DATA

MINING
PREDIKSI
Ainy Ardiningsih : 109200940055
Monica Handayani : 109200940079
Wardah Saripah : 109200940058
 Pegertian Prediksi
dalam Data Mining
Merupakan teknik kombinasi dari beberapa
teknik data mining lainnya. Untuk menganalisa
peristiwa atau kejadian di masa lalu dalam urutan
tertentu untuk memperkirakan peristiwa di masa
depan
 APA ITU DATA MINING?

DATA MINING
MERUPAKAN
Sebuah proses untuk menemukan
anomali, pola, dan korelasi dalam
kumpulan data besar yang berfungsi
untuk memprediksi suatu hasil.
SEJARAH DATA MINING
Proses data mining digunakan untuk menemukan atau mencari koneksi tersembunyi dan memprediksi tren masa depan
memiliki sejarah panjang. Terkadang disebut sebagai "penemuan pengetahuan dalam database," istilah "penambangan data"
tidak diciptakan sampai tahun 1990-an.
Tetapi fondasinya terdiri dari tiga disiplin ilmu yang saling terkait: statistik (studi numerik tentang hubungan data),
kecerdasan buatan (kecerdasan mirip manusia yang ditampilkan oleh perangkat lunak dan/atau mesin) dan pembelajaran
mesin (algoritma yang dapat belajar dari data untuk membuat prediksi). Apa yang lama menjadi baru lagi, karena teknologi
data mining terus berkembang untuk mengimbangi potensi data besar yang tak terbatas dan daya komputasi yang
terjangkau.

Selama 1 dekade terakhir, kemajuan dalam kekuatan dan kecepatan pemrosesan telah memungkinkan kami untuk beralih
dari praktik manual, membosankan, dan memakan waktu ke analisis data yang cepat, mudah, dan otomatis. Semakin
kompleks kumpulan data yang dikumpulkan, semakin besar potensi untuk mengungkap wawasan yang relevan. Pengecer,
bank, produsen, penyedia telekomunikasi, dan perusahaan asuransi, antara lain, menggunakan penambangan data untuk
menemukan hubungan di antara segala hal mulai dari pengoptimalan harga, promosi, dan demografi hingga bagaimana
ekonomi, risiko, persaingan, dan media sosial memengaruhi model bisnis, pendapatan, operasi mereka. dan hubungan
pelanggan.
 FUNGSI DATA MINING
1. Classification
Classification 5. Forecasting

2. Clustering
6. Sequence
Analysis
3. Associasion

4. Regression 7. Deviation
Analysis
 10 Judul Jurnal Data Mining Prediksi

● Analisis Prediksi Kelulusan Mahasiswa Tepat

Waktu Menggunakan Metode Data Mining ● Implementasi Data Mining Untuk Prediksi
Naïve BayesWrite the backlinks here Penjualan Pestisida Pada CV Mitra Artha Sejati
Menggunakan Algoritma Naïve bayesWrite the
● Prediksi Kelulusan Mahasiswa Menggunakan backlinks here
Data Mining Algoritma K-MeansWrite the
backlinks here ● Implementasi Data Mining untuk Prediksi
Persediaan Obat pada Puskesmas Kertapati
● Sistem Prediksi dan Evaluasi Prestasi menggunakan Regresi Linier BergandaWrite the
Akademik Mahasiswa Di Program Studi backlinks here
Teknik Informatika Menggunakan Data
Mining Algoritma C45 ● Analisis dan Perbandingan Algoritma Data
Mining dalam Prediksi Harga Saham GGRM
● Prediksi Mahasiswa Bepotensi Non Aktif
Menggunakan Data Mining dalam Decisio ● Penerapan Data Mining Untuk Prediksi Penerima
Tree dan Algoritma C45 Bantuan Pangan Non Tunai (Bpnt) Di Desa
Wanacala Menggunakan Metode Naïve Bayes
● Penerapan Data Mining Untuk Prediksi
Kelulusan UKP Menggunakan Metode Naïve ● Data Mining untuk Prediksi Status Pasien Covid-
Bayes 19 dengan Pengklasifikasi Naïve Bayes
METODE
ALGORITMA K-
MEANS
Algoritma K-means pada dasarnya melakukan dua proses, yakni
proses pendeteksian lokasi pusat tiap cluster dan proses pencarian
anggota dari tiap-tiap cluster. K-means Clustering merupakan salah
satu metode data Clustering non-hirarki yang mengelompokkan data
dalam bentuk satu atau lebih cluster/kelompok.
Data-data yang memiliki karakteristik yang sama dikelompokkan
dalam satu cluster/kelompok dan data yang memiliki karakteristik
yang berbeda dikelompokkan dengan cluster/kelompok yang lain
sehingga data yang berada dalam satu cluster/kelompok memiliki
tingkat variasi yang keci
 METODE
ALGORITMA C4.5
merupakan kelompok algoritma decision tree
yang ditemukan oleh Quinlan. Dalam
membangun pohon keputusan memilih beberapa
tahapan, yaitu pemilihan atribut sebagai akar,
membuat cabang untuk tiap - tiap nilai, membagi
kasus dalam cabang, dan mengulangi proses
untuk setiap cabang sampai semua kasus pada
cabang memiliki kelas yang sama
METODE NAÏVE BAYES

merupakan metode pengklasifikasian berdasarkan probabilitas

sederhana dan dirancang agar dapat dipergunakan dengan
asumsi antar variabel penjelas saling bebas (independen). Pada
algoritma ini pembelajaran lebih ditekankan pada
pengestimasian probabilitas. Keuntungan algoritma naive bayes
adalah tingkat nilai error yang didapat lebih rendah ketika
dataset berjumlah besar, selain itu akurasi naive bayes dan
kecepatannya lebih tinggi pada saat diaplikasikan ke dalam
dataset yang jumlahnya lebih besar.
 METODE
DECISION TREE
Algoritma machine learning yang menggunakan
seperangkat aturan untuk membuat keputusan
dengan struktur seperti pohon yang
memodelkan kemungkinan hasil, biaya sumber
daya, utilitas dan kemungkinan konsekuensi
atau resiko
TERIMAKA
SIH