Pertemuan XII FUNGSI MAYOR Classification.

Slides:



Advertisements
Presentasi serupa
Pohon Keputusan (Decision Tree)
Advertisements

Teknik Pemrograman (TEKPRO)
Diadaptasi dari slide Jiawei Han
BASIS DATA LANJUTAN.
Peran Utama Data Mining
Ujian Akhir Semester (UAS)
Pengurutan cepat (quick sort)
DATA MINING 1.
Algoritma Data Mining Object-Oriented Programming Algoritma Data Mining
ORDINAL REGRESSION KELOMPOK 4 / 3SE1.
NoOUTLOKTEMPERATUREHUMIDITYWINDYPLAY 1SunnyHotHighFALSENo 2SunnyHotHighTRUENo 3CloudyHotHighFALSEYes 4RainyMildHighFALSEYes 5RainyCoolNormalFALSEYes 6RainyCoolNormalTRUEYes.
Pertemuan X DATA MINING
Data Mining: Klasifikasi dan Prediksi Naive Bayesian & Bayesian Network . April 13, 2017.
1 Pertemuan 8 Klasifikasi dan Rekognisi Pola (2) Matakuliah: T0283 – Computer Vision Tahun: 2005 Versi: Revisi 1.
Data Mining: 4. Algoritma Klasifikasi
2-Pembelajaran Statistik 25 Agustus 2015 Data pelatihan dan pengujian Bias dan variansi Error rate & confidence interval Regresi Linear Praktikum: Data.
Algoritma-algoritma Data Mining Pertemuan XIV. Classification.
Data Mining: 4. Algoritma Klasifikasi
A rsitektur dan M odel D ata M ining. Arsitektur Data Mining.
IMPLEMENTASI DATA MINING SEBAGAI INFORMASI STRATEGIS PENJUALAN BATIK (STUDI KASUS BATIK MAHKOTA LAWEYAN) Oleh: Yusuf Sulistyo Nugroho, S.T., M.Eng. Fatah.
DATA MINING (Machine Learning)
Data mining ABU SALAM, M.KOM.
Sistem Berbasis Fuzzy Materi 4
2. Data & Proses Datamining
Klasifikasi Data Mining.
STUDI KASUS KLASIFIKASI Algoritma C 4.5
Peran Utama Data Mining
Martin Budi G Di Bawah Bimbingan Rindang Karyadin, S.T., M.Kom.
Algoritma C4.5. Algoritma C4.5 Object-Oriented Programming Introduction Algoritma C4.5 merupakan algoritma yang digunakan.
Data Mining Junta Zeniarja, M.Kom, M.CS
Data Mining.
Decision Tree Classification.
Decision Tree Classification.
Konsep Data Mining Ana Kurniawati.
Data Mining Yohana Nugraheni, S.Kom, MT
Klasifikasi.
Pengurutan cepat (quick sort)
Algoritma kNN (k-Nearest Neighbor)
Naïve Bayes Classification.
Pohon Keputusan (Decision Trees)
Classification Supervised learning.
REGRESI LOGISTIK BINER (DICHOTOMOUS INDEPENDENT VARIABLE)
MATERI PERKULIAHAN KECERDASAN BUATAN
Naïve Bayes Classification.
Decision Tree.
PRODI MIK | FAKULTAS ILMU-ILMU KESEHATAN
MIK | FAKULTAS ILMU-ILMU KESEHATAN
DATA MINING with W E K A.
KLASIFIKASI.
Business Intelligence
Object-Oriented Programming Data Mining Romi Satria Wahono
Anggota Dwita Eprila ( ) Mayang Hermeiliza Eka Putri ( ) Nadiah Amelia ( ) Rafif Abdusalam ( ) Shofyan.
Perancangan Sistem Klasifikasi Masa Studi Mahasiswa Menggunakan Data Mining Berbasis Algoritma ID3 (Studi Kasus:Jurusan Teknik Komputer –Unikom) Oleh:
Konsep Aplikasi Data Mining
DATA PREPARATION Kompetensi
JARINGAN SYARAF TIRUAN BERBASIS KOMPETISI
Klasifikasi dengan RapidMiner
Konsep Aplikasi Data Mining
Arsitektur dan Model Data Mining
DATA PREPARATION.
KLASIFIKASI.
Konsep Data Mining Ana Kurniawati.
IMPLEMENTASI ALGORITMA k-NN
Pertemuan 10.
Konsep Aplikasi Data Mining
Data Mining Classification.
Universitas Gunadarma
Universitas Gunadarma
Universitas Gunadarma
Intro Algoritma K-Nearest Neighbor (K- NN) adalah sebuah metode klasifikasi terhadap sekumpulan data maupun dokumen berdasarkan pembelajaran  data yang.
Transcript presentasi:

Pertemuan XII FUNGSI MAYOR Classification

Dalam klasifikasi, terdapat target variabel kategori, misal penggolongan pendapatan dapat dipisahkan dalam beberapa kategori. Beberapa algoritma klasifikasi diantaranya adalah Mean Vector, K-Nearest Neighbour, C.45, dan Bayessian.

Data Historis Data historis disebut juga data latihan atau data pengalaman (trainning data), karena dari data tersebut akan didapat latihan untuk mendapatkan pengetahuan (data testing). Data historis juga disebut data lampau yang merupakan data pengalaman bagi user. Algoritma klasifikasi akan menggunakan data latihan untuk pengetahuan yang hendak dihasilkan dalam klasifikasi data mining. Data terdiri atas dua jenis, yaitu predictor variable/pemrediksi dan target variable/tujuan.

Example Data Class Attribute Outlook Temperature Humidity Windy Play sunny hot high false no true overcast yes rainy mild cool normal

Example Decision Tree 1 Humidity high normal Outlook Outlook sunny rainy sunny overcast overcast rainy yes Windy no yes yes Windy true false true false no yes no yes

Example of a Decision Tree categorical continuous class Splitting Attributes Refund Yes No NO MarSt Single, Divorced Married TaxInc NO < 80K > 80K NO YES Training Data Model: Decision Tree

Algoritma Klasfikasi, CART (Classification and Regression Trees) Langkah-langkah Algoritma CART: Susunlah calon cabang (candidate split) yang dilakukan terhadap seluruh variabel prediktor. Daftar yang berisi calon cabang disebut calon cabang mutakhir. Berikan penilaian keseluruhan calon cabang mutakhir dengan menghitung besaran (s|t) Tentukan cabang yang memiliki kesesuaian (s|t). Setelah noktah kepuusan tidak ada lagi, algoritma CART dihentikan.

Kesesuaian(goodness) (s|t) dari calon cabang s pada noktah keputusan t tL = cabang kiri dari noktah keputusan t tR = calon cabang kanan dari noktah keputusan t

Data Tabungan, aset, pendapatan, dan resiko kredit Nasabah Bank Bhatara Putra Nasabah Tabungan Aset Pendapatan Resiko Kredit A Sedang Tinggi 75 Baik B Rendah 50 Buruk C 25 D E 100 F G H