Fakultas Informatika – Telkom University

Presentasi berjudul: "Fakultas Informatika – Telkom University"— Transcript presentasi:

1 Fakultas Informatika – Telkom University
DATA Fakultas Informatika – Telkom University 1 12/11/2017

2 Pokok Bahasan 2 Data dan informasi Jenis-jenis data Kualitas Data

3 Data dan Informasi? Data adalah deskripsi tentang benda, kejadian, aktivitas, dan transaksi, yang tidak mempunyai makna atau tidak berpengaruh secara langsung kepada pemakai. Informasi adalah data yang telah diolah menjadi sebuah bentuk yang berarti bagi penerimanya dan bermanfaat dalam pengambilan keputusan saat ini atau saat mendatang (Davis 1999). 3

4 Hirarki Data,Informasi dan Knowledge
4

5 Merupakan kumpulan objek data dan atributnya
Data dalam Data Mining Atribut Merupakan kumpulan objek data dan atributnya Umur Kegemukan Hipertensi Muda Gemuk Tidak Sangat gemuk Paruh baya Terlalu Gemuk Ya Tua Objek Salah Satu Contoh Data 5

6 Atribut? 6 Atribut merupakan properti atau karakteristik yang dimiliki oleh sebuah objek. Nama lain atribut: variabel, field, karakteristik, feature, atau observasi Setiap objek akan digambarkan melalui satu set atribut yang sudah ditentukan sebelumnya ( atribut) Contoh: Gajah memiliki karakteristik : hidung : panjang , telinga: lebar, badan : besar Objek bisa juga disebut : instance (Tidak sama dengan instance di Java Prog.Language), record, point, case, sample atau entity

7 Nilai Atribut 7 Nilai sebuah atribut bisa terdiri dari :
Angka  1, 2.002, dll Simbol  emas, laki-laki, kurus dll Setiap atribut bisa diberikan nilai dalam skala yang berbeda Contoh: panjang bisa diukur dengan meter atau kaki Atribut yang berbeda bisa saja memiliki skala nilai / tipe yang sama Contoh: nilai atribut untuk NIP dan umur dalam integer , namun nilai tersebut memiliki properti (detail di slide hal 9) yang berbeda NIP mungkin tak terbatas akan tetapi umur memiliki nilai maksimum dan minimum

8 Tipe-tipe Atribut 8 Jika dibedakan berdasarkan “levels of measurement “ ada: Nominal Contoh: Nomer KTP Nasional, NIP, Kode pos Ordinal Contoh: tinggi badan {tinggi, sedang, pendek}, grade nilai Interval Contoh: tanggal, suhu pada skala Celsius atau Fahrenheit. Ratio Contoh: suhu dalam skala Kelvin, panjang (yang terukur cm,meter dst), waktu

9 Properties dari Nilai Atribut
9 Tipe Atribut ditentukan oleh properti yang dimilikinya sebagai berikut: Distinctness: =  Order: < > Addition: Multiplication: * / Atribut Nominal : distinctness Atribut Ordinal : distinctness & order Atribut Interval : distinctness, order & addition Atribut Ratio : all 4 properties

10 Atribut Diskrit dan Atribut Kontinu
10 Atribut Diskrit Nilai yang dimiliki terbatas atau bisa dihitung Contoh: kode pos, words in a collection of documents Biasanya berupa variabel integer Note: atribut binary merupakan atribut diskrit kasus khusus Atribut Kontinu Nilai atribut merupakan bilangan riil Contoh: suhu = 23.4 ‘ Celcius, tinggi = 172,2 cm atau berat= 3.15 kg. Atribut kontinu biasanya direpresentasikan sebagai variabel floating-point.

11 Tipe Dataset 11 Tipe Umum Karakteristik Umum: Record Graph Ordered
Dimensionality Sparsity Resolution

12 Data Record 12 Data yang terdiri dari kumpulan records dengan sejumlah atribut yang fix Umur TkKegemukan Hipertensi Muda Gemuk Tidak Sangat gemuk Paruh baya Terlalu Gemuk Ya Tua

13 Data Matriks 13 Jika objek data memiliki atribut numerik yang sama dan tetap, maka objek data dapat digambarkan sebagai point dalam multi- dimensional space, di mana setiap dimensi merupakan atribut yang berbeda Data set tsb. Bisa digambarkan dengan matriks m X n, m = baris, satu untuk tiap objek, dan n kolom, satu untuk tiap atribut

14 Data Dokumen 14 Setiap dokumen menjadi vektor `term’,
Tiap term menjadi atribut dari vektor Nilai setiap komponen merupakan jumlah term yang muncul dalam dokumen.

15 DataTransaksi 15 Tipe data record yang spesial, dimana
Setiap transaksi /record terdiri dari beberapa item. Contoh: data satu struk belanja di supermarket dianggap sebagai sebuah record transaksi

16 Link HTML Data Graph 16 Graph umum 3 2 4
<a href=“penelitian/penelitian.html#bbbb”> Data Mining</a> <li> <a href=“penelitian/penelitian.html#aaaa”>Klasifikasi</a> <a href=“penelitian/penelitian.html#ffff”>Klastering</a> 3 4 2

17 Data Kimia 17 Molekul Benzena : C6H6

18 Data Ordered 18 Transaksi yang sekuens Items/Events
Elemen dari sekuens

19 Data Ordered 19 Data sekuens Genom
Sequence ladder by radioactive sequencing compared to fluorescent peaks Source:

20 Data Ordered : Data Spatio-Temporal
20 Sumber:

21 Kualitas Data 21 Apa yang menjadi permasalahan dengan data?
Bagaimana mendeteksinya? Apa yang bisa dilakukan? Contoh masalah kualitas data : Noise dan outliers missing values Data duplikat

22 Noise 22 Modifikasi nilai sebenarnya
Contoh: distorsi suara pada pembicaraan di telpon “snow” on television screen Two Sine Waves Two Sine Waves + Noise

23 Outliers 23 Objek data yang berbeda karakteristik dengan objek data kebanyakan:

24 Missing Values 24 Contoh Missing Value: Nama Gender Umur Penghasilan
Pendidikan Alamat Rudi L 45 SMA Buah Batu Ando 23 S1 Dago Kusno 50 Gede Bage Fadli 4 - Antapani Ayyesha P 2 Fahira 35 Erika 41 S2

25 Alasan Adanya Missing Value
25 Informasi tidak terkumpul dengan lengkap Misal: orang menolak menyebutkan umur dan berat badan Atribut mungkin tidak bisa diterapkan untuk semua kasus Misal: Penghasilan tidak bisa diaplikasikan untuk Bayi dan anak kecil Solusi Penangan missing values Mengeliminasi objek data Mengestimasi Missing Values Tidak memperhatikan Missing Value saat analisis Menggantikan dengan semua kemungkinan nilai (pembobotan berdasarkan probabilitasnya)

26 Data Duplikat 26 Data set mungkin terdapat objek data yang duplikat
Penyebab ketika mengumpulkan data daro sumber yang bermacam-macam Contoh: Survey dilakukan berdasarkan alamat padahal satu orang bisa memiliki lebih dari satu alamat Solusi ?  Data cleaning

27 Pertanyaan??