Pengenalan Data Mining Part 2

Hai semuanya berjumpa lagi dengan saya Wahyudi malihi yeah nahh pada artikel saya yang kedua ini saya akan melanjutkan Pengenalan Data mining bagian kedua Dengan Materi :

1.) Task Data Mining

2) Jenis Atribut Data Mining

3.) KDD (Knowledge Discovery  In Database)

Oke baik kita langsung saja ke pembahasannya :

1.) Task Data Mining

Data Mining adalah suatu proses mengidentifikasi untuk menghasilkan data yang valid dengan mengambil data-data yang berkemungkinan bernilai untuk mendapat pola yang mudah dimengerti dari data tersebut. Metode Data mining :

   a.) Clasification

Classification adalah tinndakan untuk memberikan kelompok pada setiap keadaan atau kondisi dan setiap keadaan bisa                             memiliki beberapa atribut dimana masing-masing atribbut memiliki satu dari beberapa kemungkinan nilai.

    b.) Asociation

Metode ini biasanya disebut dengan Market Basket Analysis. Sebuah problem bisnis yang biasa ditangani adalah menganalisa                       tabel transaksi penjualan dan mengidentifikasi produk-produk yang seringkali dibeli oleh costumer.

    c.) Segmentation

Untuk metode ini digunakan untuk mengidentafikasi kelompok secara otomatis dari sebuah kasu yang didasarkan pada data                  yang memliki kemiripan atribut kedalam suatu pengelompokkan.

2.) Jenis Atribut Data Mining

       Atribut adalah bagian data, yang mewakili karakteristik atau feature dari objek data. Adapun Atributnya adalah sebagai berikut :

      a.) Atribut Nominal

              Atribut ini adalah simbol atau nama-nama darin suatu benda. Setiap nilai merupakan semacam kategori, kode, atau status dan           sebagainya sehingga atribut nominal juga disebut sebagai kategorikal.

      b.) Atribut Biner

               Atribut ini adalah simetris jika kedua staus dianggap sama-sama penting dan sama-sama memiliki bobot (jumlah tuples)                     yang seimbang; artinya, tidak ada preferensi yang mana harus dikodekan dengan 0 atau 1.

     c.) Atribut Ordinal

              Atribut ini adalah atribut dengan nilai-nilai yang memiliki urutan atau peringkat, tapi besaran nilai-nilai yang berurutan tidak          diketahui.

     d.) Atribut Numerik

            Atribut ini adalah kuantitatif; artinya nilai atribut itu bisa diukur, disajikan dalam bentuk integer atau desimal.

      e.) Atribut Interval-Scaled

              Atribut ini diukur dengan basis skala unit dengan ukuranyang sama. Nilai-nilai atribut Interval-Scaled  memiliki urutan bisa                  berupa positif, 0, atau negatif.

     f.) Atribut Rasio-Scaled

              Atribut ini adalah atribut numerik dengan titik nol absulut. Artinya, jika sistem pengukuran adalah menggunakan rasio-scaled

           anda dapat menghitung perklaian atau perbandingan antara suatu nilai dengan nilai yang lain.

3.) KDD (Knowledge Discovery  In Database)

            ProsesKnowledge Discovery In Database

      a.) Pemilihan Data (Data Selection)

                 Seleksi  Data merupakan sekumpulan data operasonal yang diperlakukuan sebelum tahap mining atau penggalian informasi               dalam KDD dimulai. Data hasil seleksi yang akan digunakan pada proses data mining,disimpan dalam suatu berkas dan  m                          sebaiknya terpisah dari basis data operasional.

    b.) Pemilihan Data  (Preprocessing)

            Tahap Preprocessing meliputi proses pembersihan (Cleaning) dengan membuang duplikasi data, memeriksa data yang                                inkosisten, dam memperbaiki kesalahan pada data misalkan typo. 

    c.) Transformasi (Transformation)

            nah pada tahap ini adalah mentransformasi bentuk data yang belum mempunyai entitas yang ke dalam benutk data yang valid             atau siap untuk dilakukan proses data mining

    d.) Data Mining

           dan pada tahap ini mengaplikasian metode atau algoritma yang sesuai dengan informasi atau pengetahuan apa yang akan digali           atau dicari, seperti menerapkan algoritma atau metoda untuk klasifikasi, estimasi, prediksi, keterhubungan, klustering, dan lain           sebagainya.

    

    e.) Evaluasi atau Interpretasi 

           Nah pada tahap terakhir ini yang dilakukan adalah mengevaluasi pepmbentukan keluaran atau output dari proses data mining            agar mudah untuk dipahami dan dimengerti. 

      Berikut link referensi yang menjadi bahan dalam penulisan artikel saya yang  kedua ini :

       1.) Task Data Mining : https://sis.binus.ac.id/2022/01/28/artikel-perbedaan-task-data-mining-classification-association-dan-                                                          segmentation/

      

       2.) Jenis Atribut Data Mining :  https://beritati.blogspot.com/2014/10/jenis-jenis-atribut-data-dalam-data.html?m=1

        3.) KDD (Knowledge Discovery In Databases) :  https://blogbugabagi.blogspot.com/2019/12/data-mining-teknik-data-mining-                                                                                                              proses.html?m=1

Nahh baik demikianlah artikel yang saya buat mengenai task data mining , jenis atribut data mining dan KDD (Knowledge Discovery In Database) dan sampai jumpa next artikell selanjutnyaaaa.