Scribd Logo
Unggah

Selamat datang di Scribd!

  • 17 tayangan

    Proses Data Mining Dan Praktik

    Diunggah oleh

    Sintya Mufa
    Proses data mining meliputi preprocessing data, pengumpulan dataset, dan metode-metode seperti estimasi, prediksi, klasifikasi, klastering, dan asosiasi. Preprocessing melibatkan cleaning, integrasi, dan transformasi data. Dataset dapat berasal dari sumber privat maupun publik. Metode-metode meliputi regresi linier, neural network, dan decision tree untuk estimasi, prediksi, dan klasifikasi; K-means dan fuzzy C-means untuk klastering; serta A Priori dan FP-growth untuk asosias

    Hak Cipta:

    © All Rights Reserved
    Unduh sebagai PPTX, PDF, TXT atau baca online dari Scribd

    Proses Data Mining Dan Praktik

    Diunggah oleh

    Sintya Mufa
    17 tayangan8 halaman
    Proses data mining meliputi preprocessing data, pengumpulan dataset, dan metode-metode seperti estimasi, prediksi, klasifikasi, klastering, dan asosiasi. Preprocessing melibatkan cleaning, integrasi, dan transformasi data. Dataset dapat berasal dari sumber privat maupun publik. Metode-metode meliputi regresi linier, neural network, dan decision tree untuk estimasi, prediksi, dan klasifikasi; K-means dan fuzzy C-means untuk klastering; serta A Priori dan FP-growth untuk asosias

    Deskripsi Asli:

    Hak Cipta

    © © All Rights Reserved

    Format Tersedia

    PPTX, PDF, TXT atau baca online dari Scribd

    Apakah menurut Anda dokumen ini bermanfaat?

    Apakah konten ini tidak pantas?

    Proses data mining meliputi preprocessing data, pengumpulan dataset, dan metode-metode seperti estimasi, prediksi, klasifikasi, klastering, dan asosiasi. Preprocessing melibatkan cleaning, integrasi, dan transformasi data. Dataset dapat berasal dari sumber privat maupun publik. Metode-metode meliputi regresi linier, neural network, dan decision tree untuk estimasi, prediksi, dan klasifikasi; K-means dan fuzzy C-means untuk klastering; serta A Priori dan FP-growth untuk asosias

    Hak Cipta:

    © All Rights Reserved
    Unduh sebagai PPTX, PDF, TXT atau baca online dari Scribd
    Unduh sebagai pptx, pdf, atau txt
    17 tayangan8 halaman

    Proses Data Mining Dan Praktik

    Diunggah oleh

    Sintya Mufa
    Proses data mining meliputi preprocessing data, pengumpulan dataset, dan metode-metode seperti estimasi, prediksi, klasifikasi, klastering, dan asosiasi. Preprocessing melibatkan cleaning, integrasi, dan transformasi data. Dataset dapat berasal dari sumber privat maupun publik. Metode-metode meliputi regresi linier, neural network, dan decision tree untuk estimasi, prediksi, dan klasifikasi; K-means dan fuzzy C-means untuk klastering; serta A Priori dan FP-growth untuk asosias

    Hak Cipta:

    © All Rights Reserved
    Unduh sebagai PPTX, PDF, TXT atau baca online dari Scribd
    Unduh sebagai pptx, pdf, atau txt
    dari 8

    PROSES DATA MINING

    DAN PRAKTIK
    Estimation
    1. Estimation
    Atribut N Class N
    2. Prediction Association Prediction

    Atribut N Class N ada time series


    3. Classification
    Atribut Nom / Nu Class Nominal
    Clustering Classification
    4. Clustering
    Tanpa label atribut numerik
    5. Association
    melihat hub antar atribut
    Proses Data Mining
    Data Preprocessing
    • Data Cleaning
    Redundant, atribut terlalu banyak
    • Data Integration
    Relasi Antar table /join
    • Data Reduction
    Mengurangi record dan atribut
    • Data Transformation
    Himpunan Data (Dataset)
    • Atribut adalah faktor atau parameter yang menyebabkan class/label/target terjadi
    • Jenis dataset ada dua: Private dan Public
    • Private Dataset: data set dapat diambil dari organisasi yang kita jadikan obyek penelitian
    • Bank, Rumah Sakit, Industri, Pabrik, Perusahaan Jasa, etc
    • Public Dataset: data set dapat diambil dari repository pubik yang disepakati oleh para peneliti
    data mining
    • UCI Repository (http://www.ics.uci.edu/~mlearn/MLRepository.html)
    • ACM KDD Cup (http://www.sigkdd.org/kddcup/)
    • PredictionIO (http://docs.prediction.io/datacollection/sample/)
    • Trend penelitian data mining saat ini adalah menguji metode yang dikembangkan oleh
    peneliti dengan public dataset, sehingga penelitian dapat bersifat: comparable, repeatable
    dan verifiable
    Dataset dengan Class
    Public Dataset (UCI Repository)
    Metode Data Mining
    1. Estimation (Estimasi):
    Linear Regression (LR), Neural Network (NN), Deep Learning (DL), Support Vector Machine (SVM),
    Generalized Linear Model (GLM), dll
    2. Forecasting (Prediksi/Peramalan):
    Linear Regression (LR), Neural Network (NN), Deep Learning (DL), Support Vector Machine (SVM),
    Generalized Linear Model (GLM), dll
    3. Classification (Klasifikasi)
    Decision Tree (CART, ID3, C4.5, Credal DT, Credal C4.5, Adaptative Credal C4.5), Naive Bayes
    (NB), K-Nearest Neighbor (kNN), Linear Discriminant Analysis (LDA), Logistic Regression (LogR),
    dll
    4. Clustering (Klastering)
    K-Means, K-Medoids, Self-Organizing Map (SOM), Fuzzy C-Means (FCM), dll
    5. Association (Asosiasi)
    FP-Growth, A Priori, Coefficient of Correlation, Chi Square, dll

    Anda mungkin juga menyukai