Embedded Files
- Pengantar Data mining (definisi, ruang lingkup, mengapa data mining penting?)
Materi Tambahan :
https://youtu.be/h82NuHDNhKI (Pak Romi Satrio Wahono)
Barang kali ingin menonton perkuliahan yang lalu
2. Proses Data mining (himpunan data, metode, pengetahuan &evaluasi)
2. Proses Data mining (himpunan data, metode, pengetahuan &evaluasi)
Pada dasarnya Data Mining terdiri dari proses :
Memahami dan mempersiapkan data
memilih metode sesuai dengan karakter data
memahami model dan pengetahuan yang sesuai
menganalisa model dan menguji kinerja metode
Berikut adalah penjelasan sederhananya 👉
3. Peran / Role beserta algoritmanya dalam data mining
3. Peran / Role beserta algoritmanya dalam data mining
Estimasi
simple linear regression
correlation multiple regression
.....
Prediksi
simple linear regression and correlation
multiple regression
k-nearest neighbor
Pohon Keputusan
Naïve Bayesian
support vector machines
.....
Klasifikasi
Neural Network
Decission Tree
KNN
Naïve Bayesian
.....
Clustering
Hierachical Clustering
K-means
Self Organizing Map
.....
Asosiasi
Apriori
FP-growth
......
Contoh K-Means
Contoh K-Means
Contoh Decision Tree
Contoh Decision Tree
Contoh simple linear regression
Contoh simple linear regression
Contoh Nearest Neighbour
Contoh Nearest Neighbour
Contoh Apriori
Contoh Apriori
Contoh Naive Bayes
Contoh Naive Bayes
Contoh Topik Proyek ML /DL
Contoh Topik Proyek ML /DL
Berikut adalah URL Contoh - contoh proyek ML/DL yang dapak kita jadikan sebagai studi kasus proyek dan penelitian : https://www.scribd.com/document/770310345/50-JUDUL-SKRIPSI-DL-ML
4. Pre processing - 1
4. Pre processing - 1
5. Pre-Processing 2
5. Pre-Processing 2
Data Transformation, Discretization + Data Integration
6. Algoritma klasifikasi
6. Algoritma klasifikasi
7. Evaluasi model klasifikasi
7. Evaluasi model klasifikasi
Proses pengukuran kualitas kinerja model
Dilakukan dengan cara mengukur kinerja model dengan data latih terhadap model dengan data yang baru (data uji). Akurasi merupakan perbandingan jumlah data yang diprediksi secara benar terhadap total keseluruhan prediksi yang dilakukan.
Laju Error adalah perbandingan jumlah data yang diprediksi secara salah terhadap total keseluruhan prediksi yang dilakukan
Sensitivitas / recall berfungsi untuk mengukur proporsi positif asli yang diprediksi secara benar positif.
Spesifisitas berfungsi untuk mengukur proporsi negative asli yang diprediksi secara benar negative.
Precision / positive prediction value adalah metric untuk mengukur kinerja sistem dalam mendapatkan data yang relevan (proporsi data yang benar – benar positif terhadap semua data yang terklasifikasi positif).
Metode Evaluasi Model (Splitting Data) :
Hold-out
Random Subsampling
K-Fold Cross Validation
Bootstrap
8. Evaluasi model klasifikasi
8. Evaluasi model klasifikasi
9. Imbalance Data
9. Imbalance Data
imbalaceData.pdf10. Data Mining Process Model
10. Data Mining Process Model
Data Mining Process Models adalah Sebuah kerangka kerja yang menggambarkan urutan langkah-langkah untuk menganalisis sejumlah besar data dan mengekstrak informasi, Berikut adalah penjelasannya :
Page updated
Report abuse