Konversi ARFF menjadi CSV

Tim mengonversi dataset Weka ketika Excel, database importer, atau kolaborator mengharapkan tabel CSV datar, bukan deklarasi ARFF. CSV lebih mudah diperiksa dan dipertukarkan, tetapi konversi ini menghapus informasi skema yang tersimpan di header ARFF.

Format ARFF dan CSV

ARFF (Attribute-Relation File Format) adalah format dataset plain-text yang terutama digunakan oleh software machine-learning Weka. File ARFF berisi header dengan nama relation dan deklarasi @ATTRIBUTE, diikuti bagian @DATA yang berisi record.

Attribute dapat berupa numeric, nominal, string, date, dan, dalam Weka, relational. Deklarasi nominal seperti @ATTRIBUTE class {yes,no} menetapkan field type dan allowed values-nya. ARFF juga dapat menyimpan sparse row seperti {0 1,3 blue}, dengan nilai yang dihilangkan menggunakan default value format tersebut.

CSV menyimpan flat table sebagai row yang dipisahkan delimiter, biasanya dengan column name pada row pertama. Aplikasi spreadsheet, pandas, R, database import tools, dan banyak data portal dapat menerima CSV secara langsung. CSV tidak memiliki standard type declaration, nominal-value list, relation name, comment, atau sparse-row notation.

Konversi dengan Weka

Weka adalah desktop converter yang paling andal karena dapat membaca ARFF header, quoted value, missing value, nominal attribute, dan sparse instance.

1. Buka Weka dan mulai Explorer.
2. Pada tab Preprocess, pilih Open file... dan pilih file .arff.
3. Periksa attribute list dan instance count untuk memastikan bahwa Weka memuat dataset yang diharapkan.
4. Pilih Save..., pilih CSV data files (*.csv), masukkan output name seperti dataset.csv, lalu simpan.
5. Buka hasilnya dalam text editor atau program tujuan dan verifikasi header row, delimiter, character encoding, serta missing-value representation.

Untuk konversi yang dapat diulang, jalankan CSV saver Weka dari terminal. Ganti /path/to/weka.jar dengan path Weka JAR yang terinstal:

java -cp /path/to/weka.jar weka.core.converters.CSVSaver -i input.arff -o output.csv

Di Windows, beri tanda kutip pada path yang berisi spasi, misalnya "C:\Program Files\Weka-3-8\weka.jar". Gunakan launcher atau classpath configuration yang disediakan oleh instalasi Weka jika versinya memerlukan library tambahan.

Konversi dengan Python atau online service

pandas tidak dapat membaca file ARFF secara native; pandas memerlukan ARFF parser. Untuk file ARFF dense biasa, instal liac-arff dan pandas:

pip install liac-arff pandas

import arff
import pandas as pd

with open("input.arff", encoding="utf-8") as source:
    dataset = arff.load(source)

columns = [name for name, _ in dataset["attributes"]]
pd.DataFrame(dataset["data"], columns=columns).to_csv("output.csv", index=False)

Uji file ARFF sparse sebelum menggunakan Python parser dalam production; Weka adalah pilihan yang lebih aman jika sparse instance, unusual quoting, atau Weka-specific attribute definition terlibat.

Untuk file kecil yang tidak bersifat rahasia, browser service seperti Zamzar dan Convertio mungkin menawarkan konversi ARFF-ke-CSV. Pastikan dukungan ARFF dan ketentuan retention yang berlaku sebelum mengunggah. Jangan mengunggah customer, medical, financial, research, atau proprietary dataset ke external conversion service.

Compatibility check

Pertahankan file ARFF asli. CSV mempertahankan value tetapi kehilangan declared type, relation name, attribute comment, nominal-value restriction, dan metadata header lainnya. Simpan ARFF header atau dokumentasikan schema secara terpisah jika penerima harus membedakan number, date, category, dan free text.

Missing value ARFF biasanya ditulis sebagai ?. Bergantung pada converter, output CSV dapat berisi empty field, ?, atau marker lain. Periksa hal ini sebelum mengimpor ke software yang memperlakukan blank, NA, dan question mark secara berbeda.

CSV field yang berisi koma, quotation mark, atau line break harus diberi tanda kutip sesuai CSV rules. Jangan mengonversi ARFF dengan mengganti koma atau memisahkan line menggunakan basic text command; metode tersebut merusak quoted value dan tidak dapat mengembangkan sparse row.

Beberapa instalasi spreadsheet mengharapkan semicolon, bukan koma, karena regional setting. Jika column muncul dalam satu cell setelah file dibuka, gunakan text-import dialog spreadsheet dan pilih delimiter secara eksplisit, bukan mengedit CSV secara manual.