1.

Supervised learning adalah sebuah pendekatan dimana sudah terdapat 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 tidak memiliki data latih, sehingga dari data yang ada, kita
mengelompokan data tersebut menjadi 2 bagian atau 3 bagian dan seterusnya.
Pada clustering Dataset yang digunakan tidak menampilkan class / target attribute,
sedangkan pada classification dataset yang digunakan mutlak harus menampilkan
class / target attribute.
2. Karena pada cluster tidak memiliki data latih sehingga harus mengelompokan data
menjadi 2 bagian atau lebih, sedangkan classification sudah terdapat data latih
sehingga harus mengelompokan satu data ke data yang sudah ada.
3. neural network (NN), adalah jaringan dari sekelompok unit pemroses kecil yang
dimodelkan berdasarkan sistem saraf manusia. JST (Jaringan saraf tiruan)
merupakan sistem adaptif yang dapat mengubah strukturnya untuk memecahkan
masalah berdasarkan informasi eksternal maupun internal yang mengalir melalui
jaringan tersebut. Oleh karena sifatnya yang adaptif, JST (Jaringan saraf tiruan) juga
sering disebut dengan jaringan adaptif. Dalam JST Tiap neuron menerima input dan
melakukan operasi dot dengan sebuah weight, menjumlahkannya (weighted sum) dan
menambahkan bias. Hasil dari operasi ini akan dijadikan parameter dari activation
function yang akan dijadikan output dari neuron tersebut.
4. Algoritma Supervised Learning
Decision tree, Nearest - Neighbor Classifier, Naive Bayes Classifier, Artificial Neural
Network, Support Vector Machine, Fuzzy K-Nearest Neighbor
Algoritma Unsupervised Learning
K-Means, Hierarchical Clustering, DBSCAN, Fuzzy C-Means, Self-Organizing Map
5. Pohon Keputusan (Decision Tree) merupakan metode klasifikasi dan prediksi yang
sangat kuat dan terkenal. Metode pohon keputusan mengubah fakta yang sangat
besar menjadi pohon keputusan yang merepresentasikan aturan. Aturan dapat
dengan mudah dipahami dengan bahasa alami. Aturan ini juga dapat diekspresikan
dalam bentuk bahasa basis data seperti SQL untuk mencari record pada kategori
tertentu. Pohon keputusan juga berguna untuk mengeksplorasi data, menemukan
 hubungan tersembunyi antara sejumlah calon variabel input dengan sebuah variabel
target. Karena pohon keputusan memadukan antara eksplorasi data dan pemodelan,
pohon keputusan ini sangat bagus sebagai langkah awal dalam proses pemodelan
bahkan ketika dijadikan sebagai model akhir dari beberapa teknik lain(J R Quinlan,
1993).
K-means merupakan salah satu metode clustering non hirarki yang berusaha
mempartisi data yang ada ke dalam bentuk satu atau lebih cluster. Metode ini
mempartisi data ke dalam cluster sehingga data yang memiliki karakteristik yang
sama dikelompokkan ke dalam satu cluster yang sama dan data yang mempunyai
karateristik yang berbeda di kelompokan ke dalam cluster yang lain.
6. Analisa pasar dan manajemen
Solusi yang dapat diselesaikan dengan data mining, diantaranya:
 Menembak target pasar.
 Melihat pola beli pemakai dari waktu ke waktu,
 Cross-market analysis.
 Profil Customer.
 Identifikasi kebutuhan customer.
 Menilai loyalitas Customer.
 Informasi Summary.
Analisa Perusahaan dan Manajemen resiko
Solusi yang dapat diselesaikan dengan data mining, diantaranya:
 Perencanaan keuangan dan Evaluasi aset.
 Perencanaan sumber daya (Resource Planning).
 Persaingan (Competition).