Skip to main content

Statistik dan Kecerdasan Buatan

    Statistik dan kecerdasan buatan (artificial intelligence atau AI) adalah bidang yang berbeda yang digunakan untuk menganalisis data dan membuat keputusan berdasarkan data tersebut.

    Statistik adalah cabang ilmu yang mempelajari bagaimana mengumpul, menganalisis, menafsir, dan menyajikan data. Statistik berguna untuk mengambil kesimpulan tentang sesuatu populasi berdasarkan sampel yang diambil dari populasi tersebut. Statistik juga dapat digunakan untuk memprediksi kemungkinan terjadinya suatu kejadian di masa depan berdasarkan data masa lalu.

    Manakala, kecerdasan buatan adalah cabang teknologi yang mempelajari cara mencipta sistem yang dapat belajar dan membuat keputusan sendiri. Kecerdasan buatan dapat digunakan untuk mengolah dan menganalisis data yang sangat besar dan kompleks, dan untuk menemukan pola dan hubungan yang tidak terlihat oleh manusia. Kecerdasan buatan dapat digunakan dalam berbagai bidang, termasuk perdagangan, pengenalan wajah, dan pengendalian robot.

    Jadi, perbezaan utama di antara statistik dan kecerdasan buatan adalah bahwa statistik adalah ilmu yang digunakan untuk menganalisis data dan membuat keputusan berdasarkan data tersebut, sementara kecerdasan buatan adalah teknologi yang mempelajari cara menciptakan sistem yang dapat belajar dan membuat keputusan sendiri.

    Walaupun terdapat perbezaan ketara di antara kedua-dua bidang ini, tetapi kedua-duanya saling memerlukan untuk melengkap di antara satu sama lain dan mencapai output atau hasil yang lebih tepat seperti di kehendaki oleh pengguna akhir atau pengkaji yang menggunakan kedua-dua kaedah ini.

Popular posts from this blog

G*Power Perisian Bagi Pengiraan Sampel Saiz.

Penggunaan Gpower kerap menekan kepada tiga langkah berikut: Memilih ujian statistik yang sesuai atau padan dengan masalah yang di kaji. Memilih di antara lima jenis analisis kuasa (power analysis) yang di sediakan. Sediakan parameter input yang di perlukan analasis dan klik pada “calculate” Pada Langkah 1, pendekatan yang digunakan untuk memilih ujian statistic (statistical test) adalah melalui dua pendekatan, iaitu distribution based atau design-based approach . Distribution-based approach to the test selection Melalui pendekatan distribution-based , pendekatan pertama adalah melihat pada kumpulan umum ujian statistik menggunakan '' Test family'' menu yang terdapat di window atau tingkap utama.   Ujian statitik ( Statistical test ) menu akan berubah mengikut pilihan di dalam '' Test family'' . Ujian-ujian yang ada akan selaras mengikut pada '' test family'' yang di pilih sahaja. Design-based approach to the test se

Ujian Analisa Sehala MANOVA

Perbezaan analisa ini dengan ANOVA adalah pembolehubah bersandarnya mempunyai lebih daripada satu . Manakala, pembolehubah bebas adalah sama seperti ANOVA yang mempunyai pelbagai kumpulan. Analisa sehala MANOVA juga mempunyai sarat ujian statistik di dalamnya dan tidak dapat memberi maklumat secara spesifik kumpulan yang berbeza signifikan di antara satu sama lain. Ujian ini hanya akan memberi maklumat sekurang-kurang dua kumpulan adalah berbeza. Oleh sebab, kebiasaan penggunaan analisa ini oleh pengkaji akan melibatkan tiga, empat atau lebih kumpulan. Oleh itu penggunaan ujian post-hoc adalah penting untuk mengetahui perbezaan kumpulan selebihnya itu. Bagi mendapat analisa yang sah dan berkualiti, beberapa andaian perlu di penuhi dahulu sebelum menggunakan analisa MANOVA. Pembolehubah bersandar mestilah dalam skala selang atau nisbah. Pembolehubah bebas a.k.a pembolehubah tidak bersandar mestilah mempunyai beberapa kumpulan yang bebas atau dengan kata lain dalam skala ordina

ANOVA vs MANOVA

Perbezaan utama di antara ANOVA dan MANOVA adalah jumlah bilangan pembolehubah bersandar ( dependent variable ). Walaupun begitu, jika terdapat pembolehubah bersandar lebih daripada satu, masih bukan masalah dan merupakan pilihan lain jika pengkaji mahu untuk menguji secara berasingan menggunakan analisa ANOVA bagi setiap pembolehubah bersandar itu. Jadi, kenapa perlu menggunakan pengiraan MANOVA ini berbanding beberapa analisa menggunakan ANOVA jika terdapat pembolehubah bersandar yang lebih daripada satu seperti dua, tiga atau empat pembolehubah bersandar? Terdapat dua sebab utama, MANOVA berpotensi menggantikan ANOVA dalam beberapa keadaan. Pertama melibatkan teori yang logik dan kedua melibatkan statistiknya. Sebagai contoh: Skormatematik + skorfizik + skorkimia sebagai fungsi kepada ( as a function of ) minuman tambahan ( tiga tahap / level ) Minuman tambahan, pembolehubah tidak bersandar atau bebas dengan tiga tahap ( levels ) : minuman kurma, minuman madu dan minuma