![CONTOH PARTISI BINNING
Data: 0, 4, 12, 16 16, 18, 24, 26, 28
▪ Equal Width
BIN 1= 0,4
BIN 2= 12,16,16,18
BIN 3= 24,26,28
▪ Equal Depth
BIN 1= 0, 4, 12
BIN 2= 16,16,18
BIN 3= 24,26,28
Smoothing berdasarkan rata-rata:
Semua nilai tiap bin diganti dengan
rata-rata nilai tiap bin
Smoothing berdasarkan batasan:
Setiap nilai bin diganti dengan nilai
yang paling dekat dari batasan
nilai. Batasan nilai terbentuk dari
[min, max] tiap bin](https://image.slidesharecdn.com/data-mining-pertemuan-2-240327004934-348b5a6d/85/Praproses-data-yang-digunakan-dalam-data-mining-14-320.jpg)
![TRANSFORMASI DATA
Normalization
a. Min-max normalization: menghasilkan [new_min,new_max]](https://image.slidesharecdn.com/data-mining-pertemuan-2-240327004934-348b5a6d/85/Praproses-data-yang-digunakan-dalam-data-mining-21-320.jpg)
Praproses data yang digunakan dalam data mining
- 1. PRAPROSES DATA Ade Chandra Saputra S.Kom.M.Cs
- 2. KEMAMPUAN AKHIR YANG DIHARAPKAN Mahasiswa mengetahui preprocessing data , melakukan proses cleaning data, mampu menjelaskan konsep data integras, transformasi, reduksi, dan diskritisasi
- 3. LATAR BELAKANG PRAPROSES DATA Tidak komplit Terdapat artribut yang kosong dikarenakan atribut tersebut tidak dapat diaplikasikan untuk semua kasus Human/Hardware/ Software problems Noisy Data mengandung error atau outlier karena terdapat kesalahan dalam penggunaan alat, kesalahan manusia atau komputer pada saat memasukkan data, eror dalam transmisi data Tidak konsisten Format data berubah-ubah dikarenakan berasal dari sumber data yang berbeda. Contoh: Format tanggal
- 4. TUJUAN PRAPROSES • Menghasilkan hasil mining yang berkualitas • Data warehouse membutuhkan integrasi yang konsisten • Data extraction, cleaning, and transformation merupakan salah satu tahapan untuk membangun gudang data Sumber: www.syncsort.com/Syncsort/media/images/data-quality-hero-mobile.png
- 7. PEMBERSIHAN DATA Mengisi missing value Meminimumkan Noise Membetulkan data yang tidak konsisten Mengindentifikasi/membuang outlier https://developer.salesforce.com/resource/im ages/trailhead/badges/modules/trailhead_mo dule_data_quality.png
- 8. MENGISI MISSING VALUE • Mengabaikan record • Menggunakan mean/median/modus dari atribut yang mengandung missing value • Menggunakan nilai termungkin (Menerapkan regresi)
- 9. NOISY DATA Binning • Smoothing menggunakan Bin Means • Smoothing menggunakan Bin Medians • Smoothing menggunakan Bin Boundaries Cara mengetahui outlier : Clustering, Regresi Linear
- 10. MENDETEKSI OUTLIER DENGAN CLUSTERING
- 11. MENDETEKSI OUTLIER DENGAN REGRESI LINEAR
- 12. METODE BINING Metode yang dilakukan untuk mengelompokkan data Salah satu pendekatan diskritisasi Urutan proses: 1. Urutkan data dari kecil ke besar (ascending) 2. Melakukan partisi data dalam bins menggunakan equal-width atau equal-depth (frekuensi) 3. Dapat di-smoothing menggunakan rata-rata, median, batasan, dsb.
- 13. METODE BINING Partisi Equal- Width Langkah-langkah membagi data ke dalam k interval ukuran yang sama. Lebar interval adalah w= (max-min)/k Partisi Equal- depth Membagi data ke dalam k kelompok dimana tiap k kelompok berisi jumlah yang sama
- 14. CONTOH PARTISI BINNING Data: 0, 4, 12, 16 16, 18, 24, 26, 28 ▪ Equal Width BIN 1= 0,4 BIN 2= 12,16,16,18 BIN 3= 24,26,28 ▪ Equal Depth BIN 1= 0, 4, 12 BIN 2= 16,16,18 BIN 3= 24,26,28 Smoothing berdasarkan rata-rata: Semua nilai tiap bin diganti dengan rata-rata nilai tiap bin Smoothing berdasarkan batasan: Setiap nilai bin diganti dengan nilai yang paling dekat dari batasan nilai. Batasan nilai terbentuk dari [min, max] tiap bin
- 15. INTEGRASI DATA • Data dapat bersumber dari beberapa sumber • Teknik-teknik: ANALISIS KORELASI ATRIBUT REDUDAN DUPLIKASI
- 16. MENGATASI REDUNDASI PADA INTEGRASI DATA PENYEBAB REDUNDANSI • Atribut yang sama mempunyai nama yang berbeda pada database yang berbeda • Satu atribut merupakan turunan dari atribut lainnya Dapat dideteksi menggunakan analisis korelasi Berhati-hati dalam menggabungkan data dari berbagai sumber untuk mengurangi redundasi
- 17. MENGATASI REDUNDASI PADA INTEGRASI DATA Redudancy/ Duplicate : Hubungan korelasi antar variabel dapat dilihat menggunakan rumus korelasi. Jika data numerik, hubungan korelasinya seperti dibawah ini: Semakin besar hasil perhitungan tersebut, semakin tinggi korelasi. Jika hasil perhitungan tersebut =0 berarti independen. Jika kurang dari nol tidak independen
- 18. MENGATASI REDUNDASI PADA INTEGRASI DATA Jika data kategorik, hubungan korelasinya seperti dibawah ini menggunakan chi-square: Semakin besar chi-square, semakin tinggi korelasi. Jika hasil perhitungan tersebut =0 berarti independen. Jika kurang dari nol tidak independen
- 19. CONTOH SOAL MENGGUNAKAN CHI-SQUARE
- 20. TRANSFORMASI DATA • Tujuan diadakan transformasi data agar data lebih efisien dlm proses data mining dan mungkin jg agar pola yg dihasilkan lebih mudah dipahami • Hal – hal yg termasuk transformasi data : – Smoothing : menghapus noise dari data – Agregation : ringkasan, kontruksi data cube – Normalization : Min-max, Z-Score, Decimal Scaling
- 21. TRANSFORMASI DATA Normalization a. Min-max normalization: menghasilkan [new_min,new_max]
- 22. TRANSFORMASI DATA Normalization b. Min-max Z-score normalization : μ: mean, σ: standard deviation
- 23. TRANSFORMASI DATA Normalization c. Normalisasi pada skala desimal Dimana j adalah bilangan bulat terkecil sehingga Max(|ν’|) < 1
- 24. REDUKSI DATA Memperkecil volume tapi menghasilkan analasis data yang sama. Strategi- strategi data reduksi: Data cube aggregation, reduksi dimensi (menghapus atribut yang tidak penting), kompresi data, dsb. DATA CUBE AGGREGATION Mengurangi ukuran data Menggunakan representasi yang singkat
- 26. DISKRITISASI DATA Terdapat tiga tipe atribut: • Nominal = Nilai dari sekumpulan data yang tidak beraturan. Contoh: Warna, Profesi • Ordinal = Nilai dari sekumpulan data yang terurut.. Contoh: Ip, nomor antrian • Kontinu = Nilai real seperti integer atau real number Diskritisasi Metode disktritisasi bisa dilakukan pada data kontinu.Tahap pertama, kita mengelompokkan nilai ke dalam interval. Setelah itu kita menggantikan nilai atribut dengan label atau interval. Contoh: Dataset (age, salary): (26;56,000),(28;70,000),(89;99,000)
- 27. TERIMA KASIH ☺