Data Mining

Langkah kedua dari algoritma PCA adalah menstandarisasi data. Jika diketahui data input seperti tabel dibawah ini, maka data standard (dataAdjust) dari data Hours (H) adalah

Termasuk dalam metode penyelesaian masalah dalam data mining adalah

• Relasi

• Prediksi

• Klasifikasi

• Relationship

• Asosias

Dalam data mining apa saja peran yang tipe datanya berupa numerik saja?

• asosiasi

• clustering

• klasifikasi

• prediksi

• estimasi

Kumpulan dari objek dan atributnya disebut

• Data

• Himpunan

• Himpunan data

• Atribut data

• Objek data

Cluster: kumpulan objek data atau anggota cluster yang sama memiliki kemiripan satu sama lain, tetapi berbeda dengan anggota cluster lain, berikut ini algoritma yang termasuk didalmnya:

• K-MEDOID

• Perceptron.

• Naïve Bayes

• K-NearestNeighbours (K-NN)

Untuk melakukan tahapan pre processing, klik menu...

• Experimenter

• Explorer

• Vizualization

• Program

Untuk mengevaluasi model klasifikasi yang sudah kita bangun, sebaiknya kita periksa dengan

• Precision

  Recall

  Akurasi

  Dunn Index

• Akurasi

  Sensitivity

  Specificity

  Sillhouette score

• Cross-validation

  Leave-one-out

• F1-score

  Akurasi

  Recall

  Precision

Apa itu data mining?

• Disiplin ilmu yang fokusnya pada pencarian data pada suatu organisasi/industri

• Disiplin ilmu yang mempelajari berbagai teknik statistika untuk menyelesaikan masalah pribadi

• Disiplin ilmu yang mempelajari metode untuk

  mengekstrak pengetahuan atau menemukan pola dari suatu data yang besar

• Disiplin ilmu yang tujuannya mengubah data mentah (raw data) informasi yang lebih bersih dan bisa digunakan untuk pengolahan data

Library dasar python yang digunakan untuk memasukkan data (import) dari berbagai format: CSV, file teks, Ms.Excel, database SQL,dan format HDF5 adalah

• numpy

• pandas

• matplotlib

• Scikit-learn

Berdasarkan jenis pembelajarannya, algoritma melakukan proses belajar berdasarkan nilai dari variabel target yang terasosiasi dengan nilai dari variabel

prediktor disebut .....

• Supervised Learning

• Unsupervised Learning

• Semi-Supervised Learning

• Reinforcement Learning