Dash is one of the most Python framework for machine learning or data science web applications. In this post, I will explain the outline for creating simple web application using Dash. I use my previous machine learning model about company’s attrition rate here as the content of the app. Goals of this project is to create a web application that can give an attrition rate’s probability of an employee based on several features that will be input by the user.

Import the Model

As I said before, we will use the previous machine learning model. It can be done using pickle module, so…

Sebuah perusahaan dengan 4000-an karyawannya mendapati bahwa setiap tahun, sekitar 15% karyawannya meninggalkan perusahaan tersebut baik atas kemauan sendiri ataupun karena ‘pemberhentian’ dari pihak perusahaan. Hal ini menyebabkan perusahaan perlu mencari karyawan baru sebagai gantinya. Menurut pihak manajemen perusahaan, pengurangan jumlah karyawan dalam jangka waktu tertentu atau attrition rate ini memberikan dampak kurang baik bagi perusahaan, antara lain:

• Project perusahaan yang berkaitan dengan mantan karyawan tertunda, sehingga dapat mempengaruhi timeline yang dapat berdampak langsung pada reputasi perusahaan terhadap konsumen ataupun partner perusahaan.
• Perekrutan karyawan baru tidak jarang membutuhkan waktu lebih untuk penyesuaian diri mereka baik terhadap pekerjaan ataupun terhadap budaya…

Segmentasi pelanggan merupakan kegiatan mengelompokkan pelanggan menjadi beberapa kelompok berbeda berdasarkan karakteristik umum seperti usia, gender, penghasilan tahunan, tempat tinggal, frekuensi pembelian, dan lainnya. Hasil dari analisis segmentasi pasar ini akan sangat berguna bagi pelaku bisnis dalam menentukan kebijakan berdasarkan karakter tiap-tiap segmen pelanggan. Sebagai contoh: Hasil analisis segmentasi pelanggan Mall X merepresentasikan bahwa segmen terbesarnya adalah kelompok wanita di rentang usia 25–35 tahun, dengan penghasilan tahunan relatif paling tinggi daripada segmen lainnya. Kira-kira apa yang sebaiknya Mall X lakukan?

Mungkin saya akan usulkan pengadaan produk baru (yang sebelumnya tidak dijual di Mall X) yang banyak digunakan oleh masyarakat dengan…

Di tulisan sebelumnya, untuk melakukan klasifikasi Iris digunakan algoritma Machine Learning K-Nearest-Neighbors (KNN). Sebenarnya ada algoritma apa saja di dunia per-ML-an selain KNN? Kenapa untuk klasifikasi sebelumnya saya memilih menggunakan KNN?

Secara garis besar ada tiga tipe algoritma utama Machine Learning (atau setidaknya yang saya pelajari):

• Supervised Learning
• Unsupervised Learning
• Reinforcement Learning

Supervised Learning
Supervised Learning adalah algoritma machine learning yang dalam proses belajarnya membutuhkan serangkaian contoh input-output yang benar, sebagai supervisor (pengawas/pelatih).

Contoh kasus yang dapat menerapkan algoritma ini adalah kasus di tulisan sebelumnya di sini. Pada kasus Iris classification, kita memiliki sejumlah dataset sampel input berupa data panjang…

Bunga Iris pasti sudah tidak asing lagi dunia machine-learning. Menurut saya sendiri, klasifikasi Bunga Iris merupakan project awal yang cukup membantu sebagai awalan untuk belajar Machine Learning dan teman-temannya.

Iris sendiri merupakan nama genus di tingkatan taksonomi klasifikasi makhluk hidup. Genus ini terdiri dari lebih dari 300 spesies[1]. Namun sebagai permulaan, di tulisan ini akan dilakukan klasifikasi terhadap 3 spesies saja (yang selanjutnya disebut labels/target) yaitu:

• Iris setosa
• Iris virginica
• Iris versicolor