ankara escort çankaya escort ankara escort

Seberapa Perankah Data Mining dan Metode Data Mining

Peran Utama Data Mining

Data Mining merupakan bidang yang digabung dari beberapa bidang keilmuan yang menyatukan teknik dari pembelajaran mesin, pengenalan pola, statistik, database, dan visualisasi untuk pengenalan permasalahan pengambilan informasi dari database yang besar.

Larose,2005

1.ESTIMASI

Untuk menerka sebuah nilai yang belum diketahui, misal menerka penghasilan seseorang ketika informasi mengenai orang tersebut diketahui. Metode yang digunakan antara lain Point Estimation dan Confidence Interval Estimations, Simple Linear Regression dan Correlation, dan Multiple Regression.

Estimasi Waktu Pengiriman Pizza
Estimasi Performansi CPU

Linear regression function PRP = -55.9 + 0.0489 MYCT + 0.0153 MMIN + 0.0056 MMAX + 0.6410 CACH – 0.2700 CHMIN + 1.480 CHMAX

2. FORECASTING

Forecasting adalah salah satu metode data mining yang digunakan untuk meramalkan atau memperkirakan mengenai sesuatu yang belum terjadi. Pada dunia bisnis, forecasting biasa digunakan dalam menentukan keputusan bisnis untuk masa yang akan datang.

Forecasting Harga Saham
Pengetahuan berupa Rumus Neural Network

3.KLASIFIKASI

Klasifikasi merupakan teknik dalam data mining untuk mengelompokkan data berdasarkan keterikatan data terhadap  data sampel.

Pengetahuan Berupa Pohon Keputusan

4.KLASTERING

Metode penganalisaan data, yang sering dimasukkan sebagai salah satu metode Data Mining, yang tujuannya adalah untuk mengelompokkan data dengan karakteristik yang sama ke suatu ‘wilayah’ yang sama dan data dengan karakteristik yang berbeda ke ‘wilayah’ yang lain.

Klastering Bunga Iris
Pengetahuan (Model) Berupa Klaster

5.ASOSIASI

Teknik data mining untuk menemukan aturan assosiatif antara suatu kombinasi item. Contoh aturan assosiatif dari analisa pembelian di suatu pasar swalayan adalah dapat diketahuinya berapa besar kemungkinan seorang pelanggan membeli roti bersamaan dengan susu.

Aturan Asosiasi Pembelian Barang
Pengetahuan Berupa Aturan Asosiasi

Contoh Aturan Asosiasi

• Algoritma association rule (aturan asosiasi) adalah algoritma yang menemukan atribut yang “muncul bersamaan” • Contoh, pada hari kamis malam, 1000 pelanggan telah melakukan belanja di supermaket ABC, dimana: • 200 orang membeli Sabun Mandi
• dari 200 orang yang membeli sabun mandi, 50 orangnya membeli Fanta
• Jadi, association rule menjadi, “Jika membeli sabun mandi, maka membeli Fanta”, dengan nilai support = 200/1000 = 20% dan nilai confidence = 50/200 = 25%
• Algoritma association rule diantaranya adalah: A priori algorithm, FP-Growth algorithm, GRI algorithm

METODE DATA MINING

1. Estimation (Estimasi):
Linear Regression (LR), Neural Network (NN), Deep Learning (DL), Support Vector Machine (SVM), Generalized Linear Model (GLM), etc
2. Forecasting (Prediksi/Peramalan):
Linear Regression (LR), Neural Network (NN), Deep Learning (DL), Support Vector Machine (SVM), Generalized Linear Model (GLM), etc
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), etc
4. Clustering (Klastering):
K-Means, K-Medoids, Self-Organizing Map (SOM), Fuzzy C-Means (FCM), etc 5. Association (Asosiasi): FP-Growth, A Priori, Coefficient of Correlation, Chi Square, etc

Sumber : Romi Satria Wahono (CEO PT Brainmatics Cipta Informatika)

You May Also Like

About the Author: HIMATEMASI

Hanya seorang mahasiswa biasa yang sering bertanya kepada Dosennya dan Google, memberikan informasi yang akan sangat berguna adalah fashionnya HIMATEMASI

Tinggalkan Balasan

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *