Review sedikit tentang topik yang lagi HOT di matkul Data Mining akhir-akhir ini. Prediksi dan klasifikasi, menurutku (dari hasil membaca slides), Prediksi == Clustering && Klasifikasi == Classification (of course!!!). Perbedaan yang paling mencolok itu: Kalo Klasifikasi itu class(es)-nya udah jelas, kita tinggal melihat pola untuk pendekatannya. Bisa menggunakan metode k-NN (Nearest Neighbor) Nah, kalo Prediksi ya emang belum jelas, kelasnya belum jelas, kayak meramal begitu. Bisa pake metode k-Mean

Dari hasil skimming slides. Ini aku bikin ringkasan langkah-langkah membuat Decision Tree (pohon keputusan) :
1. analisis dan pelajari pola (data training & data request)
2. menentukan class dan atribut yang digunakan
3. menentukan:
- Information (I): hasilnya untuk perhitungan E
- Entropi (E) : hasilnya untuk perhitungan G
- Gain (G) : hasilnya untuk menentukan root
4. bikin pohonnya
5. bikin IF-THEN rule
.
Rumus dan contoh kasusnya langsung liat di slides-nya aja. Semoga bisa buat bantu temen-temen yang masih bingung bikin Decision Tree. Soalnya tugasnya sekarang ya bikin itu hohoho.
Review sedikit tentang topik yang lagi HOT di matkul Data
Mining akhir-akhir ini. Prediksi dan klasifikasi, menurutku
(dari hasil membaca slides), Prediksi == Clustering &&
Klasifikasi == Classification (of course!!!). Perbedaan yang paling mencolok itu:
Kalo Klasifikasi itu class(es)-nya udah jelas, kita tinggal melihat pola untuk pendekatannya. Bisa menggunakan metode k-NN (Nearest Neighbor)
Nah, kalo Prediksi ya emang belum jelas, kelasnya belum jelas, kayak meramal begitu. Bisa pake metode k-Mean
Dari hasil skimming slides. Ini aku bikin ringkasan langkah-langkah membuat Decision Tree (pohon keputusan) :
1. analisis dan pelajari pola (data training & data request)
2. menentukan class dan atribut yang digunakan
3.menentukan:
– Information (I): hasilnya untuk perhitungan E
– Entropi (E) : hasilnya untuk perhitungan G
– Gain (G) : hasilnya untuk menentukan root
4.membuat IF THEN rule
5.bikin pohonnya
Semoga bisa buat bantu temen-temen yang masih bingung bikin Decision Tree. Soalnya tugasnya sekarang ya bikin itu hohoho.

