Mata Kuliah Data Mining

Program Studi Ilmu Komputer

Universitas Nahdlatul Ulama Blitar

Konsep Klasifikasi
Dalam Data Mining

Dosen Pengampu
Abd. Charis Fauzan, M.Kom

ILKOM UNU BLITAR

Tujuan Pembelajaran Mata Kuliah Data Mining
Program Studi Ilmu Komputer
Universitas Nahdlatul Ulama Blitar

1. Memahami Konsep Dasar Klasifikasi dalam Data Mining

2. Memahami Algoritma Klasifikasi dalam Data Mining
 Metode Data Mining Mata Kuliah Data Mining
Program Studi Ilmu Komputer
Universitas Nahdlatul Ulama Blitar

Metode data mining dapat dibedakan menjadi 5 berdasarkan fungsi

yang dilakukan atau berdasarkan jenis aplikasi yang
menggunakannya.

Klasifikasi Estimasi Asosiasi

Klasterisasi Forecasting
 Konsep Klasifikasi Mata Kuliah Data Mining
Program Studi Ilmu Komputer
Universitas Nahdlatul Ulama Blitar

Klasifikasi dikenal dengan supervised learning (pembelajaran

terawasi), yakni teknik dalam data mining untuk mengelompokkan
data berdasarkan keterikatan data terhadap data sampel.

Algoritma Klasifikasi Evaluasi Model

Klasifikasi

Ujicoba Model
Model Klasifikasi
Data Latih Setelah Pre-Processing Klasifikasi
Konstruksi Model Klasifikasi Mata Kuliah Data Mining
Program Studi Ilmu Komputer
Universitas Nahdlatul Ulama Blitar
Ujicoba model klasifikasi Mata Kuliah Data Mining
Program Studi Ilmu Komputer
Universitas Nahdlatul Ulama Blitar
 Algoritma Klasifikasi Mata Kuliah Data Mining
Program Studi Ilmu Komputer
Universitas Nahdlatul Ulama Blitar

K-Nearest Neighbor

Naive Bayes Decision Tree

Support Vector Machine Jaringan Syarat Tiruan

Algoritma Klasifikasi Mata Kuliah Data Mining
Program Studi Ilmu Komputer
Universitas Nahdlatul Ulama Blitar

Algoritma K-NN merupakan algoritma klasifikasi

yang bekerja dengan mengambil sejumlah K data
terdekat (tetangganya) sebagai acuan untuk
menentukan kelas dari data baru.

Algoritma ini mengklasifikasikan data berdasarkan

similarity atau kemiripan atau kedekatannya
terhadap data lainnya.

Dalam K-Nearest Neighbor, data point yang berada

berdekatan disebut “neighbor” atau “tetangga”.

K-Nearest Neighbor
 Algoritma Klasifikasi Mata Kuliah Data Mining
Program Studi Ilmu Komputer
Universitas Nahdlatul Ulama Blitar

Naïve Bayes merupakan sebuah

pengklasifikasian probabilistik sederhana
yang menghitung sekumpulan probabilitas
dengan menjumlahkan frekuensi dan
kombinasi nilai dari dataset yang diberikan.

Algoritma mengunakan teorema Bayes dan

mengasumsikan semua atribut independen
atau tidak saling ketergantungan yang
diberikan oleh nilai pada variabel kelas.
Naive Bayes
Algoritma Klasifikasi Mata Kuliah Data Mining
Program Studi Ilmu Komputer
Universitas Nahdlatul Ulama Blitar

Konsep dari pohon keputusan adalah

mengubah data menjadi decision tree dan
aturan-aturan keputusan.

Manfaat utama dari penggunaan decision

tree adalah kemampuannya untuk mem-
break down proses pengambilan keputusan
yang kompleks menjadi lebih simple,
sehingga pengambil keputusan akan lebih
menginterpretasikan solusi dari
permasalahan.
Decision Tree
 Algoritma Klasifikasi Mata Kuliah Data Mining
Program Studi Ilmu Komputer
Universitas Nahdlatul Ulama Blitar

Jaringan saraf tiruan (Artifial Neural

Network) merupakan salah satu sistem
pemprosesan informasi yang di desain
dengan menirukan cara kerja otak manusia
dalam menyelesaikan suatu masalah
dengan mulakukan proses belajar melalui
perubahan bobot sinapsisnya.

Jaringan saraf tiruan mampu melakukan

pengenalan kegiatan berbasis data masa
lalu. Data masa lalu akan di pelajari oleh
jaringan syaraf tiruan sehingga mempunyai
kemampuan untuk memberikan keputusan Jaringan Syarat Tiruan
terhadap data yang belum pernah dipelajari.
Algoritma Klasifikasi Mata Kuliah Data Mining
Program Studi Ilmu Komputer
Universitas Nahdlatul Ulama Blitar

Dalam pemodelan klasifikasi, SVM memiliki

konsep yang lebih matang dan lebih jelas
secara matematis dibandingkan dengan
teknik-teknik klasifikasi lainnya. SVM juga
dapat mengatasi masalah klasifikasi dan
regresi dengan linear maupun non linear.

SVM digunakan untuk mencari hyperplane

terbaik dengan memaksimalkan jarak antar
kelas. Hyperplane adalah sebuah fungsi
yang dapat digunakan untuk pemisah antar
kelas.
Support Vector Machine