5 Metode Data

Mining dan
Analisanya
 5 Metode Data Mining

Supervice
Estimasi 1
Estimasi merupakan metode data mining untuk menerka
sebuah nilai yang belum diketahui, misal menerka penghasilan
seseorang ketika informasi mengenai orang tersebut diketahui.
Metode yang digunakan antara lain Point
Estimation dan Confidence Interval Estimations, Simple Linear
Regression dan Correlation, dan Multiple Regression.
2 Prediksi/Forecasting
Metode Prediksi digunakan untuk memberi gambaran
secara ringkas bagi sekumpulan data yang jumlahnya
sangat besar dan banyak jenisnya. Termasuk dalam
fungsi ini adalah metode Decision Tree, Neural Network,
dan Exploratory Data Analysis.
Klasifikasi 3
Klasifikasi merupakan proses penemuan model atau fungsi
yang menjelaskan atau membedakan konsep atau kelas data,
dengan tujuan untuk dapat memperkirakan kelas dari suatu
objek yang labelnya tidak diketahui. Metode yang digunakan
antara lain Neural Network, Decision Tree, k-Nearest
Neighbor, dan Naive Bayes.
2

Asosiasi
Asosiasi dinamakan juga analisis keranjang pasar dimana
fungsi ini mengidentifikasi item-item produk yang kemungkinan
dibeli konsumen bersamaan dengan produk lain. Metode atau
algoritma dalam fungsi ini adalah Apriori, Generalized
Sequential Pattern (GSP), FP-Growth dan GRI algorithm
4 Klastering
Klastering merupakan proses penemuan model atau fungsi
yang menjelaskan atau membedakan konsep atau kelas data,
dengan tujuan untuk dapat memperkirakan kelas dari suatu
objek yang labelnya tidak diketahui. Metode yang digunakan
antara lain Neural Network, Decision Tree, k-Nearest
Neighbor, dan Naive Bayes.
5
Un Supervice
3
Tekhnik Klasifikasi Pegawai

Ciri-Ciri

 Karena mengelompokan data berdasarkan Rekomendasi

 Attribut nya berupa kata sifat seperti Rajin,peduli dan lain-lain

Supervised

 Data yang tampil digunakan untuk memprediksi Attribut dan Class

 Karena data di atas memilki Label

4
Tekhnik Clustering Tipe Mobil

Ciri-Ciri

 Mengidentifikasi Data tertentu dan mengelompokanya ke beberapa

Class yaitu C0 atau C1

UnSupervised

 Karena data tidak memiliki output atau label.