Nama : Albert

Nim: 143303030004

1. Sebutkan dan jelaskan peranan data mining !

Peranan utama data mining antara lain :
1. Estimasi : Memperkirakan rentangan nilai dengan menggunakan nilai dari
populasi data sampel.
2. Prediksi : Memperkirakan sebuah nilai dari populasi data sampel.
3. Klasifikasi : Pengelompokan data dalam suatu kelas-kelas yang sudah ber label.
4. Klustering : Pengelompokan data dalam suatu kelas yang belum ber label.
5. Asosiasi : Mengukur hubungan antara dua atau lebih atribut.

2. Jelaskan perbedaan estimasi dan prediksi!

Estimasi memperkirakan sebuah rentangan nilai sedangkan prediksi memperkirakan
sebuah nilai dari populasi data sampel.

3. Jelaskan perbedaan prediksi dan klasifikasi!

Prediksi memperkirakan nilai, sedangkan klasifikasi mengkategorikan suatu objek
berdasarkan prediksi

4. Jelaskan perbedaan klasifikasi dan clustering!

klasifikasi mengelompokkan data dalam suatu kelas yang sudah berlabel, sedangkan
klastering pengelompokan data dalam suatu kelas yang belum ber label.

5. Jelaskan perbedaan klastering dan asosiasi!

klastering merupakan pengelompokan data, sedangkan asosiasi mengukur hubungan
antara dua atau lebih atribut.

6. Jelaskan perbedaan supervised dan unsupervised!

Supervised learning pendekatan data yang dilatih, dan terdapat variable yang
ditargetkan sehingga tujuan dari pendekatan ini adalah mengkelompokan suatu data
ke data yang sudah ada. sedangkan Unsupervised learning mengidentifikasi nilai
mana yang mirip melalui pendekatan kategori tertentu.
7. Tahapan utama proses data mining dan contoh!
1. Input
Data hasil seleksi dari sekumpulan data operasional yang digunakan untuk proses
data mining, disimpan dalam suatu berkas, terpisah dari basis data operasional.
2. Pre-processing / cleaning
Sebelum proses data mining dapat dilaksanakan, perlu dilakukan proses cleaning
pada data yang menjadi fokus.
3. Data mining
Data mining adalah proses mencari pola atau informasi menarik dalam data terpilih
dengan menggunakan teknik atau metode tertentu.
4. Output
Data hasil data mining kemudian ditampilkan untuk di evaluasi.
5. Evalution
Tahap ini mencakup pemeriksaan apakah pola atau informasi yang ditemukan
bertentangan dengan fakta atau hipotesis yang ada sebelumnya.

Contoh :
Pada sebuah showroom mobil diperlukan informasi mengenai rentangan harga yang
banyak diminati oleh pembeli.
Data Selection / Input: menyeleksi data pembelian berdasarkan harga penjualan
mobil pada periode sebelumnya.
Cleaning : melakukan proses cleaning pada data, melakukan filter apabila ada
duplikasi data dan data yang rusak.
Data Mining : dari data yang telah di bersihkan selanjutnya dilakukan data mining
pada data dengan menggunakan metode estimasi, karena hasil data yang ingin
didapatkan adalah estimasi harga.
Output : Hasil data mining kemudian ditampilkan untuk dievaluasi.
Evaluasi : Memeriksa data penjualan yang telah di proses apabila sudah benar sesuai
hipotesis, maka data valid dan dapat digunakan untuk diproses.