1 of 29

Data Mining

​

PROGRAM STUDI S1 TEKNIK INFORMATIKA�UNIVERSITAS PAMULANG

InfoTI_unpam

informatika.unpam.ac.id

2 of 29

Pert.

Materi

Pert.

Materi

1.

Pengantar Data Mining

8.

Klasterisasi

2.

Data

9.

Penerapan Klasterisasi K-Means

3.

Klasifikasi

10.

Penerapan Klasterisasi Hierarchical

4.

Penerapan Klasifikasi dengan Python

11.

Evaluasi Kinerja Klasterisasi

5.

Evaluasi Kinerja Pengklasifikasi

12.

Analisis Asosiasi

6.

Estimasi / Forecasting

13.

Penerapan Association Rule Apriori

7.

Evaluasi Kinerja Forecasting

14.

Evaluasi Kinerja Association Rule

​

PROGRAM STUDI S1 TEKNIK INFORMATIKA�UNIVERSITAS PAMULANG

InfoTI_unpam

informatika.unpam.ac.id

3 of 29

Pertemuan ke - 1�Pengantar Data Mining

​

PROGRAM STUDI S1 TEKNIK INFORMATIKA�UNIVERSITAS PAMULANG

InfoTI_unpam

informatika.unpam.ac.id

4 of 29

Agenda

  • Definisi Data Mining
  • Latar Belakang Data Mining
  • Tahapan Proses Data Mining

InfoTI_unpam

informatika.unpam.ac.id

5 of 29

Definisi 1

“Analisa yang dilakukan secara otomatis pada data besar atau kompleks dengan tujuan untuk mendapatkan pola data terpenting yang keberadaannya biasanya tidak disadari “

Pramudiono

InfoTI_unpam

informatika.unpam.ac.id

6 of 29

Definisi 2

“Menggabungkan pembelajaran mesin pencari, pengenalan pola, statistik, database, dan teknik visualisasi untuk mengatasi beberapa permasalahan dalam mengambil informasi dari database yang besar“

Larose

InfoTI_unpam

informatika.unpam.ac.id

7 of 29

Definisi 3

“Proses semi-otomatis data mining berguna untuk mengekstraksi dan mengidentifikasi informasi dengan menggunakan teknik statistik, matematika, kecerdasan buatan, serta pembelajaran mesin yang berpotensi agar dapat disimpan dalam sebuah basis data besar“

Turban

InfoTI_unpam

informatika.unpam.ac.id

8 of 29

Definisi 4

“Knowledge Discovery in Database (KDD) merupakan data mining itu sendiri yang dapat meliputi beberapa langkah seperti seleksi data, preprocessing, transformasi, data mining dan hasil evaluasi“

Maimon

InfoTI_unpam

informatika.unpam.ac.id

9 of 29

Kesimpulan

“Data Mining adalah proses pengumpulan data berskala besar yang bertujuan untuk mengumpulkan informasi yang sebelumnya tidak diketahui dan disimpan dalam database atau big data“

InfoTI_unpam

informatika.unpam.ac.id

10 of 29

Nama Lain Data Mining

  • Knowledge Discovery in Database (KDD)
  • Knowledge Extraction
  • Pattern Analysis
  • Information Harvesting
  • Business intelligence (BI)
  • Big Data

InfoTI_unpam

informatika.unpam.ac.id

11 of 29

Tahapan Data Mining

InfoTI_unpam

informatika.unpam.ac.id

12 of 29

Tahapan Proses Data Mining

  • Selection
  • Pre Processing
    • Data Cleansing
    • Data Integration
  • Transformation
  • Data Mining
  • Pattern Evaluation
  • Knowledge Presentation

​

InfoTI_unpam

informatika.unpam.ac.id

13 of 29

Data Selection

Proses seleksi atau pemilihan data yang dianggap relevan terhadap analisis.

InfoTI_unpam

informatika.unpam.ac.id

14 of 29

Data Cleansing

Proses dimana data diolah lalu dipilih data yang dianggap bisa dipakai

InfoTI_unpam

informatika.unpam.ac.id

15 of 29

Data Integration

Proses menggabungkan data yang dianggap berulang akan digabungkan menjadi satu.

InfoTI_unpam

informatika.unpam.ac.id

16 of 29

Data Trasnformation

Proses transformasi data terpilih ke dalam bentuk mining procedure.

InfoTI_unpam

informatika.unpam.ac.id

17 of 29

Data Mining

Proses dimana dilakukan beragam teknik untuk mengekstrak pola-pola potensial menghasilkan data yang berguna.

InfoTI_unpam

informatika.unpam.ac.id

18 of 29

Pattern Evaluation

Proses dimana pola-pola yang telah diidentifikasi berdasarkan ukuran yang diberikan.

InfoTI_unpam

informatika.unpam.ac.id

19 of 29

Knowledge Presentation

Data-data yang sudah diproses divisualisasikan agar lebih mudah dipahami oleh pengguna dan diharapkan bisa diambil tindakan berdasarkan analisis.

InfoTI_unpam

informatika.unpam.ac.id

20 of 29

Metode Data Mining

  • Estimasi, jika Data Numerik
  • Prediksi, jika Data Numerik dan Time Series (rentang waktu)
  • Klasifikasi, jika berupa Data Kategorikal
  • Clustering, jika Data Tanpa Label dan tidak ada target
  • Asosiasi

​

InfoTI_unpam

informatika.unpam.ac.id

21 of 29

Estimasi

  • Berupa Data Numerik
  • Memiliki Label/Target Numerik

InfoTI_unpam

informatika.unpam.ac.id

22 of 29

Prediksi

  • Berupa Data Numerik
  • Terdapat Time Series
  • Memiliki Label/Target Numerik

​

InfoTI_unpam

informatika.unpam.ac.id

23 of 29

Klasifikasi

  • Merupakan Data Kategorikal atau Data Numerik
  • Memiliki Target/Label Kategorikal

​

InfoTI_unpam

informatika.unpam.ac.id

24 of 29

Clustering

  • Berupa Data Numerik
  • Tidak memiliki Label/Target
  • Mengelompokkan Data

​

InfoTI_unpam

informatika.unpam.ac.id

25 of 29

Asosiasi

  • Mencari hubungan antar data
  • Tidak memiliki Label/Target

​

InfoTI_unpam

informatika.unpam.ac.id

26 of 29

Metode Data Mining

InfoTI_unpam

informatika.unpam.ac.id

27 of 29

Kesimpulan

InfoTI_unpam

informatika.unpam.ac.id

28 of 29

​

Program Studi Teknik Informatika, Universitas Pamulang

TERIMA KASIH

29 of 29

​

Program Studi Teknik Informatika, Universitas Pamulang

TERIMA KASIH, MAHASISWA TEKNIK INFORMATIKA UNGGUL, ANDA SUDAH BELAJAR DENGAN LUAR BIASA