Data Mining: Pengertian, Atribut dan Teknik Data Mining

Atribut Numerik (kuantitatif)

Atribut diskrit merupakan atribut yang dapat diukur atau dihitung secara langsung sebagai variabel angka atau bilangan. Adapun yang termasuk dalam atribut numerik adalah sebagai berikut:

• Atribut Interval, perbedaan dari dua nilai atribut yang memiliki makna berarti (+, -) data diukur pada skala interval. Contoh: Tanggal, temperatur, IQ.
• Atribut Rasio,  perbedaan dan rasio dari dua nilai atribut memiliki perbedaan berarti (*, /). Contoh: Umur, tinggi, panjang, lebar.

3. Teknik Data Mining

Teknik data mining terbagi menjadi berbagai jenis berdasarkan tugas yang dilakukannya. Diantaranya adalah sebagai berikut:

• Klasifikasi (classification), merupakan salah satu teknik dari sebuah prediksi. Teknik ini biasa digunakan dalam pembuatan model yang dapat melakukan pemetaan dari setiap himpunan variabel, kemudian menggunakan model itu untuk memberi nilai target pada himpunan variabel baru yang diperoleh.
• Clustering, digunakan untuk mengelompokan data-data ke dalam sejumlah kelompok (cluster) berdasarkan karakteristik setiap data pada kelompok yang ada. Semua data yang masuk dalam batas kesamaan dengan kelompoknya akan bergabung dalam kelompok tersebut, begitupun sebaliknya.
• Asosiasi (association), digunakan untuk menemukan pola yang mengganmbarkan fitur dalam sebuah data. Mendeteksi kumpulan atribut yang muncul bersamaan dalam frekuensi yang sering dan membentuk sejumlah kaida dari kumpulan tersebut.
• Anomali, berkaitan dengan pengamatan sebuah data dari sejumlah data yang signifikan memiliki karakteristik yang berbeda dari data yang lain. Dimana algoritma apada teknik ini haruslah mempunyai error yang rendah.