Halo, pada pertemuan kali saya akan membahas mengenai metode yang digunakaan dalam pengkalasifikasian dalam data mining.
Data mining adalah sebuah kegiatan untuk mengidentifikasi suatu jenis data. kemudian data-data tersebut akan  diidentifikasi baik dicari kemungkinan adanya pola yang berpotensi bisa digunakan. Ini juga menghasilkan informasi baru tentang data yang sudah kita miliki.  Sangat mudah untuk mengenali pola, karena bisa ada perubahan mendadak dalam data yang diberikan. Saya telah mengumpulkan dan mengkategorikan data berdasarkan bagian yang berbeda untuk dianalisis. Adapun metode tersebut meliputi pola pelacakan, klasifikasi, asosiasi, deteksi outlier, pengelompokan, regresi, dan prediksi.Â
Ada banyak metode yang digunakan untuk Data Mining, tetapi langkah penting adalah memilih formulir yang sesuai dari mereka sesuai dengan bisnis atau pernyataan masalah. Metode ini membantu dalam memprediksi masa depan dan kemudian membuat keputusan yang sesuai. Mari kita pahami setiap metode penambangan data satu per satu.Â
1. Association
Ini digunakan untuk menemukan korelasi antara dua atau lebih item dengan mengidentifikasi pola tersembunyi dalam kumpulan data dan karenanya juga disebut analisis relasi . Metode ini digunakan dalam analisis keranjang pasar untuk memprediksi perilaku pelanggan.
Misalkan, manajer pemasaran supermarket ingin menentukan produk mana yang sering dibeli bersama.
Sebagai contoh,
Beli (x,"bir") -> beli(x, "keripik") [dukungan = 1%, kepercayaan = 50%]
- Di sini x mewakili pelanggan yang membeli bir dan keripik bersama.
- Keyakinan menunjukkan kepastian bahwa jika pelanggan membeli bir, ada kemungkinan 50% bahwa dia juga akan menerima keripik.
- Dukungan berarti bahwa 1% dari semua transaksi yang dianalisis menunjukkan bahwa bir dan keripik dibeli bersama.
Banyak contoh serupa seperti roti dan mentega atau komputer dan perangkat lunak dapat dipertimbangkan.
Ada dua jenis Aturan Asosiasi:
- Aturan asosiasi dimensi tunggal:Â Aturan ini berisi atribut tunggal yang diulang.
- Aturan asosiasi multidimensi: Aturan ini berisi beberapa atribut yang diulang.
2. Classification
