Tugas resume data mining

NIM : A12.2013.04931
NAMA : Sepriyanto Yehskiel

Data Mining
Pada dasarnya data mining berhubungan dengan analisa data dan penggunaan teknik-
teknik perangkat lunak untuk mencari pola dan keteraturan dalam himpunan data yang sifatnya
tersembunyi.
Data mining diartikan sebagai suatu proses ekstraksi informasi berguna dan potensial
dari sekumpulan data yang terdapat secara implisit dalam suatu basis data.

Model-model data mining

Verification model
Model ini menggunakan perkiraan (hypothesis) dari pengguna, dan melakukan test
terhadap perkiraan yang diambil sebelumnya dengan menggunakan data-data yang ada.
Penekanan terhadap model ini adalah terletak pada user yang bertanggung jawab terhadap
penyusunan perkiraan (hypothesis) dan permasalahan pada data untuk meniadakan atau
menegaskan hasil perkiraan (hypothesis) yang diambil.
Discovery model
Pada model ini sistem secara langsung menemukan informasi-informasi penting yang
tersembunyi dalam suatu data yang besar. Data-data yang ada kemudian dipilah-pilah-untuk-
menemukan suatu pola, trend yang ada, dan keadaaan umum pada saat itu tanpa adanya campu
tangan dan tuntunan dari pengguna. Hasil temuan ini menyatakan fakta-fakta yang ada dalam
data-data yang ditemukan dalam waktu yang sesingkat rnungkin.

Algoritma Data Mining

 Estimasi,
 Prediksi
 Klasifikasi,
 Klastering,
 Asosiasi
Metode learning pada algoritma data mining
1. Supervised Learning, yaitu Algoritma melakukan proses belajar berdasarkan nilai dari
variabel target yang terasosiasi dengan nilai dari variable prediktor.
2. Semi-Supervised Learning, yaitu metode data mining yang menggunakan data dengan
label dan tidak berlabel sekaligus dalam proses pembelajarannya.
3. Unsupervised Learning,yaitu Algoritma data mining mencari pola dari semua variable
(atribut)
Teknik atau Metode data mining
 Decision Tree (Pohon Keputusan), memiliki pendekatan pemodelan prediksi
menggunakan statistik,data mining,dan pembelajaran mesin
 Rule-based Methods,
 Memory based reasoning
 Neural Networks (Jaringan Syaraf Tiruan),algoritma yang di desain untuk memodelkan
cara kerja jaringan saraf dalam melakukan sesuatu pekerjaan atau fungsi tertentu,
 Naive Bayes dan Bayesian Belief Networks, memungkinkan memungkinkan untuk
belajar dari pengalaman serta menggabungkan kecerdasan buatan yang baik dengan
jaringan syaraf,
 Support Vector Machines
Pengertian Machine learning
Merupakan disiplin ilmu yang berisi tentang pembelajaran komputer untuk menjadi
cerdas. Mesin disini adalah mesin dalam pengertian lebih mendekati sistem.
Mamfaat machine learning
Mencatat perubahan dalam data dan berevolusi dalam desain untuk mengakomodasi
temuan baru.
Pola Pikir mengenai model machine learning
1. Learning and global modeling, di dasari oleh rumus matematika yang sempurna seperti
probabilitas atau statistik dan lebih berbicara tentang penomena.
2. Learning and local modeling, model ini menggunakan informasi dari observasi yang
dipakai.