Dataminingii p13 Estimation Compatibility Mode1

Data Mining II

Estimasi

Data Mining-2012-a@b 1

Estimasi

Matakuliah Data warehouse

Universitas Darma Persada

Oleh: Adam AB

Tahapan proses datamining


Input(Data)

Metode(Algoritma

Data Mining)

Output(Pola/Model/Knowledge)

Evaluation(Akurasi, AUC,

RMSE, etc)

Atribut , Class dan tipe data

• Atribut adalah faktor atau parameter yang

menyebabkan class/label/target terjadi

• Class adalah atribut yang akan dijadikan target,

sering juga disebut dengan label

• Tipe data untuk variabel pada statistik terbagi • Tipe data untuk variabel pada statistik terbagi

menjadi empat: nominal, ordinal, interval, ratio

• Tapi secara praktis, tipe data untuk atribut pada

data mining hanya menggunakan dua:

1. Nominal (Diskrit)

2. Numeric (Kontinyu atau Ordinal)


Metode/Algoritma Data mining

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):


3. Classification (Klasifikasi):– Naive Bayes, K-Nearest Neighbor, C4.5, ID3, CART, Random Forest,

Linear Discriminant Analysis, Neural Network, etc

4. Clustering (Klastering):– K-Means, K-Medoids, Self-Organizing Map (SOM), Fuzzy C-Means, etc

5. Association (Asosiasi):– FP-Growth, A Priori, etc

Output/pola/model/knowledge

1. Formula/Function (Rumus atau Fungsi Regresi)– WAKTU TEMPUH = 0.48 + 0.6 JARAK + 0.34 LAMPU + 0.2

PESANAN

2. Decision Tree (Pohon Keputusan)

3. Rule (Aturan)


3. Rule (Aturan)

– IF ips3=2.8 THEN lulustepatwaktu

4. Cluster (Klaster)

2

2.5

3

Iteration 6


-2 -1.5 -1 -0.5 0 0.5 1 1.5 2

0

0.5

1

1.5

x

y

Refund

Yes No

Splitting Attributes


MarSt

TaxInc

YESNO

NO

NO

Yes No

Single, Divorced

< 80K > 80K

Kriteria Evaluasi dan Validasi

Model• Secara umum pengukuran model data mining

mengacu kepada tiga kriteria: Akurasi

(Accuracy), Kehandalan(Reliability) dan

Kegunaan (Usefulness)


Kegunaan (Usefulness)

• Keseimbangan diantaranya ketiganya diperlukan

karena belum tentu model yang akurat adalah

handal, dan yang handal atau akurat belum tentu

berguna

Kriteria Evaluasi dan Validasi

Model

1. Akurasi adalah ukuran dari seberapa baik model

mengkorelasikan antara hasil dengan atribut dalam data yang

telah disediakan. Terdapat berbagai model akurasi, tetapi

semua model akurasi tergantung pada data yang digunakan


2. Kehandalan adalah ukuran di mana model data mining

diterapkan pada dataset yang berbeda akan menghasilkan

sebuah model data mining dapat diandalkan jika

menghasilkan pola umum sama terlepas dari data testing

yang disediakan

3. Kegunaan mencakup berbagai metrik yang mengukur apakah

model tersebut memberikan informasi yang berguna.

Tool software datamining

• WEKA

• RapidMiner

• DTREG


• Clementine

• Matlab

• R

• SPSS

Data mining-Estimasi

• Estimasi merupakan fungsi minor kedua

dari data mining.

• Suatu misal kita diberi sampel data volume

air isi ulang yang diisi otomatis oleh mesin


air isi ulang yang diisi otomatis oleh mesin

pengisi dengan isi yang bervariasi,

sementara volume yang diharapkan adalah

2000 ml.

Data Mining-Estimasi(lanj)


Data Mining-Estimasi (lanj)

• Berdasarkan data di atas pengisian air pada mesin tidak tepat 2000 ml

• Berapakah volume air pada umumnya di dalam botol yang diisikan?

• Berapa kira-kira volume air yang akan diisi pada


• Berapa kira-kira volume air yang akan diisi pada botol di masa datang bila mesin mengisi (berapa kali) botol tersebut?

• � estimasi/memperkirakan

• Estimasi � estimasi titik

• � setimasi selang

Data Mining-Estimasi (lanj)

• Istilah

• Populasi : objek yang diteliti, dalam hal ini

air minum dalam botol


air minum dalam botol

• Sampel : contoh/cuplikan objek yang

diambil untuk dijadikan penelitian, dalam

hal ini 12 botol minuman.

• Populasi besarnya tidak terbatas

Estimasi Titik

• Estimasi titik : bentuk estimasi yang menghasilkan

satu buah nilai estimasi saja yaitu berupa angka

• Populasi yang terus bertambah , tidak mungkin

bagi kita untuk menghitung mean dan varians.

• Karena itu kita perlu sampel untuk melakukan


• Karena itu kita perlu sampel untuk melakukan

estimasi/perkiraan pada parameter di atas

• Mengapa perkiraan? � sebab bila kita memiliki

perkiraan rata-rata dan varians yang akurat maka

akan banyak pertanyaan yang dapat kita jawab

dengan baik.

Estimasi titik (lanj)

• Cara memperkirakan

• Rata-rata populasi µ dapat diestimasi

dengan rata-rata sampel

• Varians populasi σ2 dapat diestimasi dengan


varians sampel (s2)

Estimasi titik - contoh


• Rata-rata sampel = 24084/12 = 2007 ml

• Varians sampel = 10620/(12-1) = 965.45 ml2

• Standar deviasi = sqrt (965.45) = 31.07 ml

Estimasi titik - contoh

• Pengetahuan apa yang diperoleh dari

informasi ini?

• � pada umumnya setiap botol akan diisi air


• � pada umumnya setiap botol akan diisi air

sebanyak 2007 ml (rata-rata), dengan

varians sebesar 965.45 ml

Estimasi - selang

• Estimasi titik hanya menghasilkan satu

angka, bagaimana bila diinginkan angka

yang selang agar lebih mengakomodasi

error.


• Menggunakan batas bawah (L) dan batas

atas (U)

• � batas bawah (L) = X - zα /2 . σx

• � batas atas (U) = X + zα /2 . σx

Estimasi - selang


•Rata-rata sampel = 24084/12 = 2007 ml

•Varians sampel = 10620/(12-1) = 965.45 ml2

•Standar deviasi = sqrt (965.45) = 31.07 ml

Estimasi selang (lanj)

• Selang kepercayaan 95%, maka α = 100% -

95% = 5%

• Selang kepercayaan 90% maka α = 10%

• Misal kita gunakan selang kepercayaan 95%


• Misal kita gunakan selang kepercayaan 95%

� α = 5%

• zα /2 = 5/2 = 2.5 % = 0.025

• � lihat tabel distribusi


• Nilai 0.024998 ~ 0.0250 terletak dalam

baris 1.9 dan kolom 0.06 sehingga diperoleh

1.9 + 0.06 = 1.96

• � zα /2 batas bawah = - 1.96 (nilai negatif)


• � zα /2 batas atas = 1.96 (nilai positif)

• Tinggal menghitung σx

• σx = σ/sqrt(n) (baca: standar deviasi dibagi akar banyaknya data)


• σ � standar deviasi � 31.07 ml

• n � banyaknya data � 12 ml

• σx =σ/sqrt(n) � 31.07 / sqrt(12) = 8.97


• σx =σ/sqrt(n) � 31.07 / sqrt(12) = 8.97

• Batas bawah (L) = 2007 – 19.6 (8.97) = 1989.42 ml

• Batas atas (U) = 2007 + 19.6 (8.97) = 2024.58 ml

• Jadi selang kepercayaan 95% berdasarkan sampel

tersebut adalah (1989.42 ; 2024.58 ) ml


• Pengetahuan apa yang bisa diperoleh dari

pengolahan data di atas?

• � bila kita melakukan prosedur 100 kali


• � bila kita melakukan prosedur 100 kali

maka akan berpeluang untuk mendapatkan

95 buah selang yang benar-benar mencakup

populasi sesungguhnya.

latihan

• Sebuah bagian dari

depnaker bermaksud

memperkirakan besarnya

penghasilan penduduk di

suatu daerah. Lima belas

orang yang telah bekerja


orang yang telah bekerja

diambil secara acak dan

ditanya penghasilan

perbulan. Hasil yang

diperoleh adalah

latihan

1. Perkirakan rata-rata dan varians

penghasilan penduduk daerah tersebut

2. Buatlah selang keyakinan 99%, dan 95%

untuk rata-rata penghasilan. Bandingkan

dari segi intervalnya


dari segi intervalnya

Dataminingii p13 Estimation Compatibility Mode1

Documents

Transcript of Dataminingii p13 Estimation Compatibility Mode1