KELOMPOK 6 Nama Kelompok: Lulus Irmawati ( )

Slides:



Advertisements
Presentasi serupa
KNOWLEGDE DISCOVERY in DATABASE (KDD)
Advertisements

Aplikasi Basis Data.
Oleh : Weny Pravita sari
BASIS DATA LANJUTAN.
KNOWLEDGE TRANSFER IN THE e - WORLD
Topik-Topik Lanjutan Sistem Informasi Johanes Kevin Lumadi Deny Setiawan Machliza Devi Sasmita Silvia Line Billie.
Data mining Pengantar data mining.
Customer Relationship Management
Peran Utama Data Mining
BAB I Pendahuluan.
Pengenalan Data Warehouse
CUSTOMER RELATIONSHIP MANAGEMENT
Robert Groth, “Data Mining: Building Competitive Advantage”, chap 2
Clustering Lecture Note Pengantar Data Mining 2006 Sumber : ngExample.htm
M ANAJEMEN D ATA “Pengaksesan Data”. P ENDAHULUAN Selama beberapa waktu, teknologi informasi berkonsentrasi pada pembangunan sistem bermisi kritis,- sistem.
Materi Pertemuan ke-4 Sistem Informasi E-Business
The Knowledge Discovery Process
Data Mining.
Data Warehouse dan Data Mining
Pertemuan XIV FUNGSI MAYOR Assosiation. What Is Association Mining? Association rule mining: –Finding frequent patterns, associations, correlations, or.
Mata Kuliah :Web Mining Dosen
PENDAHULUAN 1.  Merupakan aktivitas manajemen untuk merealisasikan tahapan Database Aplication Lifecycle secara efektif dan efesien. 2.
Pertemuan X DATA MINING
Association Rules.
PENGANTAR DATA MINING.
Pengenalan Data Mining
KONSEP DATA MINING NAMA ANGGOTA : 1.DESYANA NUR VITASARI 2.RESTI AUDYANTY 3.SAFITRI NURRAHMAH 4.YENI APRILLA 5.PRIMADICKY A 6.HERSALDI A 7.M. FARID.
A rsitektur dan M odel D ata M ining. Arsitektur Data Mining.
DATA MINING (Machine Learning)
DATA MINING 25 Januari 2008.
Data Warehouse dan Data Mining
Penambangan data Pertemuan 2.
Mengelola Siklus Hidup Pelanggan
STUDI KELAYAKAN BISNIS
E - Business “CRM” Sistem Informasi STMIK AMIKOM Purwokerto 2013.
Presentasi Knowledge Management
Materi Pertemuan ke-4 Sistem Informasi E-Business
Peran Utama Data Mining
Sistem Informasi E-Business
Data dan Informasi Daurat Sinaga, M.Kom.
Agus Aan Jiwa Permana, S.Kom., M.Cs
Data Mining.
Konsep Data Mining Ana Kurniawati.
Pengantar DATA MINING • Mengapa data mining? Apa data mining?
Customer Relationship Management
Aplikasi Business Intelligence & Data Mining
Business Intelligent Ramos Somya, S.Kom., M.Cs.
KNOWLEGDE DISCOVERY in DATABASE (KDD)
Siklus Pengembangan Sistem Informasi Akuntansi
BUSINESS INTELLIGENCE
MANAJEMEN BASIS DATA PERANCANGAN.
Introduction group DATA RESOURCE MANAGEMENT (Manajemen Sumber Daya Data) MEDICARE ( ) CANDRA NUR RAHMAN ( ) KHARISMA AGUNG ( )
Pengantar Business Intelligence
Customer Relationship Management
INFORMASI UNTUK BERBAGAI USER DW
Data Mining 1 S2 Kom.
Pengantar Business Intelligence
BUSINESS INTELLIGENCE
Text Mining ..
Konsep Aplikasi Data Mining
Arsitektur dan Model Data Mining
Pertemuan 1 & 2 Pengantar Data Mining 12/6/2018.
Apa dan untuk apa data mining
CLUSTERING.
Konsep Data Mining Ana Kurniawati.
STUDI KELAYAKAN BISNIS
ASSOCIATION RULE DAN PENERAPANNYA
Konsep Aplikasi Data Mining
Konsep dan Aplikasi Data Mining
Konsep Aplikasi Data Mining
Transcript presentasi:

KELOMPOK 6 Nama Kelompok: Lulus Irmawati (14101679) Ni Luh Made Antari (14101212) FRISKA AYUNINGTYAS DIAH UTAMI (14101840) Irnanda Santika Sari ()

PEMBAHASAN KONSEP DATA MINING METODE DALAM DATA MINING CONTOH PENERAPAN DATA MINING PADA KASUS PEMBAHASAN KASUS

Analisa data mining berjalan pada data yang cenderung terus membesar dan teknik terbaik yang digunakan kemudian beorientasi kepada data beukur an sangat besar untuk mendapatkn kesimpulan dan keputusan paling layak. Data mining memiliki beberapa sebutan atau nama lain yaitu : Knowledge discovery (mining) in databases (KDD), ekstraksi pengetahuan (knowledge extraction), Analisa data/pola, kecerdasan bisnis (business intelligence)

Konsep Data Mining Terdapat dua tipe atau mode operasi yang bisa digunakan untuk mencari informasi yang dibutuhkan user lewat proses data mining: Model verifikasi menggunakan pendekatan top down Model Knowledge Discovery menggunakan pendekatan bottom up

Tahapan Proses data mining Konsep Data Mining Tahapan Proses data mining

Metode Dalam Data Mining Data mining model dibuat berdasarkan salah satu dari dua jenis pembelajaran supervised unsupervised.

Metode Dalam Data Mining Supervised Fungsi pembelajaran Supervised digunakan untuk memprediksi suatu nilai unsupervised. Fungsi pembelajaran Unsupervised digunakan untuk mencari struktur intrinsik, relasi dalam suatu data yang tidak memerlukan class atau label sebelum dilakukan proses pembelajaran.

Metode Dalam Data Mining Metode data mining dapat diklasifikasikan berdasarkan fungsi yang dilakukan atau berdasarkan jenis aplikasi yang menggunakannya: Klasifikasi (supervised) Clustering (unsupervised) Association Rules (unsupervised) Attribute Importance (supervised)

Penerapan Data Mining Analisa Pasar dan Manajemen Untuk analisa pasar • Menembak target pasar • Melihat pola beli pemakai dari waktu ke waktu • Cross-Market Analysis • Profil Customer • Identifikasi Kebutuhan Customer • Informasi Summary

Database Buku yang yang telah dibeli Pembahasan Kasus Salah satu contoh kasus yang dapat diambil dalam penerapan data mining yaitu misalnya pada toko buku Database Buku yang yang telah dibeli

Penerapan Tahapan proses Data Mining pada penjualan buku Pembahasan Kasus Penerapan Tahapan proses Data Mining pada penjualan buku