BUSINESS INTELLIGENCE

WEKA – DATA MINING

(Tool Data Mining)

Made Pradnyana Ambara, S.Kom., M.T

Pengenalan WEKA

Weka adalah perangkat lunak data mining yang memiliki

sekumpulan algoritma standar data mining. Weka dapat
dijalankan berbasis GUI dan secara langsung melalui Command
Line (advanced users).

Weka dapat digunakan untuk melakukan preprocessing,

klasifikasi, clustering (pengelompokan), regresi, association
rule mining (ARM) dan visualisasi.
Tampilan WEKA

Gambar : Tampilan WEKA Setelah Dijalankan

Penjelasan Aplikasi WEKA

1. Explorer : digunakan untuk mencari algoritma yang paling

cocok untuk data. Semua data diload ke memori sehingga
dapat cepat diproses, tapi hanya dapat digunakan untuk
data dengan jumlah terbatas.
2. Exsperimenter : digunakan untuk mencari parameter yang
cocok. Mirip dengan explorer tetapi prosesnya dapat
diautomatisasi. Eksperimen ukuran besar (multi machine
dengan RMI) dapat dilakukan dengan interface ini.
3. Knowledgeflow : digunakan untuk memproses data
stream. Konfigurasi proses dapat diatur dengan mudah dan
dapat menangani data berukuran besar. Mendukung
incremental learning.
Penjelasan Aplikasi WEKA

4. Simple CLI : Simple CLI (Command Line Interface)

menggunakan command line untuk interface.

Weka menggunakan penyimpanan yang disebut ARFF. Basis

file ARFF adalah teks dan dapat diedit dengan text editor
biasa. Weka juga menyediakan fasilitas konversi dari file csv
dan file excel. Data juga dapat diperoleh melalui URL dan
database (melalui JDBC).

ARFF = Attribute‐Relation File Format

Sumber Data WEKA

Format file ARFF adalah sebagai berikut, @RELATION berisi

judul data, @ATTRIBUTE menyatakan nama atribut dan
jenisnya. Atribut yang didukung Weka adalah numerik, string,
nominal dan tanggal. Sedangkan @DATA adalah menyatakan
awal dari data. Nilai yang hilang, dinyatakan dengan ?. Contoh :
Contoh Soal 1 :

Sumber Data Awal

ARFF File Format : Soal1.arff

Penyelesaian : Association Rule

1. Simpan data ARFF dengan nama file : Soal1.arff

2. Buka aplikasi WEKA, lalu klik Explorer

Klik disini
 Penyelesaian : Association Rule

3. Akan tampil Weka Explorer. Lalu klik Open File untuk mencari file
: Soal1.arff

Klik disini
Penyelesaian : Association Rule

4. Akan tampil seperti berikut :

Perhatikan !
Penyelesaian : Association Rule

5. Remove TransId  Klik Remove

Hasil setelah dihapus .

 Penyelesaian : Association Rule

6. Pilih Tab : Associate, dan langsung algoritma yang disarankan adalah : Apriori
 Penyelesaian : Association Rule

6. Klik Start  Untuk mejalankan proses Mining!

Output menampilkan parameter algoritma (support, confidence) dan rule terbaik

berdasarkan confidence. Rule diatas dapat dibaca jika user beli item E maka 100%
confidence dia akan beli item B (rule1).
Contoh Soal 2

Selesaikan dengan Metode Klasifikasi?

Penyelesaian : Klasifikasi

Simpan dengan nama file : Soal2.csv

Penyelesaian : Klasifikasi

Hapus No dengan cara klik  No

Lalu Remove.
Penyelesaian : Klasifikasi

Klik Tab  Classify, lalu pilih Metode yang digunakan yaitu : Random Tree
Penyelesaian : Klasifikasi

Pilih (Nom) Kelas

Penyelesaian : Klasifikasi

Output yang dihasilkan dengan Metode Klasifikasi Random Tree

Ada Pertanyaan?