APPLIED DATABASE III - Slide Arsitektur Data Mining
- 3. Arsitektur Data Mining Keterangan : Data cleaning (Pembersihan Data) : untuk membuang data yang tidak konsisten dan noise Data integration : penggabungan data dari beberapa sumber Data Mining Engine : Mentranformasikan data menjadi bentuk yang sesuai untuk di mining Pattern evaluation: untuk menemukan pengetahuan yang bernilai melalui knowledge base Graphical User Interface (GUI) : untuk end user
- 4. Model Data MiningMetode Prediksi Dengan menggunakan beberapa variabel, untuk memprediksi nilai yang belum diketahui (unknown ) atau nilai selanjutnya (future) dari variabel lain Contoh: Classification Regression Deviation Detection / DeviationAnalysis
- 5. Model Data MiningMetode Deskripsi Menemukan pola pendeskripsian data yang dapat diinterpretasikan oleh manusia Contoh: Clustering Association Rule Discovery
- 6. Classificatio nProses untuk menemukan model atau fungsi yang membedakan kelas data, dengan tujuan untuk dapat memprediksi kelas dari suatu objek yang labelnya tidak diketahui
- 7. Examples of Classification Task Memprediksi sel tumor apakah jinak atau ganas Klasifikasi transaksi kartu kredit apakah sah atau penipuan Mengkategorikan artikel berita keuangan, cuaca, hiburan, olahraga, dll
- 8. Classification Techniques Decision Tree based Methods Neural Networks Rule-based Methods Memory based reasoning Naïve Bayes and Bayesian Belief Networks Support Vector Machines
- 10. Classification Techniques Type : SUV Minivan Car Door : 2, 4 Tires : Blackwall, Whitewall
- 12. Classification TechniquesTypes Doors Tires Result SUV 2 Whitewall + MINIVAN 4 Whitewall - SUV 2 Blackwall - CAR 4 Blackwall - CAR 4 Blackwall - CAR 2 Blackwall + CAR 2 Whitewall + MINIVAN 4 Blackwall - SUV 2 Blackwall - MINIVAN 4 Whitewall - SUV 4 Blackwall - SUV 4 Whitewall + CAR 2 Blackwall + SUV 2 Blackwall -
- 14. Regressio n Metode Regression mirip dengan metode Classification, bedanya adalah regression tidak bisa mencari pola yang dijabarkan sebagai class (kelas). Digunakan untuk memetakan data dengan prediksi atribut bernilai real
- 15. Contoh Regression Task Memprediksi jumlah penjualan produk baru pada advertising expenditure (belanja iklan). Memprediksi kecepatan memutar (wind velocities) pada fungsi temperatur, tekanan udara , dll Memperkirakan metode distribusi dan kapasitas distribusi
- 16. Teknik RegressionTeknik : Linear Regression Logistic Regression SQL Server Data Mining mendukung teknik : Regression Trees (bagian Microsoft Decission Trees) Neural Network Oracle Data Mining mendukung teknik : Generalized Linear Models (GLM) Support Vector Machines (SVM)
- 17. Deviation Detection / Deviation Analysis Digunakan untuk mencari kasus yang bertindak sangat berbeda dari normalnya Mengidentifikasi kasus yang tidak normal diantara jutaan transaksi
- 18. Contoh Deviation Analysis Task Pendeteksian penyalah gunaan Kartu kredit. Pendeteksian gangguan jaringan komputer Analisa kesalahan produksi, dll
- 19. Teknik Deviation Analysis Decision trees Neural network
- 20. Clusterin g Disebut juga sebagai Segmentation Clustering adalah suatu alat untuk analisa data, yang memecahkan permasalahan penggolongan Clustering mendistribusikan obyek ke dalam kelompok, sehingga : Derajat tingkat keterhubungan antar anggota cluster yang sama adalah kuat dan Derajat tingkat keterhubungan antar anggota cluster yang berbeda adalah lemah
- 22. Clusterin gClustering bermakna menggolongkan data atau membagi satuan data yang besar ke dalam satuan data yang lebih kecil yang memiliki kesamaan
- 23. Clusterin gGambar dibawah ini menunjukkan kelompok data pelanggan yang berisi dua atribut, yaitu Age (Umur) dan Income (Pendapatan).
- 24. Clusterin gAlgoritma Clustering mengelompokkan kelompok data kedalam tiga segment berdasarkan kedua atribut ini. Cluster 1 berisi populasi berusia muda dengan pendapatan rendah Cluster 2 berisi populasi berusia menengah dengan pendapatan yang lebih tinggi Cluster 3 berisi populasi berusia tua dengan pendapatan yang relatif rendah.
- 25. Association Rule DiscoveryAssociation Rule Teknik data mining untuk menemukan aturan asosiatif antara suatu kombinasi item
- 26. Contoh Association Rule TaskAnalisis pembelian barang di suatu pasar swalayan yaitu : Dapat diketahuinya besar kemungkinan seorang pelanggan membeli suatu barang dengan barang lainnya
- 27. Association Rule TeknikTahap analisis asosiasi untuk menghasilkan algoritma adalah pola frekuensi tinggi (frequent pattern mining) Analisis asosiasi sering juga disebut market basket analysis