-Example2.png|center|200px|thumb]]

@@ Line 27: / Line 27: @@
 ==Contoh==
-Cara termudah untuk menggunakan Widget Diagram Venn adalah memilih subset data dan menemukan contoh yang cocok dalam visualisasi. Kita menggunakan breast-cancer dataset untuk memilih dua himpunan bagian dengan Select Rows widget - subset pertama adalah pasien kanker payudara berusia antara 40 dan 49 tahun dan yang kedua adalah pasien dengan ukuran tumor antara 20 dan 29. Diagram Venn membantu kami menemukan contoh yang sesuai dengan kedua kriteria, yang dapat ditemukan di persimpangan dua lingkaran.
+Cara termudah untuk menggunakan Widget Diagram Venn adalah memilih subset data dan menemukan contoh yang cocok dalam visualisasi. Kita menggunakan breast-cancer dataset untuk memilih dua himpunan bagian dengan Select Rows widget - subset pertama adalah pasien kanker payudara berusia antara 40 dan 49 tahun dan yang kedua adalah pasien dengan ukuran tumor antara 20 dan 29. Diagram Venn membantu kita menemukan contoh yang sesuai dengan kedua kriteria, yang dapat ditemukan di persimpangan dua lingkaran.
 [[File:VennDiagram-Example1.png|center|200px|thumb]]

← Older revision		Revision as of 00:23, 18 March 2020
Line 2:		Line 2:


−	~~Plot~~ diagram Venn untuk dua atau lebih data subset.	+	Widget Venn Diagram dapat mem-plot diagram Venn untuk dua atau lebih data subset.

	==Input==		==Input==

@@ Line 33: / Line 33: @@
 Venn Diagram widget juga dapat digunakan untuk menjelajahi berbagai model prediksi. Dalam contoh berikut, kita menganalisis 3 metode prediksi, yaitu Naive Bayes, SVM dan Random Forest, sesuai dengan kesalahan klasifikasi mereka pada instance data.
-Dengan memilih misclassification dalam tiga Confusion Matrix widget dan mengirimkannya ke diagram Venn, kita dapat melihat semua contoh kesalahan klasifikasi divisualisasikan per metode yang digunakan. Kemudian kami membuka Diagram Venn dan memilih, misalnya, contoh misclassified instancesi yang diidentifikasi oleh ketiga metode. Ini direpresentasikan sebagai persimpangan dari ketiga lingkaran. Klik pada persimpangan untuk melihat dua contoh ini ditandai dalam widget Scatter Plot. Coba pilih bagian diagram yang berbeda untuk melihat bagaimana perubahan visualisasi scatter plot.
+Dengan memilih misclassification dalam tiga widget Confusion Matrix dan mengirimkannya ke widget diagram Venn, kita dapat melihat semua contoh kesalahan klasifikasi divisualisasikan per metode yang digunakan. Kemudian kami membuka widget Diagram Venn dan memilih, misalnya, contoh misclassified instance yang diidentifikasi oleh ketiga metode. Ini direpresentasikan sebagai persimpangan dari ketiga lingkaran. Klik pada persimpangan untuk melihat dua contoh ini ditandai dalam widget Scatter Plot. Coba pilih bagian diagram yang berbeda untuk melihat bagaimana perubahan visualisasi scatter plot.
 [[File:VennDiagram-Example2.png|center|200px|thumb]]

@@ Line 31: / Line 31: @@
 [[File:VennDiagram-Example1.png|center|200px|thumb]]
-Venn Diagram widget juga dapat digunakan untuk menjelajahi berbagai model prediksi. Dalam contoh berikut, kami menganalisis 3 metode prediksi, yaitu Naive Bayes, SVM dan Random Forest, sesuai dengan kesalahan klasifikasi mereka pada instance data.
+Venn Diagram widget juga dapat digunakan untuk menjelajahi berbagai model prediksi. Dalam contoh berikut, kita menganalisis 3 metode prediksi, yaitu Naive Bayes, SVM dan Random Forest, sesuai dengan kesalahan klasifikasi mereka pada instance data.
 Dengan memilih misclassification dalam tiga Confusion Matrix widget dan mengirimkannya ke diagram Venn, kita dapat melihat semua contoh kesalahan klasifikasi divisualisasikan per metode yang digunakan. Kemudian kami membuka Diagram Venn dan memilih, misalnya, contoh misclassified instancesi yang diidentifikasi oleh ketiga metode. Ini direpresentasikan sebagai persimpangan dari ketiga lingkaran. Klik pada persimpangan untuk melihat dua contoh ini ditandai dalam widget Scatter Plot. Coba pilih bagian diagram yang berbeda untuk melihat bagaimana perubahan visualisasi scatter plot.

@@ Line 13: / Line 13: @@
   Data: entire data with a column indicating whether an instance was selected or not
-Venn Diagram widget menampilkan hubungan logis antara data set dengan menunjukkan jumlah instance common data (baris) atau jumlah shared featured (kolom). Memilih bagian dari visualisasi akan menghasilkan instance atau feature yang sesuai.
+Widget Venn Diagram menampilkan hubungan logis antara dataset dengan menunjukkan jumlah instance common data (baris) atau jumlah shared featured (kolom). Memilih bagian dari visualisasi akan menghasilkan instance atau feature yang sesuai.
 [[File:Venn-workflow.png.jpeg|center|200px|thumb]]

@@ Line 2: / Line 2: @@
+Plot diagram Venn untuk dua atau lebih data subset.
 ==Input==
@@ Line 14: / Line 13: @@
   Data: entire data with a column indicating whether an instance was selected or not
-The Venn Diagram widget displays logical relations between datasets by showing the number of common data instances (rows) or the number of shared features (columns). Selecting a part of the visualization outputs the corresponding instances or features.
+Venn Diagram widget menampilkan hubungan logis antara data set dengan menunjukkan jumlah instance common data (baris) atau jumlah shared featured (kolom). Memilih bagian dari visualisasi akan menghasilkan instance atau feature yang sesuai.
 [[File:Venn-workflow.png.jpeg|center|200px|thumb]]
@@ Line 24: / Line 23: @@
 * If Auto commit is on, changes are automatically communicated to other widgets.
-Rows can be matched by their identity, e.g. rows from different data sets match if they came from the same row in a file. Instead of using identities, we can choose a string variable to match the rows by. A warning is shown if data sets have no common string variable.
+Baris dapat dicocokkan dengan identitas mereka, mis. baris dari data set yang berbeda cocok jika mereka berasal dari baris yang sama dalam file. Daripada menggunakan identitas, kita dapat memilih variabel string yang cocok dengan baris. Peringatan ditampilkan jika kumpulan data tidak memiliki variabel string yang sama.
 ==Contoh==