1.

Keuntungan Algoritma Naïve Bayes :

 Hanya membutuhkan jumlah data sedikit untuk klasifikasi
 Cepat, evisien dan mudah untuk dibuat
 Kokoh pada atribut yang tidek relevanKelebihan
Kekurangan Algoritma Naive Bayes :
 Independence antar atribut membuat akurasi menjadi berkurang.
 Tidak berlaku jika nilai probabilitasnya adalah nol (0).
2. Clustering
adalah suatu metode pengelompokan berdasarkan ukuran kedekatan (kemiripan).Clustering
berbeda dengan group, kalau group berarti kelompok yang samakondisinya kalau tidak ya pasti
bukan kelompoknya.Tetapi kalau cluster tidak harus sama akan tetapi pengelompokannya
berdasarkan pada kedekatan dari suatu karakteristik sample yang ada.
3. Kelebihan Algoritma Decision Tree :
 Integrasi yang mudah kedalam system basis data
 Memiliki akurasi yang baik
 Dapat menemukan kombinasi data yang tidak terduga
 Area keputusan yang sebelumnya kompleks dan sangat global dapat dibuat lebih sederhana
dan lebih spesifik
 Dapat menghilangkan perhitungan yang tidak diperlukan
 Dengan pemilihan fitur yang fleksibel dari node internal yang berbeda, fitur yang dipilih
membedakan kriteria dari kriteria lain di node yang sama

Kekurangan :

 Tumpang tindih terjadi terutama ketika sangat banyak kelas dan kriteria digunakan
 Akumullasi jumlah kesalahan dari setiap level dalam pohon keputusan besar
 Kesulitan dalam merancang pohon keputusan yang optimal
 Hasil kualitas keputusan yang diperoleh dengan metode pohon keputusan sangat
tergantung pada bagimana pohon itu dirancang
4. Oulier adalah sehimpunan data yang dianggap memiliki sifat yang berbeda dibandingkan dengan
kebanyakan data lainnya
Manfaat dalam menggunakan outlier adlah
 Deteksi penyalahgunaan kartu kredit
 Deteksi adanya penyusupan pada jaringan komunikasi
 Analisis medis
 Segmentasi data pelanggan

5. Tutorial penggunaan tools aplikasi data mining (langkah-langkah dan gambar)