NAMA : ARIFTSANI ROSYADI

NIM : 4115018
KELAS : B SEMESTER 6
MATA KULIAH : DATA MINING & ANALYTICAL BUSINESS

1. Sebutkan penerapan ilmu data mining dalam kehidupan sehari-hari!

2. Sebutkan keuntungan mempelajari data mining dalam bidang pertanian, geografi,
ekonomi, pendidikan, olah raga, kesehatan, dan teknologi!
3. Jelaskan semua metode yang ada dalam data mining dan berikan contohnya dari
masing-masing metode!
4. Sebutkan tool yang dapat digunakan untuk data mining!
5. Permasalahan apa yang ada disekitar Anda, yang ingin anda seleseikan dengan
menerapkan data mining? Metode apa yang Anda gunakan? Mengapa?
6. Berikan masing-masing 3 contoh algoritma yang cocok untuk metode yang ada di data
mining!
7. Pola apa yang dihasilkan oleh algoritma regresi linier?
8. Pola apa yang dihasilkan oleh algoritma decision tree?
9. Apa hubungan antara IoT, Big Data, data mining, machine learning?
10. Berikan contoh aplikasi yang menerapkan data mining dengan data suara! Metode
apa yang diterapkan?
JAWABAN
1. Penerapan ilmu Data Mining dalam kehidupan sehari-hari antara lain :
- Melakukan prediksi atau peramalan pasang surut konsumen dalam tiap interval waktu
tertentu dalam perdagangan.
- Menganalisis perilaku nasabah guna mengelompokkan nasabah yang pinjamannya layak
disetujui dan yang tidak layak disetujui.
- Melakukan Estimasi keuntungan bisnis/usaha berdasarkan kultur budaya masyarakat.

2. Keuntungan mempelajari Data Mining dalan berbagai Bidang :

- Pertanian, dapat digunakan untuk melakukan pengklasifikasian tanaman sehingga dapat
membedakan antara mana tanaman pertanian dan mana tanaman/rumput hama
- Geografi, digunakan untuk melakukan prakiraan cuaca
- Ekonomi, digunakan untuk memprediksi harga saham yang terdapat pada bursa pasar
saham
- Pendidikan, berguna untuk memprediksi perilaku belajar siswa di masa mendatang
- Olahraga, berguna untuk mengestimasi jumlah lemak atau kalori yang berkurang oleh
suatu olahraga tertentu
- Kesehatan, digunakan untuk mendeteksi penyakit yang dialami seseorang
- Teknologi, mendeteksi adanya virus dalam suatu komputer atau device

3. Metode dalam Data Mining :

a. Prediksi, yakni sebuah metode untuk memperkirakan nilai di masa mendatang. Contohnya
yakni memprediksi jumlah pesanan produk setiap bulan selama satu tahun mendatang.
b. Estimasi, sebuah metode untuk menerka sebuah nilai yang belum diketahui. Contohnya
adalah untuk melakukan estimasi penghasilan seseorang berdasarkann informasi yang
didapat mengenai orang tersebut.
c. Klasifikasi, yakni sebuah proses penemuan model atau fungsi yang menjelaskan atau
membedakan konsep atau kelas data dengan tujuan untuk dapat memperkirakan kelas
suatu objek yang labelnya tidak diketahui. Contohnya
d. Klastering, yaitu metode pengelompokan untuk mengidentifikasi data yang memiliki
karakteristik tertentu. Contohnya yakni untuk melakukan pengelompokan warga
berdasarkan usia dan jumlah penghasilan.
e. Asosiasi, yakni metode data mining untuk menemukan aturan asosiatif antara suatu
kombinasi item. Contohnya adalah untuk mengidentifikasi item-item produk yang
memungkinkan dibeli konsumen bersamaan dengan produk lain.

4. Tool yang dapat digunakan untuk Data Mining antara lain adalah Rapid Miner Studio, WeKa,
dan Tanagra.

5. Membuat kendali lampu menggunakan pola suara. Metode yang digunakan yakni dengan
metode klastering untuk mengelompokkan pola suara. Alasan dari penerapan ini yakni untuk
memudahkan manusia dalam mengendalikan baik menyalakan maupun mematikan lampu di
ruangannya.
6. Metode dalam Data Mining masing-masing memiliki Algoritma yang cocok, 3 diantaranya
antara lain :
a. Prediksi : Linear Regression, Neural Network, Support Vector Machine
b. Estimasi : Linear Regression, Neural Network, Support Vector Machine
c. Klasifikasi : Naive Bayes, K-Nearest Neighbor, Logistic Regression
d. Klastering : K-Means, K-Medoids, Fuzzy C-Means
e. Asosiasi : FP Growth, A Priori, Coefficient of Correlation

7. Pola yang dihasilkan oleh algoritma Regresi Linear adalah pola garis lurus yang mendefinisikan
distribusi plot-plot data.

Gambar Pola Regresi Linear

8. Pola yang dihasilkan oleh algoritma Decision Tree adalah bentuk pohon faktor yang
menggambarkan adanya percabangan keputusan-keputusan.

Gambar Pola Decision Tree

9. Hubungan antara IoT, Big Data, Data Mining dan Machine Learning yakni dengan adanya Iot
(Internet of Things) maka individu ataupun kelompok dapat mengumpulkan data-data sehingga
terjadilah Big Data. Data tersebut dianalisis menggunakan metode Data Mining yang sesuai
dengan algoritma yang dimiliki sebuah Machine Learning.

10. Contoh Aplikasi yang menerapkan Data Mining dengan data Suara adalah Speech Recognition
(Pengenalan Suara) yang dimiliki oleh Google. Dimana Data Mining diterapkan menggunakan
Mechine Learning untuk mampu mempelajari dan menginterpretasikan pola suara sehingga
dapat mengubah suara dalam bentuk teks ataupun perintah membuka aplikasi yang terdapat
pada perangkat Android.