LAPORAN PRAKTIKUM

DATA MINING PELAYANAN KESEHATAN

Disusun Oleh:
Nama : Ulinnihayah
NIM : D22.2019.02613
Kelp : D22.55

PROGRAM STUDI DIII REKAM MEDIS DAN INFORMASI KESEHATAN

FAKULTAS KESEHATAN UNIVERSITAS DIAN NUSWANTORO
SEMARANG
Pertemuan :5

Pokok Bahasan : Data Cleaning dan Data Normalizing

Laporan Praktikum

A. Tujuan Praktikum
Untuk dapat mengetahui, memahami, dan mempraktikkan tahapan data
cleaning dan data normalizing secara rinci dan benar.
B. Tahapan Praktikum disertai bukti screenshoot program
Tahapan Praktikum Data Cleaning :
1. Install aplikasi RapidMiner terlebih dahulu
2. Buka aplikasi RapidMiner, jika belum mempunyai akun maka registrasi
terlebih dahulu kemudian login
3. Tampilan awalnya akan terlihat seperti berikut
4. Pilih salah satu sample data yang akan dipakai. Klik Samples > Data >
Titanic > Drag ke kotak proses > Hubungkan out ke res

5. Tekan tombol play, maka akan muncul result data titanic

6. Pilih menu statistic untuk mengetahui terdapat missing value atau tidak
7. Jika terdapat missing value, kembali ke menu Design, pilih Operator >
ketikkan “Select Attributes” > Drag ke proses > hubungkan out - exa, exa
- res

8. Pada Parameters, pilih Attribute filter type > Subset

9. Klik Select Attributes (kolom sisi kiri yang diabaikan, sisi kanan yang
digunakan) > Klik Apply

10. Untuk menjalankan, klik tombol Play > cek menu Statistic. Sudah tidak
ada cabin dan life boot, sehingga missing valuenya berkurang
11. Setelah di cek kembali, attribute Age masih ada value sebanyak 263

12.Kembali ke menu Design, Pilih Operator > ketikkan “Replace Missing

Values” > Drag ke proses > hubungkan exa - exa, exa - res
13.Pada Parameters, pilih Attribute filter type > Single, Attribute > Age,
Default > Average

14.Untuk menjalankan, klik tombol Play > cek menu Statistic. Missing pada
Age sudah hilang
15. Cek kembali, ternyata masih ada missing pada Passenger Fare dan Port
of Embarkation

16.Karena Cuma ada 3 missing values, maka akan di hapus datanya.

Kembali ke menu Design, Pilih Operator > ketikkan “Filter Example” >
Drag ke proses >, hubungkan exa - exa, exa - res
17.Pada Parameters, pilih Condition Class > no_missing_attributes

18.Untuk menjalankan, klik tombol Play > cek menu Statistic. Missing pada
Passenger Fare dan Port of Embarkation sudah hilang.
19.Cek kembali pada statistic, ternyata sudah tidak ada missing lagi, maka
artinya data ini sudah dapat diolah dengan baik.

Tahapan Praktikum Data Normalizing :

1. Buka aplikasi RapidMiner, tampilan awalnya akan terlihat seperti berikut
2. Pilih salah satu sample data yang akan dipakai. Klik Samples > Data > Iris
> Drag ke kotak proses > Hubungkan out ke res

3. Tekan tombol play, maka akan muncul result data Iris

4. kembali ke menu Design, pilih Operator > ketikkan “Normalize” > Drag
ke proses > hubungkan out ke exa, exa ke res > cek parameters >
attribute filter type “all” > method “Z-transformation”

5. Untuk menjalankan, klik tombol Play. Data sudah ternormalisasi

6. Hubungkan data Normalize ori ke res

7. Maka akan terdapat 2 results Original dan hasil Normalize

C. Hasil Praktikum
Data Cleaning

Data Normalizing
D. Deskripsi Hasil Praktikum
Data Cleaning
Pada praktikum Data Cleaning setelah menggunakan beberapa
operator maka hasil akhirnya adalah data sudah 0 missing sehingga dapat
dikatakan data tersebut sudah diolah dengan baik dan benar.

Data Normalizing
Pada praktikum Data Normalizing sebelum dinormalisasi, nilai
angkanya jaraknya berjauhan. Sedangkan setelah dinormalisasi nilai
angkanya lebih sederhna, jaraknya berdekatan dan distribusinya sama.