KELOMPOK 6 AGUNG BIANTORO.M ( 042 ) JONI PUTRA ( 103 ) HARIS FERDIAN ( 033 ) TEKNIK-TEKNIK DATA MINING

INTRODUCTION

SUB MATERI ANALISIS CLUSTER POHON KEPUTUSAN INDUKSI NEURAL DAN NETWORK JARINGAN SYARAF BUATAN ONLINE ANALYTICAL PROCESSING OLAP

ANALISIS CLUSTER

Analisis cluster adalah suatu analisis statistik yang bertujuan memisahkan obyek kedalam beberapa kelompok yang mempunyai sifat berbeda antar kelompok yang satu dengan yang lain. Dalam analisis ini tiap-tiap kelompok bersifat homogen antar anggota dalam kelompok atau variasi obyek dalam kelompok yang terbentuk sekecil mungkin ANALISIS CLUSTER TUJUAN Pengelompokan Penyederhanaan data Pengidentifikasian hubungan

PROSES PENGAMBILAN KEPUTUSAN ANALISIS CLUSTER Menentukan jumlah analisis cluster Menentukan desain penelitian analisis cluster Menentukan asumsi analisis cluster Menurunkan cluster-cluster dan memperkirakan overall fit Menginterpretasi hasil analisis cluster, Mengukur tingkat validasi hasil analisis cluster PENGAMBILAN KEPUTUSAN

INDUKSI POHON KEPUTUSAN

Giant Template Pengertian Pohon Keputusan Pohon yang dalam analisis pemecahan masalah pengambilan keputusan adalah pemetaan mengenai alternatif-alternatif pemecahan masalah yang dapat diambil dari masalah tersebut. Manfaat Pohon Keputusan Manfaat utama dari penggunaan pohon keputusan adalah kemampuannya untuk mem-break down proses pengambilan keputusan yang kompleks menjadi lebih simpel sehingga pengambil keputusan akan lebih menginterpretasikan solusi dari permasalahan INDUKSI Pohon keputusan

Kelebihan dan kekurangan pohon keputusan Kelebihan pohon keputusan Daerah pengambilan keputusan yang sebelumnya kompleks dan sangat global Eliminasi perhitungan-perhitungan yang tidak diperlukan Fleksibel untuk memilih fitur dari internal node yang berbeda Dalam analisis multivariat Kelemahan Pohon Keputusan Terjadi overlap terutama ketika kelas-kelas dan criteria yang digunakan jumlahnya sangat banyak Pengakumulasian jumlah eror dari setiap tingkat dalam sebuah pohon keputusan yang besar Kesulitan dalam mendesain pohon keputusan yang optimal. Hasil kualitas keputusan yang didapatkan dari metode pohon keputusan sangat tergantung pada bagaimana pohon tersebut didesain.

MODEL POHON KEPUTUSAN Pohon keputusan adalah model prediksi menggunakan struktur pohon atau struktur berhirarki

JARINGAN SYARAF BUATAN

Jaringan Syaraf Buatan Jaringan Syaraf Tiruan (Artifical Neural Network) Adalah Sistem Komputasi Yang Arsitektur Dan Operasinya Di Ilhami Dari Pengetahuan Tentang Sel Syaraf Biologis Di Dalam Otak. Model Jaringan Syaraf Ditunjukkan Dengan Kemampuannya Dalam Emulasi, Analisis, Prediksi Dan Asosiasi. Jaringan Syaraf Buatan

Konsep Dasar Jaringan Syaraf Buatan Jaringan syaraf tiruan terdiri dari beberapa neuron dan ada hubungan antar neuron- neuron seperti pada otak manusia. Neuron/selsaraf adalah sebuah unit pemroses informasi yang merupakan dasar operasi jaringan syaraf tiruan. Jaringan syaraf tiruan terdiri atas beberapa elemen penghitung tak linier yang masing-masing dihubungkan melalui suatu pembobot dan tersusun secara paralel

Faktor Bobot Fungsi Aktivasi Proses Belajar Jaringan Syaraf Tiruan Berasal Dari Serangkaian Contoh-contoh Pola Yang Diberikan.Metode Pelatihan Yang Sering Dipakai Adalah Metode Belajar Terbimbing. Selama Proses Belajar Itu Pola Masukan Disajikan Bersama-sama Dengan Pola Keluaran Yang Diinginkan. Karakteristik Jaringan Syaraf Buatan Karakteristik Jaringan Syaraf Buatan Yang Mempengaruhi Karakteristik Jaringan Syaraf Buatan

OLAP ( ONLINE ANALYTICAL PROCESSING )

Online Analytical Processing (OLAP ) merupakan suatu metode pendekatan untuk menyajikan jawaban dari permintaan proses analisis yang bersifat dimensional secara cepat, yaitu desain dari aplikasi dan teknologi yang dapat mengoleksi, menyimpan, memanipulasi suatu data multidimensi untuk tujuan analisis OLAP ( Online Analytical Processing )

Teknik OLAP Teknik OLAP Itu Sendiri Dapat Dirangkum Menjadi 5 Garis Besar Yaitu Fast Analysis Of Shared Multidimensional Information Atau Disingkat Menjadi FASMI Yang Masing-masing Berarti Sebagai Berikut: 1.FAST 2.ANALYSIS 3.SHARED 4.MULTIDIMENSIONAL 5.INFORMATION

Dari OLAP tersebut terdapat 3 model penyimpanan data dalam cube yang difasilitasi oleh Microsoft SQL Server 7.0. Ketiga model penyimpanan data tersebut adalah: 1.MOLAP 2.ROLAP 3.HOLAP TEMPAT PENYIMPANAN OLAP