Disusun oleh :
Nim : 21217167
FAKULTAS TEKNIK
2020
CRISP-DM
Cross-Industry Standard Process for Data Mining merupakan suatu standar yang
telah dikembangkan pada tahun 1996 yang ditujukan untuk melakukan proses analisis
dari suatu industry sebagai strategi pemecehan masalah dari bisnis atau unit
penelitian. Untuk data yang dapat diproses dengan CRISP-DM ini, tidak ada
ketentuan atau karakteristik tertentu, karena data tersebut akan diproses kembali pada
fase-fase didalamnya. Terdapat enam fase yaitu:
Pada langkah ini,berbagai teknik model diseleksi dan diaplikasikan pada dataset
yang sudah disiapkan untuk menangani kebutuhan bisnis yang spesifik.
Contoh : Menggunakan Algoritma yang paling mudah dipahami pada Proses Data
Mining yaitu Algoritma Decision Tree C4.5yang berfungsi untuk mendapatkan
pohon keputusan kelompok Kemacetan berdasarkan banyaknya titik kemacetan di
Jakarta dan panjangnya kemacetan di Jakarta. Proses Modelling pada Software
RapidMiner versi 7.5.
5. Evaluation/ Evaluasi
Tahap ini adalah tahap yang paling dihargai dari proses CRISP-DM. Perencanaan
untuk Deployment dimulai selama Business Understanding dan harus
menggabungkan tidak hanya bagaimana untuk menghasilkan nilai model, tetapi
juga bagaimana mengkonversi skor keputusan, dan bagaimana untuk
menggabungkan keputusan dalam sistem operasional. Pada akhirnya, rencana
sistem Deployment mengakui bahwa tidak ada model yang statis. Model tersebut
dibangun dari data yang diwakili data pada waktu tertentu, sehingga perubahan
waktu dapat menyebabkan berubahnya karakteristik data. Modelpun harus
dipantau dan mungkin diganti dengan model yang sudah diperbaiki.
Contoh : Setelah hasil penelitian telah muncul maka langkah selanjutnya adalah
Evaluasi Model dan mendapatkan Akurasi Data Mining Kemacetan, maka hasil
penelitian ini dapat segera diterapkan dalam aktifitas sehari-hari dalam
menghindari jam dan lokasi kemacetan yang ada di Jakarta. Apabila kemacetan
terjadi maka Masyarakat diwajibkan menggunakan transportasi umum baik ofline
maupun online.
REFERENSI
Jurnal : PENERAPAN DATA MINING DALAM MENANGANI
KEMACETAN DI JAKARTA