Quiz Data Mining Ganjil
Quiz Data Mining Ganjil
NPM : 9882405120121024
1) Metode Klasifikasi
A. Data Set
Credit
1 100 10 A 0
Card
2 150 15 B PayPal 0
Credit
3 200 20 A 0
Card
Credit
4 50 5 C 0
Card
5 300 30 B PayPal 1
Credit
6 120 12 A 0
Card
7 180 18 C PayPal 1
Credit
8 90 9 B 0
Card
9 250 25 A PayPal 0
Credit
10 80 8 C 1
Card
B. Studi Kasus
C. Penggunaan Metode
Metode klasifikasi sangat cocok untuk mengidentifikasi pola yang menunjukkan
kemungkinan penipuan karena metode ini memungkinkan pembentukan model yang dapat
memisahkan kelas atau kategori yang berbeda berdasarkan fitur-fitur tertentu. Dalam kasus
deteksi penipuan, kita biasanya memiliki dua kelas: "Transaksi Normal" dan "Transaksi Potensial
Fraud.
D. Implementasi
Langkah-langkah implementasi:
E. Kesimpulan
Dalam kasus ini, penggunaan Decision Trees untuk mengklasifikasikan transaksi
sebagai "Transaksi Normal" atau "Transaksi Potensial Fraud" membantu perusahaan e-
commerce mengidentifikasi pola-pola yang dapat menandakan potensi penipuan
berdasarkan fitur-fitur seperti jumlah pembelian, waktu transaksi, lokasi, dan metode
pembayaran. Evaluasi performa model memberikan wawasan tentang seberapa baik model
dapat membedakan antara transaksi normal dan transaksi potensial penipuan. Dengan
menggunakan metode klasifikasi ini, perusahaan dapat meningkatkan keamanan transaksi
online mereka.
2. Metode Asosiasi
A. Data Set
C. Penggunaan Metode
Metode asosiasi, seperti Algoritma Apriori, sangat cocok untuk menemukan aturan
asosiasi antara item dalam dataset. Dalam kasus ini, kita dapat mengidentifikasi item-item
yang sering dibeli bersamaan, membantu perusahaan memahami preferensi pelanggan dan
membangun strategi penjualan bersama yang lebih efektif.
D. Implementasi
1. Mengonversi data transaksi menjadi format yang sesuai dengan metode asosiasi, seperti
one-hot encoding.
2. Menentukan support dan confidence threshold untuk mengekstraksi aturan asosiasi
yang relevan.
3. Menjalankan algoritma Apriori pada dataset untuk mengekstraksi aturan asosiasi.
4. Menganalisis aturan asosiasi yang dihasilkan untuk memahami hubungan antara produk
dan menciptakan rekomendasi produk.
E. Kesimpulan
Dengan menggunakan metode asosiasi, perusahaan dapat memahami pola
pembelian bersamaan pelanggan dan mengoptimalkan strategi penjualan. Analisis aturan
asosiasi memberikan wawasan tentang item-item yang memiliki keterkaitan tinggi,
memungkinkan perusahaan untuk membuat rekomendasi produk yang lebih personal dan
merancang strategi penjualan bersama yang lebih efektif.