DATA MINING
DosenPengampu :
Disusun Oleh :
Alhamdulillahi Robbil ‘Alami, Segala puji bagi Allah SWT Tuhan Semesta
Alam. Atas segala karunia nikmatNya sehingga kami dapat menyusun makalah ini
dengan sebaik-baiknya. Makalah yang berjudul “Penerapan Data Mining dalam
Kehidupan Sehari - hari” disusun dalam rangka memenuhi salah satu tugas mata
pelajaran Data Mining yang diampu oleh Ibu Endang Anggiratih.
Makalah ini berisi tentang materi – materi tentang penerapan data mining
dalam kehidupan sehari – hari . Materi ini merupakan materi yang harus diketahui
dalam Mata Kuliah Data Mining. Dalam penyusunannya melibatkan berbagai pihak,
baik dari dalam kampus maupun luar kampus. Oleh sebab itu kami mengucapkan
banyak terima kasih atas segala kontribusinya dalam membantu penyusunan makalah
ini.
Meski telah disusun secara maksimal, namun penulis sebagai manusia biasa
menyadari bahwa makalah ini masih jauh dari sempurna. Karenanya penulis
mengharapkan kritik dan saran yang membangun dari pembaca sekalian.
Besar harapan kami makalah ini dapat menjadi sarana membantu mahasiswa
dalam pemahaman materi Data Mining dalam mata kuliah Data Mining.
Demikian apa yang bisa kami sampaikan, semoga pembaca dapat mengambil
manfaat dari karya ini.
Penulis
2
DAFTAR ISI
BAB I ...................................................................................................................................................... 1
PENDAHULUAN ................................................................................................................................. 1
1.1 Latar Belakang ................................................................................................................................ 1
1.2 Rumusan Masalah : ........................................................................................................................ 1
Batasan Masalah : ................................................................................................................................. 1
Tujuan : ................................................................................................................................................. 1
BAB II .................................................................................................................................................... 2
ISI ........................................................................................................................................................... 2
2.1. Pengertian Pemrosesan ................................................................................................................. 2
BAB III................................................................................................................................................... 4
HASIL DAN PEMBAHASAN ............................................................................................................. 4
BAB IV ................................................................................................................................................... 9
PENUTUP.............................................................................................................................................. 9
3
BAB I
PENDAHULUAN
Batasan Masalah :
1. ada beberapa proses yang tidak bisa di terapkan karena terkendala pada data yang
disajikan
Tujuan :
1. Untuk mempermudah memahami data, sehingga mempermudah pemilihan teknik
dan metode data mining yang tepat
2. Untuk meningkatkan kualitas data, sehingga hasil data mining menjadi lebih
Baik
3. Untuk meningkatkan efisiensi dan kemudahan proses penambangan data
1
BAB II
ISI
2
Hampir sama dengan association, sequencing mengidentifikasikan
hubungan-hubungan yang berbeda pada suatu periode waktu tertentu,
seperti pelanggan-pelanggan yang mengunjungi supermarket secara
berulang-ulang.
e. Forecasting
Forecasting memperkirakan nilai pada masa yang akan datang berdasarkan
pola-pola dengan sekumpulan data yang besar, seperti peramalan
permintaan pasar.
Tujuan Data Mining
Tujuan data mining antara lain:
a. Explanatory
Untuk menjelaskan beberapa kondisi penelitian, seperti mengapa
penjualan truk pick up meningkat di colorado.
b. Confirmatory
Untuk mempertegas hipotesis, seperti halnya 2 kali pendapatan keluarga
lebih suka di pakai untuk membeli peralatan keluarga, di bandingkan
dengan satu kali pendapatan keluarga.
c. Exploratory
Menganalisis data untuk hubungan yang baru yang tidak di harapkan,
seperti halnya pola apa yang cocok untuk kasus penggelapan kartu kredit.
3
BAB III
HASIL DAN PEMBAHASAN
3.2.1. Binning
Setelah memperolah jumlah data selanjutnya adalah Binning Data tujuan Binning
adalah menkonversi data numerik menjadi data katagorik
Partisi Equal-Width
Sebelum melakukan partisi data lebih dulu disusun dari data terkecil ke
data terbesar
TRANSA N3 N1 JOY NEO R72 F1 F1F
KSI MINI PLUS 5 PLUS
JUMLAH 2 3 3 4 7 8 9
4
a. 3,5 + 2 = 5,5 Bin 1 = 2, 3, 3,
b. 3,5 + 5,5 = 9 Bin 2 = 4, 7
c. 3,5 + 9 = 12,5 Bin 3 = 8, 9
Keterangan :
W = width
Max = nilai paling tinggi
Min = nilai paling rendah
N = Jumlah
5
dengan hasil analisis yang dilakukan data asli. Proses reduksi data tidak dilakukan
karena pada proses integrasi data tidak dilakukan. Karena proses reduksi data
bergantung pada proses integrasi data.
Terdapat 3 teknik reduksi yaitu :
a. Reduksi Dimensi
Menyederhanakan sebaran data yang tadinya acak dan tumpang tindih agar
dapat dikelompokkan secara teratur sehingga mudah dianalisis.
- PCA (principal component analysis) yaitu metode matematis yang
mentransformasikan data kedalam ranah baru untuk memperjelas
visualisasi dan mempermudah analisis data.
TRANSA N3 N1 JOY NEO R72 F1 F1F
KSI MINI PLUS 5 PLUS
JUMLAH 2 3 3 4 7 8 9
SIMBOL
2
N3 N1 Mini JOYPLUS NEO 5 R72 F1PLUS F1F
b. Reduksi keterbilangan
Teknik mengganti data asli dengan representasi baru yang lebih sederhana,
yang bisa berupa parametik (data baru hanya berupa parameter-parameter).
- Histrogram
Adalah reduksi data dengan cara perwadahan (binning) seperti
pembersihan data
9
2
N3 N1 Mini JOYPLUS NEO 5 R72 F1PLUS F1F
6
didalam jurnal yang dibahas berikut gambarnya.
- Sampling
Adalah teknik memilih acak sejumlah data kecil yang repesentatif.
7
Rumus
c. Normalisasi z-score
Menormalisasi suatu nilai Xi pada atribut A menjadi nilai baru dengan rumus
8
BAB IV
PENUTUP
Kesimpulan
Daftar Pustaka
http://blog-elok.blogspot.com/2015/01/makalah-data-mining.html
Dr. Suyanto, S.T, M.Sc.(2010).Data Mining Untuk klasifikasi dan Klasterisasi
Data.PT.Informatika,Bandung.