-->

Pendahuluan dan Konsep Dasar Data Mining





DATA MINING. Halo sobat coding, pada kesempatan kali ini brainedukasi akan memberikan content series belajar data mining lengkap.. 


Apa itu Data Mining?  Data Mining merupakan gabungan sejumlah disiplin  ilmu komputer (ACM 2006), (Clifton 2010) yang didefinisikan sebagai proses penemuan pola pola baru dari kumpulan - kumpulan data yang besar jumlahnya, meliputi metode -metode yang merupakan irisan dari  Kecerdasan Buatan, Machine Learning, statistika, dan database sistem ( ACM 2006)

Data mining ditujukan untuk mengekstrak ( mengambil instisari ) pengetahuan dari sekumpulan data sehingga didapatkan struktur yang dapat dimengerti manusia (ACM 2006) serta meliputi basis data dan manajemen data, prapemrosesan data, pertimbangan model dan inferensi,ukuran ketertarikan, pertimbangan kompleksitas , pascapemrosesan terhadap struktur yang ditemukan , visualisasi data dan updating data ( ACM 2006 )

Konsep Dasar Data Mining?,  Secara umum kegunaan data mining dibagi menjadi dua yaitu: deskriptif, dan prediktif,
Deskriptif adalah data mining digunakan  untuk mencari pola pola yang dapat dipahami manusia yang menjelaskan karakteristik data, sedangkan
Prediktif adalah data mining yang digunakan untuk membentuk sebuah model pengetahuan yang akan digunakan untuk melakukan prediksi.

dalam konsep dasarnya , Data Mining memiliki tugas tugas  menurut ( Fayyed et al 1996 )

  1. Klasisifikasi ( classification ): men-generalisasi struktur yang diketahui untuk diaplikasikan pada data data baru, Misalkan klasifikasi penyakit kedalam sejumlah jenis, klasifikasi email ke dalam spam atau bukan.
  2. Klasterisasi ( Clustering ): mengelompokan data yang tidak diketahui label kelasnya kedalam sejumlah kelompok tertentu sesuai dengan ukuran  kemiripanya.
  3. Regresi (regression): menemukan suatu fungsi yang memodelkan data dengan galat (kesalahan prediksi )seminimal mungkin
  4. Deteksi Anomali ( Anomaly detection ): mengidentifikasi  data yang tidak umum, bisa berupa outlier. perubahan  atau deviasi yang mungkin sangat penting dan perlu investigasi  lebih lanjut
  5. Pembelajaran aturan asosiasi ( association rule learning  ) atau pemodelan kebergantungan (depedency modeling)L mencari relasi antar variabel

LihatTutupKomentar

a