Anda di halaman 1dari 3

Sebutkan 5 peran utama data mining!

Jawaban :

a. b. c. d. e.

Estimation Prediction Classification Clustering Association

2. algoritma apa saja yang dapat digunakan untuk 5 peran utama data mining di atas
Jawaban :

0?

Estimation !Estimasi":

1?

#inear $egression% &eural &etwork% Support 'ector (ac)ine% etc

2? Prediction*+orecasting !Prediksi*Peramalan": 3?
#inear $egression% &eural &etwork% Support 'ector (ac)ine% etc

4? Classification !,lasifikasi": 5?
&ai-e .ayes% ,/&earest &eig)bor% C015% 234% CA$5% #inear 3iscriminant Analysis% etc

6? Clustering !,lastering": 7?
,/(eans% ,/(edoids% Self/6rgani7ing (ap !S6("% +u77y C/(eans% etc

8? Association !Asosiasi": 9?
+P/8rowt)% A Priori% etc

3. Jelaskan perbedaan estimasi dan prediksi!


Jawaban : Perbedanya adala) data yang digunakan merupakan data rentet waktu !data time series"1

4. Jelaskan perbedaan estimasi dan klasifikasi!


Jawaban : Algoritma estimasi mirip dengan algoritma klasifikasi% tapi -ariabel target adala) berupa bilangan numerik !kontinyu" dan bukan kategorikal !nominal atau diskrit" sedangkan algoritma klasifikasi menggunakan target*class*label berupa nilai kategorikal !nominal"

Jelaskan perbedaan klasifikasi dan klastering! Jawaban :

arning 0? Perbedaan utama algoritma klastering dengan klasifikasi adala) klastering tidak
memiliki

-ised le target*class*label% jadi termasuk unsuper 0? ,lastering sering digunakan sebagai ta)ap awal dalam proses data mining% dengan
)asil klaster yang terbentuk akan menjadi input dari algoritma berikutnya yang digunakan1

6. Jelaskan perbedaan klastering dan prediksi!


Jawaban : ,lastering : penegelompokan data % )asil obser-asi dan kasus ke dalam class yang mirip1 Prediksi : mana label*target*class bertipe numerik Algoritma prediksi*forecasting sama dengan algoritma estimasi di

7. Jelaskan perbedaan super-ised dan unsuper-ised learning!


Jawaban : Super-ised #earning !Pembelajaran dengan 8uru":

0? 1? 2?

Sebagian besar algoritma data mining !estimation% prediction*forecasting% classification" adala) super-ised learning 'ariabel yang menjadi target*label*class ditentukan

Algoritma melakukan proses belajar berdasarkan nilai dari -ariabel target yang terasosiasi dengan nilai dari -ariable prediktor 9nsuper-ised #earning !Pembelajaran tanpa 8uru":

0? 1? 2?
2nput !3ata"

Algoritma data mining mencari pola dari semua -ariable !atribut"

'ariable !atribut" yang menjadi target*label*class tidak ditentukan !tidak ada" Algoritma clustering adala) algoritma unsuper-ised learning (etode !Algoritma data mininig" 6utput !pola *(odel"

8. Sebutkan ta)apan utama proses data mining!