Algoritma Data Mining
Download Algoritma Data Mining PDF/ePub or read online books in Mobi eBooks. Click Download or Read Online button to get Algoritma Data Mining book now. This website allows unlimited access to, at the time of writing, more than 1.5 million titles, including hundreds of thousands of titles in various foreign languages.
IMPLEMENTASI DATA MINING (Clastering, Association, Prediction, Estimation, Classification)
Author: 1. Rulin Swastika 2. Siti Mukodimah 3. Ferry Susanto 4. Muhamad Muslihudin 5. Sri Ipnuwati Penerbit Adab
language: id
Publisher: Penerbit Adab
Release Date:
Judul : IMPLEMENTASI DATA MINING (Clastering, Association, Prediction, Estimation, Classification) Penulis : 1. Rulin Swastika 2. Siti Mukodimah 3. Ferry Susanto 4. Muhamad Muslihudin 5. Sri Ipnuwati Editor : Didi Susianto, M.Kom Suyono, M.T.I Ukuran : 15,5 x 23 cm Tebal : 124 Halaman No ISBN : 978-623-497-285-6 Sinopsis Pada dasarnya keberadaan data mining dibutuhkan mengingat semakin banyaknya informasi di era teknologi seperti data transaksi bisnis, data ilmiah, gambar, video dan data-data lainnya. Dengan banyaknya data tersebut dibutuhkan sistem yang mampu mengekstraksi esensi dari semua informasi yang tersedia dan membuat ringkasan untuk membantu pengambilan keputusan yang lebih baik. Adapun manfaat menggunakan data mining di era digital yaitu adalah: 1. Mengetahui tren pasar 2. Memprediksi keputusan bisnis di masa mendatang 3. Mengetahui produk yang sedang viral 4. Mengamati perilaku konsumen 5. Sarana menyusun strategi peningkatan penjualan Data mining sangatlah berguna bagi pembisnis baik pada level perusahaan atau individu yang mengandalkan data sebagai basis pengambilan keputusan. Data mining dalam dunia bisnis mampu menarik informasi spesifik dari volume data yang besar untuk menemukan solusi bagi masalah bisnis perusahaan. Buku ini terdiri dari 9 Bab yang terdiri dari: BAB I Konsep Dasar Data Mining BAB II Proses Data Mining BAB III Tools Data Mining BAB IV Konsep Data Preprocessing BAB V Clustering Data BAB VI Estimation Data BAB VII Classification Data BAB VIII Prediction Data BAB IX Dataset Pendukung Data Mining
Data Mining
Author: Yahya, ST. M.Kom.
language: id
Publisher: CV Jejak (Jejak Publisher)
Release Date: 2022-12-14
Buku ini berisi tentang: Pengetahuan umum tentang Data Mining, latihan dan praktik pengolahan data menggunakan berbagai macam algoritma dalam konsep Data Mining antara lain : Decision Tree, Naïve Bayes, K-NN, SVM, K-Means. Buku ini dapat digunakan oleh Dosen dan Mahasiswa Indonesia yang mengampu dan mengambil mata kuliah Data Mining.
Data Mining : Konsep dan Aplikasi
Author: Mulaab
language: id
Publisher: Media Nusa Creative (MNC Publishing)
Release Date: 2021-11-03
Bab 1 - Pengantar ...................................................................... 1 1.1. Data Mining : Apa dan Mengapa? ............................. 1 1.2. Fungsi Data Mining ...................................................... 3 Bab 2 - Proses Datamining ...................................................... 5 2.1. Proses Data Mining ....................................................... 5 2.2. Model Cross Standar Ptocess Industrial Data Mining/ CRISP-DM ...................................................................... 8 Bab 3 - Memahami Data .......................................................... 13 3.1. Macam-macam data ...................................................... 13 3.2. Macam-macam atribut .................................................. 15 3.3. Statistik diskriptif data .................................................. 21 Bab 4 - Pemrosesan Awal data ................................................ 23 4.1. Pengantar pemrosesan awal data ................................ 23 4.2. Membersihkan data ....................................................... 27 4.3. Transformasi data .......................................................... 27 4.4. Integerasi Data ............................................................... 28 4.5. Normalisasi Data ........................................................... 28 4.6. Memasukkan data yang hilang (Missing Data) ......... 29 4.7. Identifikasi noise ............................................................ 29