TUGAS

  DATA PREPARATION Data Preparation atau bisa disebut juga dengan data preprocessing adalah suatu proses/langkah yang dilakukan untuk membuat data mentah menjadi data yang berkualitas (input yang baik untuk data mining tools). Mengapa data perlu di-preprocessing? Karena dalam data mentah masih terdapat data yang incomplete, yaitu  Data yang kekurangan nilai atribut atau hanya mengandung agregat data (contoh : address = " "). Noisy, yaitu data yang masih mengandung error dan outliers (contoh : salary = -10). Inconsistent, yaitu data yang mengandung discrepansi dalam code dan nama atau singkatnya datanya tidak konsisten (contoh : dulu rating = 1,2,3 sekarang a,b,c). Mengapa harus dilakukan data preparation? Jika data masukan tidak berkualitas, maka hasil data mining juga tidak akan berkualitas. Keputusan yang berkualitas pasti berasal/berdasarkan data yang berkualitas.  Data Warehouse membutuhkan integrasi yang konsisten dari data yang berkualitas. LANGKAH-LANGKAH DALAM DAT...

 PRE-PROCESSING Data Cleaning Data Collection/Integration Data Transform Data Reduction Apa itu Data Pre-processing?      Data preprocessing merupakan sekumpulan teknik yang diterapkan pada database untuk menghapus noise, missing value, dan data yang tidak konsisten. Data preprocessing dibagi menjadi beberapa langkah, yaitu cleaning data, data transformation, dan data reduction. Data preprocessing ini digunakan karena dalam data realtime database seringkali tidak lengkap dan tidak konsisten sehingga mengakibatkan hasil data mining tidak tepat dan kurang akurat. Oleh karena itu, untuk meningkatkan kualitas data yang akan dianalisis, perlu dilakukan langkah-langkah preprocessing data. Langkah-langkah Pre-processing data Data Cleaning           Data yang baru saja dikumpulkan kemungkinan besar memiliki banyak bagian yang tidak relevan bahkan ada bagian yang hilang. Oleh karena itu perlu adanya proses pembersihan data atau biasa dikenal deng...

  Data mining  adalah  proses menemukan anomali, pola, maupun korelasi dalam data set yang besar untuk memprediksi hasil. Dasar dari  data mining  sendiri berkaitan dengan disiplin ilmu seperti statistik, AI,  machine learning,  dan teknologi database.  Data mining  juga dikenal dengan sebutan lain seperti   data/pattern analysis, knowledge discovery, knowledge extraction,  dan  information harvesting. CRISP-DM Banyak teknik dan metode yang ada untuk melakukan berbagai jenis tugas data mining. Metode ini dikelompokkan dalam 3 paradigma utama data mining:  Predictive Modeling ,  Discovery , dan  Deviation Detection . Data mining merupakan salah satu dari rangkaian  Knowledge discovery In Database (KDD). KDD berhubungan dengan tekhnik integrasi dan penemuan ilmiah, interpretasi dan visualisasi dari pola-pola sejumlah data. Serangkaian proses tahapan data mining tersebut memiliki tahap sebagai berikut...