Istilah istilah dalam Datamining

1. Preprocessing

Preprocessing adalah tahap awal dalam pengolahan data sebemum diproses. Mengapa perlu preprocessing? Karena sering kali data yang kita dapat belum optimal/belum sesuai/belum dapat diolah secara baik dalam proses data mining. 

Contoh kasus: Misalnya data jenis kelamin. Ada yang mengisi Pria, ada yang mengisi Laki-Laki, ada pula yang mengisi Ikhwan. Ketiga kata tersebut sebenarnya bermakna sama namun ditulis dalam 3 bentuk yang berbeda. Sehingga perlu dilakukan preporcessing dulu agar hal tersebut dapat ditangani.

Di dalam data preprocessing, data disiapkan melalui beberapa tahap agar lebih berguna dan memiliki format yang lebih efisien. Langkah-langkah yang dilakukan dalam data preprocessing adalah kurang lebih sebagai berikut:

• data cleaning
• data integration
• data reduction
• data transformation

1.1. Data Cleaning Data Mining

Data Cleaning adalah proses untuk membersihkan, memperbaiki, dan menghilangkan ketidakakuratan serta ketidaklengkapan data agar data tersebut siap digunakan dalam analisis atau aplikasi lainnya. Data yang tidak terawat dapat mengandung kesalahan seperti nilai yang hilang, duplikasi data, ketidaksesuaian format, atau outlier (data yang jauh berbeda dengan data lainnya). Proses Data Cleaning bertujuan untuk meningkatkan kualitas data agar hasil analisis lebih akurat dan dapat diandalkan.

1.2. Data Integration

1.3. Data Reduction

1.4. Data Transformation

1. kNN

2. Data Cleaning

3. Bayes

4. Data Integration

5. K Means

K-Means merupakan algoritma klasterisasi yang mengelompokkan data berdasarkan titik pusat klaster (centroid) terdekat dengan data.

6. Data Transformation

7. Apriori

8. Normalisation
Normalisasi pada Data Mining adalah proses penskalaan nilai atribut dari data sehingga nilainya menjadi pada range tertentu. Hal ini berguna ketika data berada pada range berbeda dan sulit melihat apakah data tersebut memiliki kontribusi penting ketika proses learning selanjutnya.

9. K Medoids

10. Regresi

suatu metode untuk mengetahui pengaruh dari suatu variabel terhadap variabel lain.

11. FP Growth

12. Logistic Regresion

13. Vertical Data Format

14. Klasifikasi

15. Supervised Learning

16. Linier Regresion

Regresi yang bersifat linier. Berdasarkan pendekatan linier.
rumus:
y = w0 + w1 x

dengan
w0 = y (rata-rata) -  w1 x1rata-rata

w1 = sigma (xi - x rata-rata) (yi - y rata-rata) / sigma (xi - x rata-rata) kwadrat

regresi.garis lurusnya dicari dengan menghitung w0 dan w1

jika variabelnya lebih dari dua

rumus:
y = w0 + w1 x + w2 x2

dengan
w0 = y (rata-rata) -  w1 x1rata-rata -  w2 x2rata-rata

w1 = sigma (x1i - x rata-rata) (yi - y rata-rata) / sigma (x1i - x rata-rata) kwadrat

w2 = sigma (x2i - x rata-rata) (yi - y rata-rata) / sigma (x2i - x rata-rata) kwadrat

regresi.garis lurusnya dicari dengan menghitung w0, w1, dan w2

Contoh:
Kasuis Santri menghafal Quran

Santri ke    Lama (hari)     Jumlah ayat yang dihafal
1                        12                         55
2                        15                         30
3                        11                         43
4                        10                          22
5                        7                            15

Berapa lama santri ke 1 akan menghafal 110 ayat?



17. Klusterisasi

18. Binerisasi

19. Decision Tree

20. Multiple Linier Regresion

21. Unsupervised Learning

22. ID3

23. Diskretisasi

24. Ensemble Methods

25. Asosiasi

26. Text Mining

27. Reinforcement Learning

28. C.4.5

29. Data Stream

30. Fuzzy KNN every Class

31. DBScan

32. Agregasi

33. Preprocessing

34. Korelasi

35. Data Reduction

36. Fuzzy C Means

37. CART

38. Adaboost

39. Bagging

40. TF IDFx

Term Frequency (TF) 
Inverse Document Frequency (IDF)