Data Miningunhas.ac.id/amil/S1TIF/DM2020/01 DM 2020.pdf•Ekstraksi dari data ke pengetahuan: 1....
Transcript of Data Miningunhas.ac.id/amil/S1TIF/DM2020/01 DM 2020.pdf•Ekstraksi dari data ke pengetahuan: 1....
![Page 1: Data Miningunhas.ac.id/amil/S1TIF/DM2020/01 DM 2020.pdf•Ekstraksi dari data ke pengetahuan: 1. Data: fakta yang terekam dan tidak membawa arti 2. Pengetahuan: pola, rumus, aturan](https://reader031.fdokumen.com/reader031/viewer/2022012001/608b7f9bb2177b6df85f7abd/html5/thumbnails/1.jpg)
Data Mininghttp://www.unhas.ac.id/amil/S1TIF/DM2020/
L1
Amil Ahmad Ilham
![Page 2: Data Miningunhas.ac.id/amil/S1TIF/DM2020/01 DM 2020.pdf•Ekstraksi dari data ke pengetahuan: 1. Data: fakta yang terekam dan tidak membawa arti 2. Pengetahuan: pola, rumus, aturan](https://reader031.fdokumen.com/reader031/viewer/2022012001/608b7f9bb2177b6df85f7abd/html5/thumbnails/2.jpg)
Administrasi Kuliah
• Kuliah 4 sks:• 2 sks teori = 2 x 50 menit = 100 menit
• 2 sks praktek (kerja mandiri) = 4 x 50 menit = 200 menit
• Total waktu belajar = 300 menit.
• Jadwal kuliah:• Selasa: 10.00 – 12.30 (150 menit)
![Page 3: Data Miningunhas.ac.id/amil/S1TIF/DM2020/01 DM 2020.pdf•Ekstraksi dari data ke pengetahuan: 1. Data: fakta yang terekam dan tidak membawa arti 2. Pengetahuan: pola, rumus, aturan](https://reader031.fdokumen.com/reader031/viewer/2022012001/608b7f9bb2177b6df85f7abd/html5/thumbnails/3.jpg)
CPMK (Capaian Pembelajaran MK)
• Mahasiswa memahami konsep, algoritma, dan tool data mining
• Mahasiswa memahami seluruh proses data mining
• Mahasiswa mampu melakukan eksperimen berdasarkan proses data mining dan menggunakan tool data mining
• Mahasiswa memahami arah terbaru penelitian data mining
• Mahasiswa mampu melakukan penelitian pada topik data mining
![Page 4: Data Miningunhas.ac.id/amil/S1TIF/DM2020/01 DM 2020.pdf•Ekstraksi dari data ke pengetahuan: 1. Data: fakta yang terekam dan tidak membawa arti 2. Pengetahuan: pola, rumus, aturan](https://reader031.fdokumen.com/reader031/viewer/2022012001/608b7f9bb2177b6df85f7abd/html5/thumbnails/4.jpg)
Mengintip Ekosistem Big Data di Gojek
• Download bahan bacaan di http://www.unhas.ac.id/amil/S1TIF/DM2020/
![Page 5: Data Miningunhas.ac.id/amil/S1TIF/DM2020/01 DM 2020.pdf•Ekstraksi dari data ke pengetahuan: 1. Data: fakta yang terekam dan tidak membawa arti 2. Pengetahuan: pola, rumus, aturan](https://reader031.fdokumen.com/reader031/viewer/2022012001/608b7f9bb2177b6df85f7abd/html5/thumbnails/5.jpg)
Big Data CultureBig Data Culture
5
![Page 6: Data Miningunhas.ac.id/amil/S1TIF/DM2020/01 DM 2020.pdf•Ekstraksi dari data ke pengetahuan: 1. Data: fakta yang terekam dan tidak membawa arti 2. Pengetahuan: pola, rumus, aturan](https://reader031.fdokumen.com/reader031/viewer/2022012001/608b7f9bb2177b6df85f7abd/html5/thumbnails/6.jpg)
Model of Generating/Consuming Data
6
![Page 7: Data Miningunhas.ac.id/amil/S1TIF/DM2020/01 DM 2020.pdf•Ekstraksi dari data ke pengetahuan: 1. Data: fakta yang terekam dan tidak membawa arti 2. Pengetahuan: pola, rumus, aturan](https://reader031.fdokumen.com/reader031/viewer/2022012001/608b7f9bb2177b6df85f7abd/html5/thumbnails/7.jpg)
Manusia Memproduksi Data
7
![Page 8: Data Miningunhas.ac.id/amil/S1TIF/DM2020/01 DM 2020.pdf•Ekstraksi dari data ke pengetahuan: 1. Data: fakta yang terekam dan tidak membawa arti 2. Pengetahuan: pola, rumus, aturan](https://reader031.fdokumen.com/reader031/viewer/2022012001/608b7f9bb2177b6df85f7abd/html5/thumbnails/8.jpg)
Perubahan Kultur dan Perilaku
8
![Page 9: Data Miningunhas.ac.id/amil/S1TIF/DM2020/01 DM 2020.pdf•Ekstraksi dari data ke pengetahuan: 1. Data: fakta yang terekam dan tidak membawa arti 2. Pengetahuan: pola, rumus, aturan](https://reader031.fdokumen.com/reader031/viewer/2022012001/608b7f9bb2177b6df85f7abd/html5/thumbnails/9.jpg)
Source of Big Data
9
![Page 10: Data Miningunhas.ac.id/amil/S1TIF/DM2020/01 DM 2020.pdf•Ekstraksi dari data ke pengetahuan: 1. Data: fakta yang terekam dan tidak membawa arti 2. Pengetahuan: pola, rumus, aturan](https://reader031.fdokumen.com/reader031/viewer/2022012001/608b7f9bb2177b6df85f7abd/html5/thumbnails/10.jpg)
Source of Big Data
10
![Page 11: Data Miningunhas.ac.id/amil/S1TIF/DM2020/01 DM 2020.pdf•Ekstraksi dari data ke pengetahuan: 1. Data: fakta yang terekam dan tidak membawa arti 2. Pengetahuan: pola, rumus, aturan](https://reader031.fdokumen.com/reader031/viewer/2022012001/608b7f9bb2177b6df85f7abd/html5/thumbnails/11.jpg)
11
![Page 12: Data Miningunhas.ac.id/amil/S1TIF/DM2020/01 DM 2020.pdf•Ekstraksi dari data ke pengetahuan: 1. Data: fakta yang terekam dan tidak membawa arti 2. Pengetahuan: pola, rumus, aturan](https://reader031.fdokumen.com/reader031/viewer/2022012001/608b7f9bb2177b6df85f7abd/html5/thumbnails/12.jpg)
Mengapa diperlukan Data Mining?
![Page 13: Data Miningunhas.ac.id/amil/S1TIF/DM2020/01 DM 2020.pdf•Ekstraksi dari data ke pengetahuan: 1. Data: fakta yang terekam dan tidak membawa arti 2. Pengetahuan: pola, rumus, aturan](https://reader031.fdokumen.com/reader031/viewer/2022012001/608b7f9bb2177b6df85f7abd/html5/thumbnails/13.jpg)
13
![Page 14: Data Miningunhas.ac.id/amil/S1TIF/DM2020/01 DM 2020.pdf•Ekstraksi dari data ke pengetahuan: 1. Data: fakta yang terekam dan tidak membawa arti 2. Pengetahuan: pola, rumus, aturan](https://reader031.fdokumen.com/reader031/viewer/2022012001/608b7f9bb2177b6df85f7abd/html5/thumbnails/14.jpg)
Data - Informasi – Pengetahuan
Data Kehadiran Pegawai14
NIP TGL DATANG PULANG
1103 02/12/2004 07:20 15:40
1142 02/12/2004 07:45 15:33
1156 02/12/2004 07:51 16:00
1173 02/12/2004 08:00 15:15
1180 02/12/2004 07:01 16:31
1183 02/12/2004 07:49 17:00
![Page 15: Data Miningunhas.ac.id/amil/S1TIF/DM2020/01 DM 2020.pdf•Ekstraksi dari data ke pengetahuan: 1. Data: fakta yang terekam dan tidak membawa arti 2. Pengetahuan: pola, rumus, aturan](https://reader031.fdokumen.com/reader031/viewer/2022012001/608b7f9bb2177b6df85f7abd/html5/thumbnails/15.jpg)
Data - Informasi – Pengetahuan
Informasi Akumulasi Bulanan Kehadiran Pegawai15
NIP Masuk Alpa Cuti Sakit Telat
1103 22
1142 18 2 2
1156 10 1 11
1173 12 5 5
1180 10 12
![Page 16: Data Miningunhas.ac.id/amil/S1TIF/DM2020/01 DM 2020.pdf•Ekstraksi dari data ke pengetahuan: 1. Data: fakta yang terekam dan tidak membawa arti 2. Pengetahuan: pola, rumus, aturan](https://reader031.fdokumen.com/reader031/viewer/2022012001/608b7f9bb2177b6df85f7abd/html5/thumbnails/16.jpg)
Data - Informasi – Pengetahuan
Pola Kebiasaan Kehadiran Mingguan Pegawai16
Senin Selasa Rabu Kamis Jumat
Terlambat 7 0 1 0 5
Pulang Cepat
0 1 1 1 8
Izin 3 0 0 1 4
Alpa 1 0 2 0 2
![Page 17: Data Miningunhas.ac.id/amil/S1TIF/DM2020/01 DM 2020.pdf•Ekstraksi dari data ke pengetahuan: 1. Data: fakta yang terekam dan tidak membawa arti 2. Pengetahuan: pola, rumus, aturan](https://reader031.fdokumen.com/reader031/viewer/2022012001/608b7f9bb2177b6df85f7abd/html5/thumbnails/17.jpg)
Data - Informasi – Pengetahuan - Kebijakan
• Kebijakan penataan jam kerja karyawan khusus untuk hari senin dan jumat
• Peraturan jam kerja:• Hari Senin dimulai jam 10:00
• Hari Jumat diakhiri jam 14:00
• Sisa jam kerja dikompensasi ke hari lain
17
![Page 18: Data Miningunhas.ac.id/amil/S1TIF/DM2020/01 DM 2020.pdf•Ekstraksi dari data ke pengetahuan: 1. Data: fakta yang terekam dan tidak membawa arti 2. Pengetahuan: pola, rumus, aturan](https://reader031.fdokumen.com/reader031/viewer/2022012001/608b7f9bb2177b6df85f7abd/html5/thumbnails/18.jpg)
Cek di Google Search
• Uber
• Alibaba
• Airbnb
• Gojek
• Groceria
Apa kesamaan dari perusahaan di atas?
18
![Page 19: Data Miningunhas.ac.id/amil/S1TIF/DM2020/01 DM 2020.pdf•Ekstraksi dari data ke pengetahuan: 1. Data: fakta yang terekam dan tidak membawa arti 2. Pengetahuan: pola, rumus, aturan](https://reader031.fdokumen.com/reader031/viewer/2022012001/608b7f9bb2177b6df85f7abd/html5/thumbnails/19.jpg)
19
![Page 20: Data Miningunhas.ac.id/amil/S1TIF/DM2020/01 DM 2020.pdf•Ekstraksi dari data ke pengetahuan: 1. Data: fakta yang terekam dan tidak membawa arti 2. Pengetahuan: pola, rumus, aturan](https://reader031.fdokumen.com/reader031/viewer/2022012001/608b7f9bb2177b6df85f7abd/html5/thumbnails/20.jpg)
20
Apa itu Data Mining?
![Page 21: Data Miningunhas.ac.id/amil/S1TIF/DM2020/01 DM 2020.pdf•Ekstraksi dari data ke pengetahuan: 1. Data: fakta yang terekam dan tidak membawa arti 2. Pengetahuan: pola, rumus, aturan](https://reader031.fdokumen.com/reader031/viewer/2022012001/608b7f9bb2177b6df85f7abd/html5/thumbnails/21.jpg)
• Disiplin ilmu yang mempelajari metode untuk mengekstrak pengetahuanatau menemukan pola dari suatu data yang besar
• Ekstraksi dari data ke pengetahuan:1. Data: fakta yang terekam dan tidak membawa arti2. Pengetahuan: pola, rumus, aturan atau model yang muncul dari data
• Nama lain data mining:• Knowledge Discovery in Database (KDD)• Knowledge extraction• Pattern analysis• Information harvesting• Business intelligence
21
Apa itu Data Mining?
![Page 22: Data Miningunhas.ac.id/amil/S1TIF/DM2020/01 DM 2020.pdf•Ekstraksi dari data ke pengetahuan: 1. Data: fakta yang terekam dan tidak membawa arti 2. Pengetahuan: pola, rumus, aturan](https://reader031.fdokumen.com/reader031/viewer/2022012001/608b7f9bb2177b6df85f7abd/html5/thumbnails/22.jpg)
Apa Itu Data Mining?
22
HimpunanData
Metode Data Mining
Pengetahuan
![Page 23: Data Miningunhas.ac.id/amil/S1TIF/DM2020/01 DM 2020.pdf•Ekstraksi dari data ke pengetahuan: 1. Data: fakta yang terekam dan tidak membawa arti 2. Pengetahuan: pola, rumus, aturan](https://reader031.fdokumen.com/reader031/viewer/2022012001/608b7f9bb2177b6df85f7abd/html5/thumbnails/23.jpg)
• Melakukan ekstraksi untuk mendapatkan informasi penting yang sifatnya implisit dan sebelumnya tidak diketahui, dari suatu data (Wittenet al., 2011)
• Kegiatan yang meliputi pengumpulan, pemakaian data historis untuk menemukan keteraturan, pola dan hubungan dalam set data berukuran besar (Santosa, 2007)
• Extraction of interesting (non-trivial, implicit, previously unknown and potentially useful) patterns or knowledge from huge amount of data (Han et al., 2011)
23
Definisi Data Mining
![Page 24: Data Miningunhas.ac.id/amil/S1TIF/DM2020/01 DM 2020.pdf•Ekstraksi dari data ke pengetahuan: 1. Data: fakta yang terekam dan tidak membawa arti 2. Pengetahuan: pola, rumus, aturan](https://reader031.fdokumen.com/reader031/viewer/2022012001/608b7f9bb2177b6df85f7abd/html5/thumbnails/24.jpg)
Data Mining pada Business Intelligence
24
Increasing potentialto support business decisions
End User
Business Analyst
Data Analyst
DBA
Decision Making
Data Presentation
Visualization Techniques
Data MiningInformation Discovery
Data Exploration
Statistical Summary, Querying, and Reporting
Data Preprocessing/Integration, Data Warehouses
Data SourcesPaper, Files, Web documents, Scientific experiments, Database Systems
![Page 25: Data Miningunhas.ac.id/amil/S1TIF/DM2020/01 DM 2020.pdf•Ekstraksi dari data ke pengetahuan: 1. Data: fakta yang terekam dan tidak membawa arti 2. Pengetahuan: pola, rumus, aturan](https://reader031.fdokumen.com/reader031/viewer/2022012001/608b7f9bb2177b6df85f7abd/html5/thumbnails/25.jpg)
Hubungan dengan Berbagai Bidang
Data Mining
Machine Learning
Pattern Recognition
StatisticsComputing Algorithms
Database Technology
High Performance Computing
25
![Page 26: Data Miningunhas.ac.id/amil/S1TIF/DM2020/01 DM 2020.pdf•Ekstraksi dari data ke pengetahuan: 1. Data: fakta yang terekam dan tidak membawa arti 2. Pengetahuan: pola, rumus, aturan](https://reader031.fdokumen.com/reader031/viewer/2022012001/608b7f9bb2177b6df85f7abd/html5/thumbnails/26.jpg)
Teknik Data Mining
![Page 27: Data Miningunhas.ac.id/amil/S1TIF/DM2020/01 DM 2020.pdf•Ekstraksi dari data ke pengetahuan: 1. Data: fakta yang terekam dan tidak membawa arti 2. Pengetahuan: pola, rumus, aturan](https://reader031.fdokumen.com/reader031/viewer/2022012001/608b7f9bb2177b6df85f7abd/html5/thumbnails/27.jpg)
Peran Utama Data Mining
27
1. Estimasi
2. Prediksi
3. Klasifikasi4. Klastering
5. Asosiasi
![Page 28: Data Miningunhas.ac.id/amil/S1TIF/DM2020/01 DM 2020.pdf•Ekstraksi dari data ke pengetahuan: 1. Data: fakta yang terekam dan tidak membawa arti 2. Pengetahuan: pola, rumus, aturan](https://reader031.fdokumen.com/reader031/viewer/2022012001/608b7f9bb2177b6df85f7abd/html5/thumbnails/28.jpg)
Algoritma Data Mining (DM)
1. Estimation (Estimasi):• Linear Regression, Neural Network, Support Vector Machine, etc
2. Prediction/Forecasting (Prediksi/Peramalan):• Linear Regression, Neural Network, Support Vector Machine, etc
3. Classification (Klasifikasi):• Naive Bayes, K-Nearest Neighbor, C4.5, ID3, CART, Linear Discriminant Analysis,
Logistic Regression, etc
4. Clustering (Klastering):• K-Means, K-Medoids, Self-Organizing Map (SOM), Fuzzy C-Means, etc
5. Association (Asosiasi):• FP-Growth, A Priori, Coefficient of Correlation, Chi Square, etc
28
![Page 29: Data Miningunhas.ac.id/amil/S1TIF/DM2020/01 DM 2020.pdf•Ekstraksi dari data ke pengetahuan: 1. Data: fakta yang terekam dan tidak membawa arti 2. Pengetahuan: pola, rumus, aturan](https://reader031.fdokumen.com/reader031/viewer/2022012001/608b7f9bb2177b6df85f7abd/html5/thumbnails/29.jpg)
Estimasi Waktu Pengiriman Pizza
Customer Jumlah Pesanan (P) Jumlah Traffic Light (TL) Jarak (J) Waktu Tempuh (T)
1 3 3 3 16
2 1 7 4 20
3 2 4 6 18
4 4 6 8 36
...
1000 2 4 2 12
29
Waktu Tempuh (T) = 0.48P + 0.23TL + 0.5JPengetahuan
Pembelajaran denganMetode Estimasi (Regresi Linier)
Label
![Page 30: Data Miningunhas.ac.id/amil/S1TIF/DM2020/01 DM 2020.pdf•Ekstraksi dari data ke pengetahuan: 1. Data: fakta yang terekam dan tidak membawa arti 2. Pengetahuan: pola, rumus, aturan](https://reader031.fdokumen.com/reader031/viewer/2022012001/608b7f9bb2177b6df85f7abd/html5/thumbnails/30.jpg)
![Page 31: Data Miningunhas.ac.id/amil/S1TIF/DM2020/01 DM 2020.pdf•Ekstraksi dari data ke pengetahuan: 1. Data: fakta yang terekam dan tidak membawa arti 2. Pengetahuan: pola, rumus, aturan](https://reader031.fdokumen.com/reader031/viewer/2022012001/608b7f9bb2177b6df85f7abd/html5/thumbnails/31.jpg)
Klasifikasi
![Page 32: Data Miningunhas.ac.id/amil/S1TIF/DM2020/01 DM 2020.pdf•Ekstraksi dari data ke pengetahuan: 1. Data: fakta yang terekam dan tidak membawa arti 2. Pengetahuan: pola, rumus, aturan](https://reader031.fdokumen.com/reader031/viewer/2022012001/608b7f9bb2177b6df85f7abd/html5/thumbnails/32.jpg)
![Page 33: Data Miningunhas.ac.id/amil/S1TIF/DM2020/01 DM 2020.pdf•Ekstraksi dari data ke pengetahuan: 1. Data: fakta yang terekam dan tidak membawa arti 2. Pengetahuan: pola, rumus, aturan](https://reader031.fdokumen.com/reader031/viewer/2022012001/608b7f9bb2177b6df85f7abd/html5/thumbnails/33.jpg)
![Page 34: Data Miningunhas.ac.id/amil/S1TIF/DM2020/01 DM 2020.pdf•Ekstraksi dari data ke pengetahuan: 1. Data: fakta yang terekam dan tidak membawa arti 2. Pengetahuan: pola, rumus, aturan](https://reader031.fdokumen.com/reader031/viewer/2022012001/608b7f9bb2177b6df85f7abd/html5/thumbnails/34.jpg)
![Page 35: Data Miningunhas.ac.id/amil/S1TIF/DM2020/01 DM 2020.pdf•Ekstraksi dari data ke pengetahuan: 1. Data: fakta yang terekam dan tidak membawa arti 2. Pengetahuan: pola, rumus, aturan](https://reader031.fdokumen.com/reader031/viewer/2022012001/608b7f9bb2177b6df85f7abd/html5/thumbnails/35.jpg)
35
![Page 36: Data Miningunhas.ac.id/amil/S1TIF/DM2020/01 DM 2020.pdf•Ekstraksi dari data ke pengetahuan: 1. Data: fakta yang terekam dan tidak membawa arti 2. Pengetahuan: pola, rumus, aturan](https://reader031.fdokumen.com/reader031/viewer/2022012001/608b7f9bb2177b6df85f7abd/html5/thumbnails/36.jpg)
Tugas #1
• Buat essay minimal 2 halaman, 1 spasi, font 12, dari informasi yang ada di slide (submit dalam bentuk file word di Sikola sebelumpertemuan kedua)
• Cari minimal 1 paper (proceeding atau jurnal internasional) terkaitdengan data mining (lihat contoh slide 29-35)• Tunjukkan softfile paper tersebut dan jelaskan secara singkat pada pertemuan
berikutnya.