3
Model dan Prediksi Data
3. Ordinal
Ordinal merupakan tipe data yang bisa dikatakan gabungan dari tipe
data numerik dan kategorik.
B. Model Data
Dengan membuat model data, kita dapat membuat perantara untuk
mentransformasi data agar dapat diproses oleh sistem/komputer.
1. Model Data Berdasarkan Objek
Model data jenis ini menggunakan pendekatan objek untuk
merepresentasikan sesuatu.
a. Model Entity-Relationship (ER)
Model ER merupakan model data yang paling populer dan paling banyak
digunakan saat ini. Model ER memetakan objek dunia nyata sebagai suatu
entitas.
Berikut merupakan karakteristik dan istilah yang digunakan dalam
pembuatan model ER.
1. Memetakan suatu objek sebagai entitas.
2. Set entitas merupakan kumpulan dari entitas-entitas yang sama.
3. Atribut merupakan karakteristik dari suatu entitas.
4. Relasi merupakan hubungan antara satu entitas dengan entitas lainnya.
5. Memetakan entitas, atribut, dan relasinya dengan menggunakan
simbol.
• One to one
One to one merupakan kardinalitas di mana satu entitas hanya dapat
berelasi dengan satu entitas lainnya dan berlaku kebalikannya.
• One to many
One to many merupakan jenis kardinalitas dimana satu entitas A
dapat berelasi dengan banyak entitas B lainnya.
• Many to one
Many to one merupakan jenis kardinalitas di mana satu entitas A
dapat berelasi hanya dengan satu entitas B.
• Many to many
Many to many merupakan jenis kardinalitas dimana banyak
entitas dapat berelasi dengan banyak entitas lainnya dan berlaku
kebalikannya.
Contoh.
Berikut ini merupakan contoh ER sederhana yang menggambarkan
hubungan dari 3 entitas, yakni siswa, ekstrakurikuler, dan guru.
Perhatikan model ER berikut ini.
b. Model Semantik
Model semantik adalah model yang mirip dengan model ER
di mana kita menggunakan relasi untuk menghubungkan
antarobjek. Namun, dalam model semantik ini relasi antar
objeknya tidak digambarkan dalam sebuah simbol, tetapi
diungkapkan dalam kata-kata.
Contoh.
Berikut ini merupakan contoh model semantik sederhana yang
menggambarkan hubungan antara bank, tabungan, dan customer.
Perhatikan model semantik berikut ini.
c. Model Data Berorientasi Objek
Model data berorientasi objek merupakan model data yang
menganggap objek dunia nyata sebagai objek. Pada model
data semantik dan ER kita dapat memetakan relasi
antarentitas/objeknya secara langsung.
• Parent-child
One to many: suatu parent bisa memiliki satu atau lebih child.
• Child-parent
One to many: suatu child bisa memiliki satu atau lebih parent.
Contoh.
Perhatikan contoh model jaringan berikut.
Model ini akan membentuk tabel yang terdiri atas record dan
column. Satu tabel dalam model relasional mirip seperti set entitas
pada model ER. Sementara record adalah satu entitas dan column
adalah atribut pada model ER.
Prinsip kerja
machine
learning dalam
prediksi
data.
1. Supervised Learning
Supervised learning merupakan metode pembelajaran dengan
menggunakan label dalam mempelajari dan menghasilkan
pengetahuan.
a. Estimasi
Estimasi merupakan salah satu jenis supervised learning dimana
pembelajaran pada data dilakukan menggunakan fitur dan
labelnya.
Tabel tersebut adalah contoh data saham dengan bentuk time series.
Dengan menggunakan pendekatan prediksi kita dapat
memprediksi nilai yang akan terjadi pada waktu berikutnya
berdasarkan data-data waktu yang sudah ada tersebut.
a. Clustering
Clustering merupakan jenis unsupervised learning di mana kita tidak
memerlukan label untuk pembelajaran.
Contoh tersebut merupakan data gaji dan usia dari sampel 95 orang.
Adapun gaji dan usia adalah fitur dan Anda tidak memiliki label pada
contoh tersebut. Anda akan melakukan clustering untuk melakukan
pengelompokkan data berdasarkan gaji dan usia tersebut tanpa
melihat label yang ada. Sebagai contoh, Anda ingin melakukan
pengelompokkan data menjadi 3 jenis. Maka hasil yang didapatkan
adalah sebagai berikut.
Terima Kasih
B.J Habibie
Created
By:
Yulistya
Pratiwi