Data Mining II

Estimasi
Matakuliah Data warehouse
Universitas Darma Persada
Oleh: Adam AB

Data Mining-2012-a@b 1
 Tahapan proses datamining

Input Metode Output Evaluation

(Algoritma (Pola/Model/ (Akurasi, AUC,
(Data)
Data Mining) Knowledge) RMSE, etc)

Data Mining-2012-a@b 2
 Atribut , Class dan tipe data
• Atribut adalah faktor atau parameter yang
menyebabkan class/label/target terjadi
• Class adalah atribut yang akan dijadikan target,
sering juga disebut dengan label
• Tipe data untuk variabel pada statistik terbagi
menjadi empat: nominal, ordinal, interval, ratio
• Tapi secara praktis, tipe data untuk atribut pada
data mining hanya menggunakan dua:
1. Nominal (Diskrit)
2. Numeric (Kontinyu atau Ordinal)
Data Mining-2012-a@b 3
 Metode/Algoritma Data mining
1. Estimation (Estimasi):
– Linear Regression, Neural Network, Support Vector Machine, etc
2. Prediction/Forecasting (Prediksi/Peramalan):
– Linear Regression, Neural Network, Support Vector Machine, etc
3. Classification (Klasifikasi):
– Naive Bayes, K-Nearest Neighbor, C4.5, ID3, CART, Random Forest,
Linear Discriminant Analysis, Neural Network, etc
4. Clustering (Klastering):
– K-Means, K-Medoids, Self-Organizing Map (SOM), Fuzzy C-Means, etc
5. Association (Asosiasi):
– FP-Growth, A Priori, etc
Data Mining-2012-a@b 4
 Output/pola/model/knowledge
1. Formula/Function (Rumus atau Fungsi Regresi)
– WAKTU TEMPUH = 0.48 + 0.6 JARAK + 0.34 LAMPU + 0.2
PESANAN

2. Decision Tree (Pohon Keputusan)

3. Rule (Aturan)
– IF ips3=2.8 THEN lulustepatwaktu

4. Cluster (Klaster)

Data Mining-2012-a@b 5
 Iteration 6
3

2.5

1.5
y

0.5

-2 -1.5 -1 -0.5 0 0.5 1 1.5 2

x

Data Mining-2012-a@b 6
 Splitting Attributes

Refund
Yes No

NO MarSt
Single, Divorced

TaxInc NO
< 80K > 80K

NO YES

Data Mining-2012-a@b 7
 Kriteria Evaluasi dan Validasi
Model
• Secara umum pengukuran model data mining
mengacu kepada tiga kriteria: Akurasi
(Accuracy), Kehandalan(Reliability) dan
Kegunaan (Usefulness)
• Keseimbangan diantaranya ketiganya diperlukan
karena belum tentu model yang akurat adalah
handal, dan yang handal atau akurat belum tentu
berguna

Data Mining-2012-a@b 8
 Kriteria Evaluasi dan Validasi
Model
1. Akurasi adalah ukuran dari seberapa baik model
mengkorelasikan antara hasil dengan atribut dalam data yang
telah disediakan. Terdapat berbagai model akurasi, tetapi
semua model akurasi tergantung pada data yang digunakan
2. Kehandalan adalah ukuran di mana model data mining
diterapkan pada dataset yang berbeda akan menghasilkan
sebuah model data mining dapat diandalkan jika
menghasilkan pola umum sama terlepas dari data testing
yang disediakan
3. Kegunaan mencakup berbagai metrik yang mengukur apakah
model tersebut memberikan informasi yang berguna.
Data Mining-2012-a@b 9
 Tool software datamining
• WEKA
• RapidMiner
• DTREG
• Clementine
• Matlab
• R
• SPSS
Data Mining-2012-a@b 10
 Data mining-Estimasi
• Estimasi merupakan fungsi minor kedua
dari data mining.
• Suatu misal kita diberi sampel data volume
air isi ulang yang diisi otomatis oleh mesin
pengisi dengan isi yang bervariasi,
sementara volume yang diharapkan adalah
2000 ml.

Data Mining-2012-a@b 11
Data Mining-Estimasi(lanj)

Data Mining-2012-a@b 12
 Data Mining-Estimasi (lanj)
• Berdasarkan data di atas pengisian air pada mesin
tidak tepat 2000 ml
• Berapakah volume air pada umumnya di dalam
botol yang diisikan?
• Berapa kira-kira volume air yang akan diisi pada
botol di masa datang bila mesin mengisi (berapa
kali) botol tersebut?
•
estimasi/memperkirakan
• Estimasi
estimasi titik
•
setimasi selang
Data Mining-2012-a@b 13
 Data Mining-Estimasi (lanj)

• Istilah
• Populasi : objek yang diteliti, dalam hal ini
air minum dalam botol
• Sampel : contoh/cuplikan objek yang
diambil untuk dijadikan penelitian, dalam
hal ini 12 botol minuman.
• Populasi besarnya tidak terbatas

Data Mining-2012-a@b 14
 Estimasi Titik
• Estimasi titik : bentuk estimasi yang menghasilkan
satu buah nilai estimasi saja yaitu berupa angka
• Populasi yang terus bertambah , tidak mungkin
bagi kita untuk menghitung mean dan varians.
• Karena itu kita perlu sampel untuk melakukan
estimasi/perkiraan pada parameter di atas
• Mengapa perkiraan?
sebab bila kita memiliki
perkiraan rata-rata dan varians yang akurat maka
akan banyak pertanyaan yang dapat kita jawab
dengan baik.

Data Mining-2012-a@b 15
 Estimasi titik (lanj)
• Cara memperkirakan
• Rata-rata populasi µ dapat diestimasi
dengan rata-rata sampel
• Varians populasi σ2 dapat diestimasi dengan
varians sampel (s2)

Data Mining-2012-a@b 16
 Estimasi titik - contoh

• Rata-rata sampel = 24084/12 = 2007 ml

• Varians sampel = 10620/(12-1) = 965.45 ml2
• Standar deviasi = sqrt (965.45) = 31.07 ml
Data Mining-2012-a@b 17
 Estimasi titik - contoh
• Pengetahuan apa yang diperoleh dari
informasi ini?
•
pada umumnya setiap botol akan diisi air
sebanyak 2007 ml (rata-rata), dengan
varians sebesar 965.45 ml

Data Mining-2012-a@b 18
 Estimasi - selang
• Estimasi titik hanya menghasilkan satu
angka, bagaimana bila diinginkan angka
yang selang agar lebih mengakomodasi
error.
• Menggunakan batas bawah (L) dan batas
atas (U)
•
batas bawah (L) = X - zα /2 . σx
•
batas atas (U) = X + zα /2 . σx

Data Mining-2012-a@b 19
 Estimasi - selang

•Rata-rata sampel = 24084/12 = 2007 ml

•Varians sampel = 10620/(12-1) = 965.45 ml2
•Standar deviasi = sqrt (965.45) = 31.07 ml
Data Mining-2012-a@b 20
 Estimasi selang (lanj)
• Selang kepercayaan 95%, maka α = 100% -
95% = 5%
• Selang kepercayaan 90% maka α = 10%
• Misal kita gunakan selang kepercayaan 95%

α = 5%
• zα /2 = 5/2 = 2.5 % = 0.025
•
lihat tabel distribusi

Data Mining-2012-a@b 21
Estimasi selang (lanj)

Data Mining-2012-a@b 22
 Estimasi selang (lanj)
• Nilai 0.024998 ~ 0.0250 terletak dalam
baris 1.9 dan kolom 0.06 sehingga diperoleh
1.9 + 0.06 = 1.96
•
zα /2 batas bawah = - 1.96 (nilai negatif)
•
zα /2 batas atas = 1.96 (nilai positif)
• Tinggal menghitung σx
• σx = σ/sqrt(n) (baca: standar deviasi dibagi akar banyaknya data)

Data Mining-2012-a@b 23
 Estimasi selang (lanj)
• σ
standar deviasi
31.07 ml
• n
banyaknya data
12 ml
• σx = σ/sqrt(n)
31.07 / sqrt(12) = 8.97
• Batas bawah (L) = 2007 – 19.6 (8.97) = 1989.42 ml
• Batas atas (U) = 2007 + 19.6 (8.97) = 2024.58 ml
• Jadi selang kepercayaan 95% berdasarkan sampel
tersebut adalah (1989.42 ; 2024.58 ) ml

Data Mining-2012-a@b 24
 Estimasi selang (lanj)
• Pengetahuan apa yang bisa diperoleh dari
pengolahan data di atas?
•
bila kita melakukan prosedur 100 kali
maka akan berpeluang untuk mendapatkan
95 buah selang yang benar-benar mencakup
populasi sesungguhnya.

Data Mining-2012-a@b 25
 latihan
• Sebuah bagian dari
depnaker bermaksud
memperkirakan besarnya
penghasilan penduduk di
suatu daerah. Lima belas
orang yang telah bekerja
diambil secara acak dan
ditanya penghasilan
perbulan. Hasil yang
diperoleh adalah
Data Mining-2012-a@b 26
 latihan
1. Perkirakan rata-rata dan varians
penghasilan penduduk daerah tersebut
2. Buatlah selang keyakinan 99%, dan 95%
untuk rata-rata penghasilan. Bandingkan
dari segi intervalnya

Data Mining-2012-a@b 27