TEXT
Data Mining : Konsep Dan Aplikasi Menggunakan Matlab (SISTEM INFORMASI - TEKNIK INFORMATIKA)
Jumlah transaksi yang dilakukan oleh perusahaan atau instansi semakin banyak dari waktu ke waktu . lalu, apa yang harus perusahaan lakukan terhadap data-data transaksi itu?
Apakah hanaya untuk laporan akhir tahun, kemudian dibuang? Tetap dikelola hanya untuk keperluan audit yang dilaksanakan dilaksanakan dalam periode tertentu? Atau, hanya akan
dikubur dalam gudang data dan dibiarkan? Tentu saying sekali jika data-data transaksi yang sangat banyak itu tidak dimanfaatkan untuk
kepentingan perusahaan atau instansi itu sendiri. Dengan dta mining, data-data transaksi tersebut dapat diolah lagi untuk mengekstrak
informasi baru yang berguna dan dapat digunakan sebagai faktor-faktor yang membantu pengambilan keputusan.
Ada empat bagian utama dalam data mining yang menjadi kekuatan buku ini, yaitu bab mengenai klasifikasi, analisis kelomok, deteksi anomaly, dan analisis asosiasi. Metode-metode
klasifikasi yang dibahas meliputi K-Nearest Neighbor, Naïve Bayes, Perceptron, MLP Backpropagation, Support Vector Machine, dan Fuzzy K-Nearest Neighbor. Metode-metode
analisis kelompok yang dibahas meliputi K-Means Hierarchical, DBSCAN, Fuzzy C-Means,
Self-Organizing Map. Metode-metode deteksi anomaly yang dibahas meliputi K-Nearest Neighbor, DBSCAN,danOutlier Removal Clustering. Sementara metode analisis asosiasi yang dibahas adalah apriori. Semuanya dibahas
secara jelas dan lengkap dengan contoh implementasinya menggunakan MATLAB. Tidak ketinggalan, pemabahasa pemrosesan awal sebagai tahap permulaan pengolahan data juga dibahas.