Maintenance script: Presentation V4: sitasi, referensi, Math, Wikimedia Commons, dan atribusi

2026-08-23T04:09:46Z

Presentation V4: sitasi, referensi, Math, Wikimedia Commons, dan atribusi

← Revisi sebelumnya		Revisi per 23 Agustus 2026 04.09
Baris 3:		Baris 3:
	Karakteristik yang membedakan SystemDS adalah:		Karakteristik yang membedakan SystemDS adalah:

	# Kustomisasi algoritma melalui bahasa yang mirip ''R'' dan [[Python (bahasa pemrograman)\|Python]].		# Kustomisasi algoritma melalui bahasa yang mirip ''R'' dan [[Python (bahasa pemrograman)\|Python]].
	# Berbagai mode eksekusi, termasuk [[Standalone]], [[Spark Batch]], [[Spark MLContext]], [[Hadoop Batch]], dan [[JMLC (Bahasa pemograman)\|JMLC]].		# Berbagai mode eksekusi, termasuk [[Standalone]], [[Spark Batch]], [[Spark MLContext]], [[Hadoop Batch]], dan [[JMLC (Bahasa pemograman)\|JMLC]].
	# Optimasi otomatis berdasarkan karakteristik data dan kluster untuk memastikan efisiensi dan skalabilitas.		# Optimasi otomatis berdasarkan karakteristik data dan kluster untuk memastikan efisiensi dan skalabilitas.

	== Contoh skrip ==		== Contoh skrip ==
			=== Analisis Komponen Utama ===
			Cuplikan kode berikut <ref>[https://github.com/apache/systemds apache/systemds]. 2025-04-19.</ref> melakukan analisis komponen utama (PCA) dari matriks masukan '''𝐴''', yang mengembalikan <math>eigen vectors</math> dan <math display="inline">eigen values</math><syntaxhighlight lang="r" line="1">
			# PCA.dml
			# Refer: https://github.com/apache/systemds/blob/master/scripts/algorithms/PCA.dml#L61

	=== ~~Analisis Komponen Utama~~ ===		N = nrow(A);
	~~Cuplikan kode berikut melakukan analisis komponen utama~~ (~~PCA~~) ~~dari matriks masukan '''𝐴''', yang mengembalikan <math>~~eigen vectors~~</math> dan <math display~~=~~"inline">~~eigen ~~values~~</~~math~~>		D = ncol(A);

			# perform z-scoring (centering and scaling)
			A = scale(A, center==1, scale==1);

			# co-variance matrix
			mu = colSums(A)/N;
			C = (t(A) %% A)/(N-1) - (N/(N-1))t(mu) %*% mu;

			# compute eigen vectors and values
			[evalues, evectors] = eigen(C);
			</syntaxhighlight>

	=== Skrip pemanggilan ===		=== Skrip pemanggilan ===
			<syntaxhighlight lang="shell-session">
			spark-submit SystemDS.jar -f PCA.dml -nvargs INPUT=INPUT_DIR/pca-1000x1000 \
			OUTPUT=OUTPUT_DIR/pca-1000x1000-model PROJDATA=1 CENTER=1 SCALE=1
			</syntaxhighlight>

	=== Fungsi basis data ===		=== Fungsi basis data ===
	Algoritma pengelompokan [[DBSCAN]] dengan [[jarak Euclidean]].		Algoritma pengelompokan [[DBSCAN]] dengan [[jarak Euclidean]].<syntaxhighlight lang="r" line="1">
			X = rand(rows=1780, cols=180, min=1, max=20)
			[indices, model] = dbscan(X = X, eps = 2.5, minPts = 360)
			</syntaxhighlight>

	== Pranala luar ==		== Pranala luar ==

	* [http://systemds.apache.org/ Apache SystemML website]		* [http://systemds.apache.org/ Apache SystemML website]
	* [http://researcher.watson.ibm.com/researcher/view_group.php?id=3174 IBM Research - SystemML]		* [http://researcher.watson.ibm.com/researcher/view_group.php?id=3174 IBM Research - SystemML]
Baris 25:		Baris 45:
	* [http://www.spark.tc/a-universal-translator-for-big-data-and-machine-learning/ A Universal Translator for Big Data and Machine Learning]		* [http://www.spark.tc/a-universal-translator-for-big-data-and-machine-learning/ A Universal Translator for Big Data and Machine Learning]
	* [https://www.youtube.com/watch?v=WkYqjWL1xzk SystemML: Declarative Machine Learning at Scale presentation by Fred Reiss]		* [https://www.youtube.com/watch?v=WkYqjWL1xzk SystemML: Declarative Machine Learning at Scale presentation by Fred Reiss]
	* [http://researcher.watson.ibm.com/researcher/files/us-ytian/systemML.pdf SystemML: Declarative Machine Learning on MapReduce]		* [http://researcher.watson.ibm.com/researcher/files/us-ytian/systemML.pdf SystemML: Declarative Machine Learning on MapReduce]
	* [http://www.vldb.org/pvldb/vol7/p553-boehm.pdf Hybrid Parallelization Strategies for Large-Scale Machine Learning in SystemML]		* [http://www.vldb.org/pvldb/vol7/p553-boehm.pdf Hybrid Parallelization Strategies for Large-Scale Machine Learning in SystemML]
	* [https://web.archive.org/web/20150218102423/http://sites.computer.org/debull/A14sept/p52.pdf SystemML's Optimizer: Plan Generation for Large-Scale Machine Learning Programs]		* [https://web.archive.org/web/20150218102423/http://sites.computer.org/debull/A14sept/p52.pdf SystemML's Optimizer: Plan Generation for Large-Scale Machine Learning Programs]
Baris 33:		Baris 53:

	== Referensi ==		== Referensi ==
			<references />


	== Sumber dan atribusi ==		== Sumber dan atribusi ==

	Konten artikel ini diadaptasi dari [https://id.wikipedia.org/w/index.php?title=Apache+SystemDS&oldid=27839085 Wikipedia bahasa Indonesia], revisi 27839085 (2025-09-18T08:27:53Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi-BerbagiSerupa (CC BY-SA). Mohon gunakan konten ini secara bijak serta sesuai dengan ketentuan lisensi yang berlaku.		Konten artikel ini diadaptasi dari [https://id.wikipedia.org/w/index.php?title=Apache+SystemDS&oldid=27839085 Wikipedia bahasa Indonesia], revisi 27839085 (2025-09-18T08:27:53Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi-BerbagiSerupa (CC BY-SA). Mohon gunakan konten ini secara bijak serta sesuai dengan ketentuan lisensi yang berlaku.

			<!-- WIKI_UNISSULA_PRESENTATION_V4 -->

Maintenance script: Impor teks terkontrol dari Wikipedia bahasa Indonesia; revisi 27839085; atribusi sumber disertakan.

2026-08-23T03:36:09Z

Impor teks terkontrol dari Wikipedia bahasa Indonesia; revisi 27839085; atribusi sumber disertakan.

Halaman baru

'''Apache SystemDS''' (sebelumnya dikenal sebagai '''Apache SystemML''') adalah sistem [[pemelajaran mesin]] (ML) sumber terbuka yang dirancang untuk mendukung seluruh siklus hidup ilmu data, mulai dari awal hingga akhir. Sistem ini membantu dalam mengelola dan menjalankan model ML untuk analisis data.

Karakteristik yang membedakan SystemDS adalah:

# Kustomisasi algoritma melalui bahasa yang mirip ''R'' dan [[Python (bahasa pemrograman)|Python]].
# Berbagai mode eksekusi, termasuk [[Standalone]], [[Spark Batch]], [[Spark MLContext]], [[Hadoop Batch]], dan [[JMLC (Bahasa pemograman)|JMLC]].
# Optimasi otomatis berdasarkan karakteristik data dan kluster untuk memastikan efisiensi dan skalabilitas.

== Contoh skrip ==

=== Analisis Komponen Utama ===
Cuplikan kode berikut melakukan analisis komponen utama (PCA) dari matriks masukan '''𝐴''', yang mengembalikan <math>eigen vectors</math> dan <math display="inline">eigen values</math>

=== Skrip pemanggilan ===

=== Fungsi basis data ===
Algoritma pengelompokan [[DBSCAN]] dengan [[jarak Euclidean]].

== Pranala luar ==

* [http://systemds.apache.org/ Apache SystemML website]
* [http://researcher.watson.ibm.com/researcher/view_group.php?id=3174 IBM Research - SystemML]
* [https://web.archive.org/web/20180321002223/http://www.spark.tc/q-a-with-shiv-vaithyanathan-creator-of-systemml-and-ibm-fellow/ Q & A with Shiv Vaithyanathan, Creator of SystemML and IBM Fellow]
* [http://www.spark.tc/a-universal-translator-for-big-data-and-machine-learning/ A Universal Translator for Big Data and Machine Learning]
* [https://www.youtube.com/watch?v=WkYqjWL1xzk SystemML: Declarative Machine Learning at Scale presentation by Fred Reiss]
* [http://researcher.watson.ibm.com/researcher/files/us-ytian/systemML.pdf SystemML: Declarative Machine Learning on MapReduce]
* [http://www.vldb.org/pvldb/vol7/p553-boehm.pdf Hybrid Parallelization Strategies for Large-Scale Machine Learning in SystemML]
* [https://web.archive.org/web/20150218102423/http://sites.computer.org/debull/A14sept/p52.pdf SystemML's Optimizer: Plan Generation for Large-Scale Machine Learning Programs]
* [https://www.zdnet.com/article/ibms-systemml-machine-learning-system-becomes-apache-incubator-project/ IBM's SystemML machine learning system becomes Apache Incubator project]
* [https://web.archive.org/web/20150617032644/http://www.theinquirer.net/inquirer/news/2413132/ibm-donates-machine-learning-tech-to-apache-spark-open-source-community IBM donates machine learning tech to Apache Spark open source community]
* [http://www.eweek.com/developer/ibms-systemml-moves-forward-as-apache-incubator-project.html IBM's SystemML Moves Forward as Apache Incubator Project]

== Referensi ==

== Sumber dan atribusi ==

Konten artikel ini diadaptasi dari [https://id.wikipedia.org/w/index.php?title=Apache+SystemDS&oldid=27839085 Wikipedia bahasa Indonesia], revisi 27839085 (2025-09-18T08:27:53Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi-BerbagiSerupa (CC BY-SA). Mohon gunakan konten ini secara bijak serta sesuai dengan ketentuan lisensi yang berlaku.

Apache SystemDS - Riwayat revisi

Maintenance script: Presentation V4: sitasi, referensi, Math, Wikimedia Commons, dan atribusi

Maintenance script: Impor teks terkontrol dari Wikipedia bahasa Indonesia; revisi 27839085; atribusi sumber disertakan.