Data Mining Concepts and Techniques

    c. Rattle

Rattle juga berguna untuk keperluan data penambangan data. Aplikasi ini memercayakan  kekuatan R Statistical Software. Bahkan, Rattle dapat digunakan sebagai tempat untuk mempelajari bahasa pemograman R. Keunggulan Rattle adalah dapat                      melakukan analisis statistik dan membuat model.

    d. Orange

Orange adalah perangkat lunak yang sangat idealis untuk melakukan pembelajaran mesin dan data penambangan data. Keunggulannya adalah menampilkan penggambaran  data yang bagus.

    e. KNIME

KNIME adalah pernyataan  penggabungan  terbaik untuk kebutuhan laporan dan pengkajian data. Pada umumnya, KNIME digunakan untuk keperluan observasi  farmasi. Aplikasi ini menampilkan analisis data pelanggan dan analisis data keuangan.

7. Masalah Utama dalam Data Mining

Masalah kinerja

• Kemampuan  dan skalabilitas data mining / efisiensi dan skalabilitas algoritma data mining− algoritma untuk secara efektif mengesensi informasi dari sejumlah besar data dalam basis data, data pertambangan algoritma harus efisien dan terukur.
• Sejajar , didistribusikan dan algoritma penambangan inkremental / sejajar, didistribusikan, dan algoritma penambangan tambahan − faktor-faktor seperti ukuran besar basis data, distribusi data, dan komplikasi dari cara pertambangan data memotivasi pengembangan data sejajar dan didistribusikan algoritma penambangan. Algoritma ini membagi data ke penghalang yang diproses lebih lanjut dalam gaya sejajar. Kemudian hasil dari partisi digabungkan. Algoritma inkremental, memperbarui basis data tanpa pertambangan data lagi dari awal.

Jenis Masalah Data beragam

• Penanganan tipe data relasional dan kompleks/ Penanganan relasional dan kelompok jenis data − basis data dapat berisi objek data yang kompleks, objek multimedia data, data spasial, temporal data dll. Hal ini tidakmungkin untuk satu sistem untuk mining semua jenis data ini.
• Menambang informasi dari database heterogen dan sistem informasi global / Pertambangan informasi dari basis data beragam dan informasi global sistem − data tersedia di sumber data yang berbeda pada LAN atau WAN. Sumber data ini mungkin teratur, semi teratur atau tidak teratur. Oleh karena itu pengetahuan mining dari mereka menambah tantangan data mining.