GSB

Gamma Sigma Beta

Gamma Sigma Beta 2018

Press Release

Artikel

  • Harry_Potter_and_the_Cursed_Child_Official_Artwork.png

    Hey, Are You Ready for… the Latest sequel of “Harry Potter” ??

    Holla Guys, today is Wednesday and today is English day, Yeeaaayy. For the first time, Beta announce that every Wednesday we’ll post an article about the latest news out there, hot issues and many more. And for this article, we’ll talk about the latest sequel of Harry Potter.
    Good news good news, for the die-hard fans of Harry Potter, JK Rowling will release a latest book of Harry Potter series titled “Harry Potter and the Cursed Child”, that we’ve been waited for so long. JK rowling announce that she will release the script of “Harry Potter and the Cursed Child” as a two-part book, at 12.01 a.m. on July 31, 2016. At first, there was a news that “Harry Potter and the Cursed Child” wasn’t going to be released in book form, she had turned it into play that is set to debut in London, at the Palace Theatre on the day before Harry’s Birthday, July 30.

    harpot

    But on February 10, JK Rowling announce that the epic eighth Harry Potter story can be read and enjoyed by a wider, global audience. @pottermore announce it by twitter and posted the cover too (cover not final). @pottermore “we’re thrilled to announce a new publishing programme from @jk_rowling #WizardingWorld “.“Harry Potter and the Cursed Child” is so special because it is the first official Harry Potter story that will be presented on stage. The play was not written by Rowling herself. English Playwright Jack Thorne wrote the script based on the original story that Rowling wrote. It is set 19 years later after the end of “Harry Potter and the Deathly Hallows,” the last book series of Harry Potter.

    And for your information guys, the play and the book that I mentioned above is not the only “Harry Potter-Things” this year. There’s also “Fantastic Beasts and Where to Find Them”, a movie based on one of Rowling’s short “Harry Potter” companion books, hits theatre Nov 18. So for you guys who wanna book the ticket and go to London for watch this special play of Harry Potter series, you can book it online for price £15.00 / part, hehehe. And for you too who can’t wait the book of this series, we’re on the same boat.
    See you next Wednesday, enjoy!.

    By : Beta Club GSB IPB

    read more
    gsbipbHey, Are You Ready for… the Latest sequel of “Harry Potter” ??
  • statpac-78065081.jpg

    Statpac

    Statistika adalah ilmu tentang pengumpulan , analisis dan interpretasi data dalam rangka pengambilan keputusan. Pada tahapan pengumpulan data dapat dilakukan dengan survei. Tentunya setelah kita sudah melakukan survei, kita harus mengumpulkan data tersebut menjadi suatu data frame sehingga data dapat dianalisis dan menghasilkan suatu kesimpulan. Dalam pengumpulan atau entri hasil data survei ada banyak sekali software yang dapat digunakan sehingga memudahkan dalam pengolahan data. Beberapa software yang dapat kita pakai atau sering kita jumpai seperti Epidata, Macro Excel, Microsoft Visual Basic, Statpac, SAS, SPSS dan sebagainya. Pada kesempatan ini kita akan memperkenalkan mengenai Software Statpac yang dapat dipakai tidak hanya untuk keperluan entri data, namun untuk keperluan lainnya juga.

    Statpac adalah salah satu software yang dapat digunakan untuk entri data. Statpac for Windows adalah salah satu dari beberapa software survei yang dapat dikembangkan sendiri. Software ini di desain untuk orang-orang yang benar-benar melakukan penelitian survei untuk kehidupan sehari-sehari. Statpac menyediakan perancangan yang tepat untuk peneliti professional yang membutuhkan package dengan keandalan dan kecanggihan yang mungkin tidak dapat ditemukan pada software lainnya. Selain itu. Statpac juga dapat menangani survei online, survei tertulis dan survei tatap muka atau wawancara melalui telefon. Seperti yang telah dijelaskan sebelumnya, Statpac tidak hanya digunakan utuk entri data saja namun juga dapat digunakan untuk keperluan lainnya yaitu desain survei, manajemen data dan analisis data.

    Statpac menyediakan program untuk desain survei. Dengan menggunkana software ini, kita dapat merancang survei dengan bentuk pertanyaan apapun. Kita dapat memasukkan nama-nama variabel, label, nilai label, kode yang valid dan lain-lain. Setelah desain survei, selanjutnya Statpac juga dapat digunakan untuk manajemen data. Hal ini memudahkan dan mempercepat pekerjaan kita dalam memasukkan dan mengedit data pada software ini. Selain itu, analisis data juga dapat dilakukan di Statpac ini. Software ini ,menawarkan beberapa analisis yang dapat dipilih. Hasil dari analisis tersebut juga dapat di edit sebelum di cetak atau pun bisa di convert dalam bentuk MS Word, sehingga kita dapat benar-benar mengkontrol hasil tampilan laporan.
    Statpac mudah untuk dipelajari dan digunakan. Terdapat pula tutorial yang dapat memudahkan kita untuk menguasa package yang tersedia dengan waktu yang singkat. Untuk mahasiswa dan mahasiswi Statistika IPB, software seperti Statpac ini mungkin akan dibutuhkan untuk mata kuliah Analisis Perancangan Survei. Akan ada banyak software yang bisa diulas di mata kuliah ini. Selamat mencoba!

    By : Fadhilah Pimarinata

    read more
    gsbipbStatpac
  • Rlogo-1.png

    Clustering Menggunakan R

    Halo semuaaaa, kali ini kita mau belajar Clustering menggunakan R nih. Ada 2 jenis clustering yg sudah kita pelajari, yaitu Hierarchical dan Non-Hierarchical Clustering. Kemarin kan belajarnya masih itung-itung sendiri tuh hehe nah kalo datanya banyak gak mungkin itung-itung sendiri kan? Oke deh langsung cus aja bagaimana ceritanya~~~

    Data yang digunakan : Iris

    1. K-Means Clustering

    K-Means merupakan salah satu metode pengelompokan data nonhierarki yang mempartisi data yang ada kedalam bentuk dua atau lebih kelompok. Metode ini mempartisi data kedalam kelompok sehingga data yang berkarakteristik sama dimasukkan kedalam satu kelompok yang sama dan data yang berkarakteristik berbeda dikelompokkan kedalam kelompok yang lain.

    Pada R untuk melakukan pengklasteran dengan menggunakan k-means dapat dilakukan dilakukan dengan menggunakan fungsi kmeans(data,k), dimana:

    • data : data yang akan di clustering
    • k      : jumlah kluster

     

    #Menyimpan data iris menjadi iris2

    #Menghilangkan atribut Species pada iris2

    #Melakukan pengklasteran k-means dengan k=3, dan simpan hasilnya pada kmeans.result

    iris2 <- iris

    iris2$Species <- NULL

    (kmeans.result <- kmeans(iris2, 3))

    #Membandingkanlah hasil pengklasteran kmeans dengan atribut Species pada data iris

    table(iris$Species, kmeans.result$cluster)

    #Untuk melihat hasil plot antara kluster dengan pusat kluster dapat dilakukan dengan fungsi berikut:

    plot(iris2[c(“Sepal.Length”, “Sepal.Width”)], col = kmeans.result$cluster)

    points(kmeans.result$centers[,c(“Sepal.Length”,”Sepal.Width”)], col = 1:3, pch = 8, cex=2)

     

    1. K-Medoids Clustering

    Algoritma k-medoids hampir sama dengan algoritma k-means, dimana keduanya sama=sama mempartisi data yang ada ke dalam bentuk dua atau lebih kelompok. Perbedaanya adalah jika pada k-means cluster diwakili dengan pusat dari cluster, sedangkan pada k-medoids, cluster diwakili oleh objek terdekat dari pusat cluster.

    Pada R untuk melakukan pengklasteran dengan menggunakan k-means dapat dilakukan dilakukan dengan menggunakan fungsi pamk(data) dan pam(data, k). Perbedaan dari kedua fungsi ini terletak dari jumlah k yang diinginkan, dimana pada pamk(data) jumlah k tidak dapat diset sesuai dengan keinginan, sedangkan pada pam(data, k) jumlah k yang diinginkan langsung dapat diset pada fungsi tersebut.

     

    #Menggunakan data iris2 yang telah dihilangkan atribut Speciesnya

    #Melakukan pengklasteran dengan menggunakan fungsi pamk() dan simpan hasilnya pada pamk.result

    library(fpc)

    pamk.result <- pamk(iris2)

    #Untuk menampilkan jumlah kluster yang terbentuk

    pamk.result$nc

    #Membandingkanlah hasil pengklasteran k-medoids pamk() dengan atribut Species pada data iris

    table(pamk.result$pamobject$clustering, iris$Species)

    #Untuk melihat plot dari hasil pamk.result

    layout(matrix(c(1,2),1,2)) # 2 graphs per page

    plot(pamk.result$pamobject)

    layout(matrix(1)) # change back to one graph per page

    • Maka hasilnya akan seperti ini:kmedoids

     

    Gambar sebelah kiri adalah clusplot 2-dimensi (clustering plot) dari dua kelompok dan garis menunjukkan jarak antara cluster. Gambar sebelah kanan menunjukkan silhouettes. Dalam silhouettes, nilai Si yang besar (hampir 1) meunjukkan bahwa pengamatan yang sesuai terkelompok sangat baik, nilai Si yang mendekati 0 berarti pengamatan terletak di antara dua kelompok, dan pengamatan dengan Si negatif mungkin ditempatkan di cluster yang salah. Karena Si rata-rata adalah masing-masing 0,81 dan 0,62 di  silhouettes di atas, mengidentifikasikan bahwa dua kelompok ini baik.

     

     

    #Melakukan pengklasteran dengan menggunakan fungsi pam() dan simpan hasilnya pada pam.result

    pam.result <- pam(iris2, 3)

    #Membandingkanlah hasil pengklasteran k-medoids pam() dengan atribut Species pada data iris

    table(pam.result$clustering, iris$Species)

    #Untuk melihat plot dari hasil pam.result

    layout(matrix(c(1,2),1,2)) # 2 graphs per page

    plot(pam.result)

    layout(matrix(1)) # change back to one graph per page

     

     

    1. Hierachical Clustering

    Hierachical Clustering adalah algoritma klustering yang mengelompokkan data dengan membuat suatu hirarki berupa dendogram dimana data yang mirip akan ditempatkan pada hirarki yang berdekatan dan yang tidak pada hirarki yang berjauhan.

    Pada R untuk melakukan pengklasteran dengan menggunakan hierachical clustering dapat dilakukan dilakukan dengan menggunakan fungsi hclust(dist(data), method=”linkType“) dimana:

    • data: data yang akan di
    • linkType: untuk menentukan tipe penentuan pemilihan jarak yang dipakai.

     

    #Mengambil 40 data dari dataset iris, simpan pada irisSample dan hapus variabel Species

    idx <- sample(1:dim(iris)[1], 40)

    irisSample <- iris[idx,]

    irisSample$Species <- NULL

    #Melakukanlah pengklasteran hierachical clustering dengan menggunakan metode single linked dan simpan hasilnya pada hc

    hc <- hclust(dist(irisSample), method=”single”)

    #Untuk melihat hasil clustering plot dengan pelabelan berdasarkan atribut Species pada data iris

    plot(hc, hang = -1, labels=iris$Species[idx])

     

     

     

     

    Referensi :

    1. Yanchang Zhao. 2012. R and Data Mining: Examples and Case Studies.

    http://www.rdatamining.com/docs/RDataMining.pdf

    1. Han, J. (2006) Data Mining: Concepts and Technique. [Internet]. [diunduh 2014 Mar

    24]. Tersedia pada: http://www.cs.uiuc.edu/homes/hanj/bk2/slidesindex.htm

     

    read more
    gsbipbClustering Menggunakan R

Department

  • Survey and Research

    Departemen Survey and Research (SURE) merupakan salah departemen di Himpro GSB IPB yang bergerak dalam bidang survey dan riset. Departemen ini berusaha membantu mahasiswa/i untuk meningkatkan keahlian dalam bidang survei, mulai dari merancang survei, membuat kuesioner, pelaksanaan survei serta menginterpretasikan hasilnya.

  • Analisis Data

    Departmen Analisis Data berada di bawah Himpunan Profesi Gamma Sigma Beta (GSB) IPB 2016 yang memiliki program kerja dengan kegiatannya diharapkan dapat menumbuhkan semangat mahasiswa Statistika IPB dalam hal belajar, berorganisasi, dan menambah keahlian di bidang Statistika sebagai bekal dalam menghadapi dunia kerja. Kegiatan ini diharapkan pula dapat memperkenalkan dunia statistik lebih jauh kepada mahasiswa

  • Database Center

    Database Center (DBC) adalah salah satu departemen GSB yang memiliki fokus di bidang manajemen pusat data. DBC mengumpulkan serta mengelola berbagai database yang terkait dengan kepengurusan GSB. Web merupakan pusat media dan menampung berbagai macam program kerja DBC. Selain itu, DBC juga bertugas sebagai pusat informasi dan komunikasi bagi mahasiswa/i Statistika IPB.

  • Human Resources Development

    Departemen Human Resources Development mempunyai visi Penguatan kapasitas internal. Meningkatkan kualitas sumber daya manusia. Membangun jejaring eksternal yang sinergis dan berbasis pada pengembangan Sumber Daya Manusia dalam tubuh Himpunan Keprofesian Gamma Sigma Beta.

  • Beta Club

    Departemen Beta Club mempunyai visi Meningkatkan softskill mahasiswa statistika dalam berbahasa asing dan penerapannya dalam kehidupan sehari-hari.

  • Sains

    Salah satu departemen GSB IPB yang berfokus pada persoalan akademik , ilmu statistika dan prestasi. Sains memiliki program kerja yang dapat meningkatkan kemampuan akademik maupun non akademik dan meraih mahasiswa dalam meraih prestasi.

  • Kesekretariatan

    Departmen Kesekretariatan berada di bawah Himpunan Profesi Gamma Sigma Beta (GSB) IPB 2017 yang memiliki program kerja MADESKA. Melalui MADESKA ini mahasiswa statistika dapat memperoleh informasi tentang dunia statistika melalui media cetak.

  • Badan Pengawas

Jasa Statistika

Konsultan Data | Bengkel Survei | Bimbel Outlier

resyafirmansClassic