Ratna Rahmawati Rahayu

1.Classification

KNearestNeighbor,NaiveBayes,C4.5,ID3,CART,Linear DiscriminantAnalysis LinearRegression,NeuralNetwork,SupportVectorMachine KMeans,KMedoids,SelfOrganizingMap(SOM),FuzzyC Means FPGrowth,APriori

2.Regression(Regresi)

3.Clustering

4.Association (Asosiasi)

5.AnomalyDetection (DeteksiAnomali)

Classification adalah proses menempatkan suatu objek tertentu dalam satu

set kategori, berdasarkan properti objek yang bersangkutan

Algoritma : Naive Bayes, K-Nearest Neighbor, C4.5, ID3, CART, Linear Discriminant Analysis

If If If If If

outlook = sunny and humidity = high then play = no outlook = rainy and windy = true then play = no outlook = overcast then play = yes humidity = normal then play = yes none of the above then play = yes

NPM

JenKel

Nilai UN 28 27 24 26

Asal Sekolah SMAN 2 SMA DK SMAN1 SMAN3

Nilai Nilai Nilai Nilai BI BIng MTK IPA 3.3 4.0 2.7 3.2 3.6 3.2 3.4 2.7 2.89 3.8 4.0 3.6 2.9 3.7 3.5 3.4

...

Lulus Tepat Waktu Ya Tidak Tidak Ya

1001 1002 1003 1004 ... ... 1100

L P P L

23

SMAN5

3.3

2.8

3.1

3.2

Ya

Contoh : Pendeteksian jenis penyakit pasien, Penentuan kelulusan tepat waktu, Menentukan klasifikasi jenis hewan

Regression adalah memprediksi nilai variabel target kontinu yang ditentukan

berdasarkan variabel prediktor.

Customer Jumlah Pesanan Jarak (P) (J) 1 2 3 4 ... 1000 2 2 3 1 2 4 3 4 6 8

WaktuTempuh (T) 16 20 18 36 12

WaktuTempuh(T)=0.48P+0.5J
Algoritma : Linear Regression, Neural Network, Support Vector Machine Contoh : Perkiraan harga saham dan tingkat inflasi, Prediksi jumlah penjualan

Clustering adalah pengelompokkan data ke dalam sejumlah kelompok

(cluster) berdasarkan kesamaan karakteristik masing-masing data pada kelompok-kelompok yang ada.

Association rule adalah suatu algoritma yang digunakan untuk menemukan atribut yang muncul bersamaan Algoritma asosiasi biasanya untuk analisa transaksi belanja, dengan konsep utama adalah mencari produk/item mana yang dibeli bersamaan

Algoritma : Apriori algorithm, FPGrowth algorithm, GRI algorithm Contoh : Analisis pola belanja pelanggan

PadahariMinggu,1000pelanggandiSupermaketWeekEnd, dimana: Sebanyak200orangmembeliSnack Dari 200 orang yang membeli Snack, 50 orangnya membeli Fanta Sehingga association rule menjadi, Jika membeli Snack, maka membeli Fanta, dengan nilai support = 200/1000 = 20% dan nilai confidence = 50/200 = 25%

Contoh : Analisis pola belanja pelanggan, Penentuan pola rute perjalanan tempat pariwisata

Anomaly Detection adalah untuk mendeteksi penyimpangan / anomali. Hal ini berhubungan dngan penyimpangan yang signifikan dari perilaku normal

Kegiatan dalam data mining hanya menghasilkan satu dari dua kategori yang ada, yaitu (Kantardzic, 2003 : 2) : 1) Predictive data mining, menghasilkan model sistem yang dideskripsikan oleh data set yang diberikan. Contoh : Classification 2) Descriptive data mining, menghasilkan informasi baru berupa pola berdasarkan data set yang tersedia. Contoh : Clustering, Association

Pemasaran/ Penyewaan Identifikasi pola pembayaran pelanggan Menemukan asosiasi diantara karakteristik demografik pelanggan Analisis keranjang pemasaran Perbankan Mendeteksi pola penyalahgunaan kartu kredit Identifikasi pelanggan yang loyal Mendeteksi kartu kredit yang dihabiskan oleh kelompok pelanggan Deteksi pencucian uang dari transaksi perbankan

Asuransi& Pelayanan Kesehatan Analisis dari klaim Memprediksi pelanggan yang akan membeli polis baru Identifikasi pola perilaku pelanggan yang berbahaya Transformasi Menentukan jadual distribusi ke outlet-outlet Pengobatan Identifikasi terapi pengobatan yang berhasil untuk penyakit berbeda Mengkarakterisasikan perilaku pasien untuk memprediksi kunjungan Menganalisis sejarah penyakit pasien, serta menemukan hubungan antara penyakit-penyakit yang ada Dunia ilmuwan Mendeteksi galaksi baru