Kupas Tuntas Algoritma Data Mining Dan Implementasinya Menggunakan R
Download Kupas Tuntas Algoritma Data Mining Dan Implementasinya Menggunakan R PDF/ePub or read online books in Mobi eBooks. Click Download or Read Online button to get Kupas Tuntas Algoritma Data Mining Dan Implementasinya Menggunakan R 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.
Kupas Tuntas Algoritma Data Mining dan Implementasinya Menggunakan R
Author: Umu Sa’adah
language: id
Publisher: Universitas Brawijaya Press
Release Date: 2021-11-30
Buku ini menyajikan pembahasan cara kerja algoritma-algoritma dalam Data Mining secara detail pada data kualitatif maupun kuantitatif. Materi yang dibahas pada buku ini meliputi cara prapengolahan data dan dua tugas data mining (data mining task), yaitu deskripsi dan prediksi. Terdapat pula materi tingkat lanjut, yaitu “Metode Ensemble- yang meliputi algoritma Bagging (Bootstrap Aggregating), Boosting, dan Random Forest. Buku ini memuat contoh-contoh bagaimana menerapkan algoritma Data Mining pada data real yang digunakan dalam penelitian sehingga terdapat integrasi antara hasil penelitian dan materi proses belajar mengajar di kelas. Contoh- contoh soal disediakan dalam penghitungan secara manual dan implementasinya menggunakan bahasa pemrograman R untuk memudahkan para pembaca dalam memahami isi buku. Software R bebas lisensi sehingga tidak memerlukan software statistika yang powerful karena memiliki banyak package yang merupakan hasil kontribusi peneliti-peneliti di seluruh dunia. Buku ini dibagi menjadi 9 bab. Pada Bab 1 dibahas tentang pengenalan data mining. Pada Bab 2 dikenalkan function dasar pemrograman R dan RStudio yang merupakan Integrated Development Environment (IDE) dari R. Prapengolahan data (data preprocessing) dibahas pada Bab 3. Metode deskripsi yang dibahas pada buku ini adalah aturan asosiasi dan analisis cluster berturut-turut disajikan pada Bab 4 dan Bab 5. Metode prediksi pada buku ini adalah klasifikasi yang meliputi klasifikasi Bayes (Bab 6), K-Nearest Neighbors (Bab 7), pohon keputusan (Bab 8), dan metode ensemble (Bab 9).
Rancangan Pengukuran Variabel
Author: Solimun
language: id
Publisher: Universitas Brawijaya Press
Release Date: 2022-12-31
Hasil penelitian harus dapat dipertanggungjawabkan secara ilmiah atau bersifat valid. Jika penelitiannya menggunakan pendekatan kuantitatif, dipasfikan data hasil penelitian yang dianalisis harus akurat (baik). Data yang akurat juga pasti diperoleh dari proses pengukuran menggunakan kuesioner yang baik (valid dan reliabel). Sebaliknya kuesioner yang tidak valid dan reliabel pasti akan menghasilkan data yang tidak akurat, yang pada akhirnya hasil penelitian yang diperoleh tidak valid. Sehingga bagaimana merancang kuesioner agar valid dan reliabel merupakan hal yang sangat penting. Walaupun buku ini merupakan buku ajar, namun isinya relatif mencukupi sebagai referensi bagi yang sedang belajar tentang bagaimana membuat instrumen penelitian, berupa angket dan atau kuesioner. Ulasan tentang bagaimana mengurai variabel laten menjadi dimensi, indikator, dan item diberikan secara sederhana. Hal ini penting kaitannya dengan validitas isi dan logis. Konsep menulis butir-butir pernyataan untuk merancang kuesioner diulas secara rinci dan dilengkapi dengan contoh- contoh, sehingga dihasilkan kuesioner yang valid dan relaiabel secara konstruks. Terkait dengan validitas dan reliabilitas dibahas mulai konsep dasar hingga evaluasinya (dilengkapi dengan contoh perhitungan). Perancangan angket dan kuesioner pada buku ini dilengkapi dengan contoh-contoh, sehingga memudahkan pembaca dalam mempelajari cara membuat angket dan atau kuesioner. Diharapkan buku ini dapat memberikan manfaat bagi para mahasiswa, dosen, peneliti dan siapa saja yang mempunyai kepentingan merancang angket atau kuesioner untuk penelitiannya. Buku ini bersifat praktis dan tidak mengulas konsep dan teori secara mendalam. Mahasiswa S1, S2, dan S3 serta peneliti pemula bisa memanfaatkan buku ini dalam kegiatan perancangan instrumen penelitian berupa angket dan atau kuesioner.
Dasar Dasar Data Mining: Konsep, Teknik Dan Aplikasi
Author: Jufri Jufri
language: id
Publisher: Yayasan Tri Edukasi Ilmiah
Release Date: 2025-03-26
Buku Dasar-Dasar Data Mining: Konsep, Teknik, dan Aplikasi ini merupakan panduan komprehensif yang membahas secara sistematis tentang konsep fundamental, metode, serta penerapan data mining dalam berbagai bidang. Dimulai dengan pengenalan konsep dasar, sejarah, dan perkembangan data mining, buku ini kemudian mengulas secara mendalam proses analisis data menggunakan pendekatan CRISP-DM, jenis-jenis data serta sumbernya, hingga pentingnya statistik dalam mendukung analisis data yang akurat. Selain itu, buku ini membahas berbagai teknik dan algoritma populer seperti C4.5, K Means, Support Vector Machine (SVM), K-Nearest Neighbor (K-NN), serta Naïve Bayes yang menjadi tulang punggung analisis data modern. Tidak hanya itu, pembaca juga akan diperkenalkan pada berbagai tools dan teknologi mutakhir yang digunakan dalam data mining, teknik preprocessing untuk meningkatkan kualitas data, serta metode evaluasi model guna memastikan performa yang optimal. Buku ini juga mengeksplorasi penerapan data mining di berbagai sektor industri, seperti perbankan, retail, kesehatan, dan telekomunikasi, serta menyoroti tantangan etis dan teknis dalam pengolahan data. Dengan cakupan materi yang luas dan pendekatan yang sistematis, buku ini tidak hanya menjadi sumber referensi bagi akademisi dan mahasiswa, tetapi juga bagi para profesional yang ingin memperdalam pemahaman mereka tentang dunia data mining serta prospek masa depannya dalam era digital yang semakin berkembang pesat.