Sebanyak 2286 item atau buku ditemukan

Data Mining : Algoritma dan Implementasi

Data mining dapat diterapkan untuk menggali nilai tambah dari suatu kumpulan data berupa pengetahuan yang selama ini tidak diketahui secara manual. Terdapat beberapa teknik yang digunakan dalam data mining, salah satu teknik data mining adalah clustering. Terdapat dua jenis metode clustering yang digunakan dalam pengelompokkan data, yaitu hierarchical clustering dan non-hierarchical clustering. Buku ini terdiri dari 10 (sepuluh) bab, yaitu : Bab 1 Pengelompokkan Data dengan Algoritma K-Means Bab 2 Pengelompokan Data dengan Algoritma K-Medoids Bab 3 Asosiasi Data Mining dengan Algoritma A Priori Bab 4 Pengklasifikasian Data dengan Algoritma C4.5 Bab 5 Klasifikasi Citra dengan K-NN Bab 6 Penerapan Data Mining dengan Particle Swarm Optimization dan Decision Tree C4.5 Bab 7 Klasifikasi Data Menggunakan Algoritma Naive Bayes Bab 8 Implementasi Data Mining dengan Regresi Linear Berganda Bab 9 Performa klasifikasi Dataset dengan metode Correlation Based Feature Selection (CFS) Bab 10 Text Mining : Twitter Analysis

Buku ini terdiri dari 10 (sepuluh) bab, yaitu : Bab 1 Pengelompokkan Data dengan Algoritma K-Means Bab 2 Pengelompokan Data dengan Algoritma K-Medoids Bab 3 Asosiasi Data Mining dengan Algoritma A Priori Bab 4 Pengklasifikasian Data dengan ...

Data Mining - Algoritma dan Implementasi

Data telah memiliki peran yang sangat penting di era saat ini. Dunia modern telah menjadikan data sebagai landasan dalam menyelesaikan berbagai persoalan yang dihadapi. Melalui data juga dapat dihasilkan berbagai informasi penting yang dapat menjadi salah satu alat bantu dalam pengambilan keputusan. Data dalam ukuran yang sangat besar tentunya memerlukan teknik untuk menggali berbagai informasi dan pengetahuan yang dimiliki oleh data. Data mining merupakan salah satu teknik untuk membuat data yang berukuran besar menjadi informasi yang sangat penting. Data mining bertujuan menghasilkan berbagai pola yang sebelumnya tidak diketahui. Banyak persoalan di bidang ekonomi, bisnis, pertanian, kehutanan, pemerintahan, ekologi, dan lain sebagainya dapat diselesaikan dengan menggunakan data mining.

Data telah memiliki peran yang sangat penting di era saat ini.

Data Mining Menggunakan Android, Weka, Dan Spss

Data adalah kumpulan objek dan atributnya. Melalui sejumlah atribut yang menunjukkan karakteristik dari objek, suatu objek dapat digambarkan. Atribut juga dikenal sebagai fitur, variabel, field, atau karakteristik. Sebagai contoh pada data pelanggan, seorang pelanggan merupakan objek, di mana seorang pelanggan mempunyai ID, nama, dan alamat pelanggan yang merupakan atribut. Tujuan pembuatan buku ini adalah untuk menambah wawasan pembaca perihal data, jenis-jenis data, pengertian data mining, metode klasifikasi, metode cara mengolah data menggunakan metode-metode yang ada di Data Mining, yaitu Principal Component Analysis, Decision Tree, Naïve Bayes, Support Vektor Machine, Association Rule, Clustering, deteksi anomali, dan penerapan metode-metode tersebut untuk membangun aplikasi.

Data adalah kumpulan objek dan atributnya.

Implementasi Data Mining Menggunakan Weka

Data mining merupakan ilmu yang digunakan untuk mengolah informasi dan sekumpulan data yang memanfaatkan kecerdasan dalam membangun pola-pola untuk mengenali karakteristik dari data. Pada perkembangannya, konsep data mining diperlukan untuk mengatasi permasalahan fundamental dalam menganalisis data. Buku ini menyajikan cara memahami data mining dasar secara implementatif, sehingga mudah dipahami dan dipelajari oleh siapa saja, baik mahasiswa, dosen, maupun praktisi yang tertarik untuk mempelajari data mining. Bahasan pada buku ini mencakup: Pengantar Data Mining dan Pengenalan WEKA, Preprocessing Data Mining, Klasifikasi, Clustering, dan Association Rule.

Data mining merupakan ilmu yang digunakan untuk mengolah informasi dan sekumpulan data yang memanfaatkan kecerdasan dalam membangun pola-pola untuk mengenali karakteristik dari data.

Data Mining Dan Data Warehouse Menggunakan Aplikasi KNIME

Buku ini dibuka dengan pembahasan tentang konsep Data Mining, konsep Data Warehouse, dan pengenalan penggunaan Aplikasi KNIME. Selanjutnya dibahas berbagai metode yang digunakan dalam ML seperti Decision Tree, Random Forest, SVM, Naïve Bayes, KNN, Regresi Linier, Regresi Logistic, K-Means, dan FP-Growth. Buku ini menarik untuk dipelajari karena dijelaskan secara sederhana dan detail. Selain itu buku ini dilengkapi dengan implementasi menggunakan Aplikasi KNIME. Impelemntasi ini mudah untuk diikuti karena dijelaskan secara bertahap menggunakan software open-source yang powerfull dan mudah dipahami.

Buku ini dibuka dengan pembahasan tentang konsep Data Mining, konsep Data Warehouse, dan pengenalan penggunaan Aplikasi KNIME.

Algoritma Data Mining

Analisis Data Dengan Komputer

Dengan berbagai macam cara pada Data Mining, data berukuran besar menjadi dapat di analisis sehingga dapat menjadi informasi berguna. Algoritma Data Mining banyak dimanfaatkan ilmuwan dari berbagai penjuru dunia untuk mencari solusi permasalahan yang terjadi di dalam kehidupan nyata. Data Mining atau penambangan data merupakan sekumpulan aktivitas mengolah data menjadi informasi berguna sehingga dapat dimanfaatkan oleh manusia di berbagai situasi. Salah satu permasalahan dalam penerapan Data Mining adalah tentang keamanan dan kerahasiaan. Contohnya ketika dilakukan penelitian tentang kebiasaan pelanggan swalayan dalam membeli produk di tempat tersebut. Secara tidak langsung aktivitas tersebut merupakan eksplorasi kebiasaan seseorang tanpa izin. Ilmuwan masih terus mengembangkan berbagai cara untuk meningkatkan kemampuan Data Mining agar dapat lebih optimal ketika digunakan untuk menyelesaikan permasalahan di kehidupan nyata. Market-Based Analysis dimanfaatkan oleh manajer swalayan untuk mendapatkan informasi tentang jenis produk yang sebaiknya mendapatkan perlakuan khusus. Contohnya, diberlakukan harga diskon, di tempatkan di rak bagian depan atau dapat di tempatkan di bagian belakang agar rak depan dapat digunakan untuk barang lain yang dianggap lebih potensial. Mengikuti perlombaan atau konferensi penelitian Data Mining dapat menjadikan peserta lebih aktif sekaligus menambah teman. Setelah memahami bermacam-macam algoritma yang digunakan dalam Data Mining, pembaca menjadi memiliki banyak alternatif untuk dijadikan pilihan ketika ingin menerapkan algoritma Data Mining untuk menyelesaikan permasalahan sehari-hari. Kesalahan penggunaan metode mengakibatkan kerugian bagi pelakunya. Contohnya di swalayan pengumpulan identitas email pelanggan dilakukan dengan memasukkan data secara manual. Aktivitas tersebut membutuhkan waktu lama, rawan terjadi kesalahan dan membutuhkan biaya tinggi.

Algoritma Data Mining banyak dimanfaatkan ilmuwan dari berbagai penjuru dunia untuk mencari solusi permasalahan yang terjadi di dalam kehidupan nyata.

Data Mining

Semakin banyak dan mudahnya data yang terkumpul namun kurang begitu maksimal untuk mengetahui kandungan informasi di dalamnya membuat adanya suatu teknik yang dikenal sebagai Data Mining untuk melakukan ekstraksi data sehingga mendapatkan informasi yang secara tersembunyi. Buku ini dapat digunakan sebagai pedoman dasar untuk mengetahui dan mengembangkan serta mengaplikasikan metode yang digunakan dalam data mining.

Semakin banyak dan mudahnya data yang terkumpul namun kurang begitu maksimal untuk mengetahui kandungan informasi di dalamnya membuat adanya suatu teknik yang dikenal sebagai Data Mining untuk melakukan ekstraksi data sehingga mendapatkan ...

Data Mining: Algoritma dan Implementasi dengan Pemrograman PHP

Era industri 4.0 dengan pilar utama, yaitu Internet of Things (IoT), cloud computing, artificial intelligence, dan big data telah memproduksi banyak sekali data. Penumpukan data tersebut akan menjadi masalah, karena data tersebut akan menjadi "sampah" dalam memori dan tidak bermanfaat. Agar data tersebut menjadi bermanfaat perlu diekstraksi agar menjadi informasi/pola/pengetahuan baru. Metode untuk ekstraksi data tersebut dinamakan data mining. Data mining didefinisikan sebagai proses ekstraksi suatu data (sebelumnya tidak diketahui, bersifat implisit, dianggap tidak berguna) menjadi informasi atau pengetahuan atau pola dari data yang jumlahnya besar. Buku ini mengupas tuntas algoritma-algoritma untuk proses pengolahan data menjadi informasi dalam data mining. Dalam buku ini akan dijelaskan secara teoritis (definisi dan penghitungan manual algoritma) dan aplikatif (implementasi dan testbed penghitungan manual algoritma menggunakan bahasa pemrograman PHP), dan jenis algoritma data mining, seperti algoritme k-Nearest Neighbor, algoritme Naïve Bayes, algoritme ID3, algoritme C4.5, algoritme CART, serta algoritme K-Means.

Era industri 4.0 dengan pilar utama, yaitu Internet of Things (IoT), cloud computing, artificial intelligence, dan big data telah memproduksi banyak sekali data.

Data Mining : Konsep dan Aplikasi

Bab 1 - Pengantar ...................................................................... 1 1.1. Data Mining : Apa dan Mengapa? ............................. 1 1.2. Fungsi Data Mining ...................................................... 3 Bab 2 - Proses Datamining ...................................................... 5 2.1. Proses Data Mining ....................................................... 5 2.2. Model Cross Standar Ptocess Industrial Data Mining/ CRISP-DM ...................................................................... 8 Bab 3 - Memahami Data .......................................................... 13 3.1. Macam-macam data ...................................................... 13 3.2. Macam-macam atribut .................................................. 15 3.3. Statistik diskriptif data .................................................. 21 Bab 4 - Pemrosesan Awal data ................................................ 23 4.1. Pengantar pemrosesan awal data ................................ 23 4.2. Membersihkan data ....................................................... 27 4.3. Transformasi data .......................................................... 27 4.4. Integerasi Data ............................................................... 28 4.5. Normalisasi Data ........................................................... 28 4.6. Memasukkan data yang hilang (Missing Data) ......... 29 4.7. Identifikasi noise ............................................................ 29

Bab 1 - Pengantar ...................................................................... 1 1.1.

Buku Ajar Data Mining

Data mining merupakan salah satu ilmu komputer yang mengalami perkembangan sangat pesat dan secara kontinu mampu memberikan solusi bagi berbagai permasalahan, seperti prediksi, klasifikasi, hingga optimasi. Jumlah data yang sangat besar dan tersimpan seolah tanpa arti dapat digali dan menghasilkan informasi yang jauh lebih besar manfaatnya bagi perusahaan maupun instansi. Buku ini ditulis untuk pembaca pemula yang tertarik dengan data mining dan sumber data (database) yang dapat digunakan dalam pengujian. Melalui buku ini, diperkenalkan Data Warehouse dan Big Data serta kaitannya dengan data mining. Penjabaran materi dalam bentuk konsep dan teori tentang data mining beserta teknik dan algoritma yang mendukung penerapannya dalam berbagai kasus. Buku ini menggunakan bahasa yang sederhana dan sistematis. Penyelesaian contoh kasus menggunakan masing-masing algoritma diberikan secara bertahap yang diikuti dengan penjelasan untuk memudahkan pembaca, mulai dari proses hingga hasil akhir yang diperoleh. Secara garis besar, ruang lingkup materi adalah pada tahapan dasar persiapan data mining. Teknik dalam data mining yaitu association, classification, dan clustering. Beberapa algoritma dan rumus jarak diperkenalkan untuk memberikan variasi kasus yang nyata. Diharapkan para pembaca mampu menerapkan teknik yang sesuai untuk menggali informasi dari database bervolume besar dan mampu memperbaiki kesalahan pengujian berdasarkan evaluasi setiap tahapan dalam data mining yang dilakukan.

Data mining merupakan salah satu ilmu komputer yang mengalami perkembangan sangat pesat dan secara kontinu mampu memberikan solusi bagi berbagai permasalahan, seperti prediksi, klasifikasi, hingga optimasi.