fuzzyShp
- 1. DATA MINING Sasmitha Handayani Phutri TI VII.4
- 2. DATA MINING Data Mining adalah Serangkaian proses untuk menggali nilai tambah berupa informasi yang selama ini tidak diketahui secara manual dari suatu basisdata dengan melakukan penggalian pola-pola dari data dengan tujuan untuk memanipulasi data menjadi informasi yang lebih berharga yang diperoleh dengan cara mengekstraksi dan mengenali pola yang penting atau menarik dari data yang terdapat dalam basisdata.
- 3. Metode Ada 2 metode yang secara umum pada data mining : Metode Prediksi Menggunakan beberapa variabel untuk memprediksi nilai yang belum diketahui (unknown) atau nilai selanjutnya (future) atau variabel lain. Metode Deskripsi Mencari suatu pola yang mudah dipahami oleh manusia yang mendeskripsikan data.
- 4. Algoritma Data Mining (DM) 1. Estimation 2. Prediction 3. Classification 4. Clustering 5. Association
- 5. 1. estimation Estimasi hampir sama dengan klasifikasi, kecuali variabel target estimasi lebih kearah numerik daripada ke arah kategori.
- 6. 2. Prediction Prediksi hampir sama dengan klasifikasi dan estimasi, kecuali bahwa dalam prediksi nilai dari hasil akan ada dimasa mendatang.
- 7. 3. Classification Dalam klasifikasi, terdapat terget variabel kategori
- 8. 4. Clustering Kluster adalah kumpulan record yang memiliki kemiripan satu dengan yang lainnya dan tidak memiliki kemiripan dengan record-record dalam kluster lain.
- 9. 5. Association Tugas asosiasi dalam data mining adalah menemukan atribut yang muncul dalam satu waktu.
- 10. Algoritma Data Mining (DM) 1. Estimation (Estimasi): Linear Regression, Neural Network, Support Vector Machine, etc 2. Prediction/Forecasting (Prediksi/Peramalan): Linear Regression, Neural Network, Support Vector Machine, etc 3. Classification (Klasifikasi): Naive Bayes, K-Nearest Neighbor, C4.5, ID3, CART, Linear Discriminant Analysis, Logistic Regression, etc 4. Clustering (Klastering): K-Means, K-Medoids, Self-Organizing Map (SOM), Fuzzy C-Means, etc 5. Association (Asosiasi): FP-Growth, A Priori, etc
- 11. Pengukuran Dari beberapa Metode Neural networks (jaringan syaraf tiruan) Ini adalah salah satu diantara teknik-teknik dalam machine-learning yang paling popular yang bisa digunakan untuk problem-problem klasifikasi. Decision tree (pohon keputusan) Decision tree membagi training set (data pelatihan) secara rekursif hingga masing-masing divisi berisi contoh dari satu kelas secara keseluruhan.
- 12. Istilah-istilah yang berkenan dengan data mining Algorithm - Mengacu kepada prosedur spesifik yang digunakan untuk menerapkan sebuah teknik khusus dari data mining, seperti: clasification tree, discriminant analysis, dll. Confidence - Confidence mempunyai arti khusus didalam Association Rule, misalnya di dalam pernyataan "Apabila A dan B dibeli, maka C juga dibeli" maka, Confidence adalah kondisi kemungkinan C juga di beli apabila A dan B dibeli. Confidence juga memiliki arti yang lebih luas didalam statistik (Confidence Interval), mengenai derajat dari kesalahan didalam sebuah estimasi yang dihasilkan dari pemilihan sebuah sample sebagai lawan dari sample lainnya.
- 13. Holdout Sample - Adalah sebuah sample dari data yang tidak digunakan didalam fitting sebuah model, digunakan untuk menilai performa dari model tersebut. Model - Mengacu kepada sebuah algoritma yang diterakan kepada sebuah dataset, lengkap dengan settingnya (beberapa algoritma mempunyai parameter yang dapat disesuaikan oleh user)
- 14. Observation - Adalah sebuah unit dari analisis dimana sebuah pengukuran di ambil (misal; transaksi dari customer) juga dikenal sebagai case, record, pattern atau row (setiap row seringkali merepresentasikan sebuah record setiap kolom adalah satu variabel).
- 15. Logistic Regression (Regresi Logistic) Merupakan salah satu analisa multivariate, yang berguna untuk memprediksi dependent variabel berdasarkan variabel independen. Pada logistic regresi, dependen variabel adalah variabel dikotomi (kategori). Ketika kategori variabel dependennya berjumlah dua maka digunakan binary logistic dan ketika dependen variabelnya lebih dari dua kategori maka digunakan multinominal logistic regression. Lalu ketika dependen variabelnya berbentuk rangking, maka disebut dengan ordinal logistic regression. Support Vector Machine (SVM) metode learning machine yang bekerja atas prinsip Structural Risk Minimization (SRM) dengan tujuan menemukan hyperplane terbaik yang memisahkan dua buah class pada input space.
- 16. K-Means Suatu metode penganalisaan data atau metode Data Mining yang melakukan proses pemodelan tanpa supervisi (unsupervised) dan merupakan salah satu metode yang melakukan pengelompokan data dengan sistem partisi. K-Nearest Neighbor (k-NN atau KNN) Sebuah metode untuk melakukan klasifikasi terhadap objek berdasarkan data pembelajaran yang jaraknya paling dekat dengan objek tersebut.
- 17. Self-Organizing Map (SOM) salah satu metode ANN (Artificial Neural Network) yang termasuk ke dalam unsupervised learning atau pelatihan tidak terbimbing, yaitu pelatihan yang tidak membutuhkan vektor target untuk menghasilkan keluaran, hanya terdiri dari vektor-vektor masukan sebagai pengubah bobot jaringan untuk menghasilkan pola vektor. Linear Regression sebuah data statistik yang dapat memprediksikan suatu harga kedepan dari data masa lalu, biasanya digunakan dimana saat pergerakan harga sedang mengalami kenaikan maupun penurunan yang sangat signifikan.
- 18. Na誰ve Bayes Sebuah metode information retrieval yang menggunakan pendekatan probabilistik dalam menginferensi, yakni berbasis pada teorema Bayes secara umum. Aplikasinya yang paling banyak digunakan yaitu untuk klasifikasi teks. Arti kata naive di sini adalah metode Naive Bayes mengasumsikan bahwa probabilitas kemunculan sebuah kata independen terhadap posisinya di dalam teks. FP-Growth Bagian dari teknik asosiasi pada data mining. FP-Growth salah satu altenatif algoritma yang dapat digunakan untuk menentukan himpunan data yang paling sering muncul (frequent itemset) dalam sekumpulan data.
- 19. Istilah-istilah pada Data Mining Pattern - Adalah sebuah seperangkat pengukuran pada sebuah observasi atau pengamatan.(misal: tinggi, berat, dan umur dari seseorang) Prediction - Berarti ramalan dalam sebuah nilai yang didapat dari output variabel yang terus menerus (Juga dikenal sebagai estimation). Predictor - Biasanya di notasikan dengan X juga disebut dengan Feature, Input Variable, Independent Variable, atau dari perspektif database, predictor disebut dengan field. Response - Biasanya dinotasikan dengan Y, adalah variabel yang sedang diramalkan pada supervised learning; juga dikenal dengan dependent variable, output variable, target variable, atau outcome variable.
- 20. Score - mengacu kepada value atau class yang di prediksi. Scoring new data berarti menggunakan sebuah model yang dibangun dengan training data untuk memprediksi output value di data yang baru. Success Class - Adalah sebuah class of interest pada sebuah hasil binary (misal: purchaser didalam outcome purchase / no purchase) Supervised learning - Mengacu kepada proses dalam penyediaan algoritma (logistic regression, regression tree, dll) dengan record didalam sebuah output variable of interest yang diketahui dan algoritma belajar bagaimana memprediksi nilai dengan record baru dimana outputnya tidak diketahui. Test Data (atau Test Set) - Mengacu kepada porsi dari data yang digunakan hanya pada akhir dari
- 21. pembangunan model dan proses seleksi untuk menaksir seberapa bagus final model pada penambahan data.T Training Data (atau Training Set) - Mengacu kepada porsi dari data yang digunakan untuk mencocokan sebuah model. Unsupervised Learning - Mengacu kepada analisa tentang analisis mana yang melakukan percobaan untuk mempelajari sesuatu dari data daripada mencari nilai outputnya. Validation data (atau validation set) - Mengacu kepada porsi dari data yang digunakan untuk menilai seberapa baik model itu cocok, untuk menyesuaikan beberapa model, dan untuk memilih model terbaik dari model-model yang pernah dicoba. Variable - Segala pengukuran pada record, termasuk variable input (X) dan variable Output (Y).