Wah lama nch ga posting gara2 laptop jalan2 ke distributor di Surabaya. :-(
ok deh sekarang ane mw posting sedikit tentang review Data Mining n Teory apriori. Gara2 dapat tugas kampus mata kuliah AI n disuruh buat resume, ya jadinya ngumpulin referensi dari berbagai sumber tentang materi ini.
Langsung aja dch ni sedikit review nya..
Data Mining
Data Mining adalah serangkaian proses untuk menggali nilai tambah berupa pengetahuan yang selama ini tidak diketahui secara manual dari suatu kumpulan data.
Data Mining adalah serangkaian proses untuk menggali nilai tambah berupa pengetahuan yang selama ini tidak diketahui secara manual dari suatu kumpulan data.
Proses Data Mining
Tahap-Tahap Data Mining
Karena DM adalah suatu rangkaian proses, DM dapat dibagi menjadi beberapa tahap yang diilustrasikan di Gambar :
1. Pembersihan data (untuk membuang data yang tidak konsisten dan noise)
2. Integrasi data (penggabungan data dari beberapa sumber)
3. Transformasi data (data diubah menjadi bentuk yang sesuai untuk di-mining)
4. Aplikasi teknik DM
5. Evaluasi pola yang ditemukan (untuk menemukan yang menarik/bernilai)
Presentasi pengetahuan (dengan teknik visualisasiTeknik-Teknik Data Mining
Dengan definisi DM yang luas, ada banyak jenis teknik analisa yang dapat digolongkan dalam DM. Karena keterbatasan tempat, disini penulis akan memberikan sedikit gambaran tentang tiga teknik DM yang paling populer.
- Association Rule Mining
- Classification
- Clustering
ALGORITMA APRIORI
Algoritma Apriori adalah algoritma paling terkenal untuk menemukan pola frekuensi tinggi. Pola frekuensi tinggi adalah pola-pola item di dalam suatu database yang memiliki frekuensi atau support di atas ambang batas tertentu yang disebut dengan istilah minimum support. Pola frekuensi tinggi ini digunakan untuk menyusun aturan assosiatif dan juga beberapa teknik data mining lainnya.
wah kayaknya terlalu panjang lok harus di tulis disini semua penjelasannya. eheheheheheh
langsung aja dch download review lengkapnya disini...semoga bisa bermanfaat.amien
0 comments:
Post a Comment