Tampilkan di aplikasi

Buka App
myedisi reader ios appstore
Buku Media Sains Indonesia hanya dapat dibaca di aplikasi myedisi reader pada Android smartphone, tablet, iPhone dan iPad.
Data Mining
Pratinjau

Data Mining

Penerapan Algoritma (SVM, Naïve Bayes, K-NN) Dan Implementasi Menggunakan Rapid Miner

1 Pembaca
Rp 80.000 ▼ 50% 		Rp 40.000

Patungan hingga 5 orang pembaca
Hemat beli buku bersama 2 atau dengan 4 teman lainnya. Pelajari pembelian patungan disini

3 Pembaca
Rp 120.000 ▼ 13%
Rp 34.667 /orang 		Rp 104.000

5 Pembaca
Rp 200.000 ▼ 20%
Rp 32.000 /orang 		Rp 160.000

Pembelian grup
Pembelian buku digital dilayani oleh penerbit untuk mendapatkan harga khusus.
 		Hubungi penerbit

Perpustakaan
Buku ini dapat dibeli sebagai koleksi perpustakaan digital. myedisi library

Data mining merupakan proses mengekstraksi atau menggali sejumlah data besar yang sebelumnya tidak diketahui tetapi bisa dipahami dan berguna dari basis data besar yang digunakan dalam membuat keputusan bisnis yang penting. Data mining merupakan proses semi-otomatis menggunakan teknik statistik, kecerdasan buatan, matematika dan pembelajaran mesin untuk mengekstraksi informasi dari basis data besar. Data mining adalah bagian dari proses Knowledge Discovery in Data base (KDD), terdapat beberapa langkah, seperti: Pemilihan data, pre-processing, data mining, transformasi, dan evaluasi hash.

Ikhtisar Lengkap   
Penulis: April Lia Hananto / Bayu Priyatna / Agustia Hananto / Aprilia Putri Nardilasari
Editor: Rintho R. Rerung

Penerbit: Media Sains Indonesia
ISBN: 9786233629874
Terbit: Januari 2023 , 80 Halaman

BUKU SERUPA

Buku serupa lainnya










Ikhtisar

Data mining merupakan proses mengekstraksi atau menggali sejumlah data besar yang sebelumnya tidak diketahui tetapi bisa dipahami dan berguna dari basis data besar yang digunakan dalam membuat keputusan bisnis yang penting. Data mining merupakan proses semi-otomatis menggunakan teknik statistik, kecerdasan buatan, matematika dan pembelajaran mesin untuk mengekstraksi informasi dari basis data besar. Data mining adalah bagian dari proses Knowledge Discovery in Data base (KDD), terdapat beberapa langkah, seperti: Pemilihan data, pre-processing, data mining, transformasi, dan evaluasi hash.

Pendahuluan / Prolog

Kata Pengantar
Puji syukur kita panjatkan kepada Allah SWT, Karena atas berkat dan rahmatNya, buku yang berjudul Data Mining Penerapan Algoritma (SVM, Naïve Bayes, K-NN) dan Implementasi menggunakan Rapid Miner ini dapat terselesaikan. Penulisan buku ini dilakukan dalam rangka sebagai pembelajaran khususnya terkait Data Mining yang diharapkan dapat bermanfaat bagi pembaca. Perkembangan yang sangat pesat pada bidang data mining ini sangat memudahkan organisasi dalam mengumpulkan sejumlah data berukuran besar dan tentunya juga menjadi salah satu acuan dalam menjawab tantangan semakin meningkatnya data yang saat ini bertambah pada era big data.

Buku ini disusun secara sistematis diantaranya menjelaskan konsep dan definisi data mining selain itu dijelaskan proses dan teknik data mining serta algoritma. Algoritma yang dibahas pada buku ini khususnya yaitu penerapan klasifikasi data mining, seperti : algoritma Support Vector Machine, Naïve Bayes dan algoritma K-Nearest Neighbor (SVM, NB, KNN).

Selanjutnya dibahas mengenai pengenalan tools yang digunakan pada data mining yaitu RapidMiner dan penjelasan proses atau langkah-langkah pada data mining dalam suatu klasifikasi menggunakan tools RapidMiner.

Tentunya dalam membuat buku ini masih jauh dari sempurna, maka dari itu kita terbuka untuk saran dan kritik demi perbaikan di masa mendatang.

Terima kasih kepada semua pihak yang telah memberikan kontribusi dalam pembuatan buku ini. Diharapkan buku ini dapat bermanfaat khususnya kepada pembaca yang sedang menekuni bidang data mining dan menempuh studi.

Penulis

April Lia Hananto - Lahir di Kebumen tanggal 03 April 1983. Lulus S1 di Program Studi Teknik Informatika STMIK ROSMA Karawang tahun 2005. Lulus S2 Teknik Informatika, STTI Benarif Indonesia tahun 2008. Lulus S3 bidang ilmu Computer Science University Teknologi Malaysia tahun 2022. Saat ini adalah dosen tetap Program Studi Sistem Informasi Fakultas Ilmu Komputer Universitas Buana Perjuangan Karawang dan menjabat sebagai Kepala Inovasi dan Publikasi Ilmiah. Pernah menjabat sebagai Wakil Direktur Kemahasiswaan LPK ROSMA tahun 2002–2008. Kepala Unit Pelayanan Teknis Komputer STMIK ROSMA tahun 2006-2­009. Wakil ketua 2 Keuangan, Umum dan Kepegawaian STMIK ROSMA Karawang. Dosen Tetap Program Studi Informatika STMIK ROSMA tahun 2005-2015. Dan juga pernah menjabat sebagai Kepala Program Studi Sistem Informasi Universitas Buana Perjuangan Karawang Tahun 2015 – 2022. Selain menjadi dosen, juga menjabat sebagai IT consultant di beberapa perusahaan dan dinas pemerintahan. Serta sebagai Pengarah pada inkubator bisnis Fratama Kencana Gemilang, Lamani Indonesia, Smart Motecare Mandiri. Dan juga aktif menulis buku dan berbagai jurnal ilmiah nasional maupun internasional bereputasi dan menjadi narasumber dalam beberapa seminar dan pelatihan bidang Computer Science.
Bayu Priyatna - Lahir di Desa Muara, Kec Blanakan, Kab Subang, 05 Februari 1991. Jenjang Pendidikan S1 ditempuh di Universitas Singaperbangsa Karawang (UNSIKA), Teknik Informatika, lulus tahun 2014. Pendidikan S2 Ilmu Komputer, lulus tahun 2018 di Universitas Budi Luhur Jakarta. Saat ini bekerja sebagai Dosen di Universitas Buana Perjuangan Karawang.
Agustia Hananto - Kelahiran Kebumen 13 Agustus 1985. Lulusan SMU N 1 Gombong, Jateng di tahun 2003, dan melanjutkan jenjang Diploma Satu (D1) Program Studi Manajemen Informatika STMIK ROSMA Karawang lulus tahun 2004. Pada tahun 2012 melanjutkan Kembali jenjang S1 di STTI Sony Sugema Karawangdan lulus tahun 2016. Lulus S2 Sistem Informasi, di Universitas Budi Luhur tahun 2021. Saat ini adalah dosen tetap Program Studi Sistem Informasi Fakultas Ilmu Komputer Universitas Buana Perjuangan Karawang dan tercatat sebagai mahasiswa program S3 di Asia E Univercity Malaysia. Selain menjadi dosen, juga menjabat sebagai IT consultant di beberapa perusahaan dan dinas pemerintahan. Serta sebagai Co-Founder CV. Smart Motecare Mandiri. Dan juga aktif menulis buku dan berbagai jurnal ilmiah nasional maupun internasional bereputasi dan menjadi narasumber dalam beberapa seminar dan pelatihan tentang Computer Science.
Aprilia Putri Nardilasari - Lahir di Karawang, tanggal 26 April 2001. Menyelesaikan pendidikan di TK Al-Istiqomah, SD Negeri Sukaharja II tahun 2007-2013, SMP Negeri 2 Telukjambe timur tahun 2013-2016, SMA Negeri 1 Telukjambe timur tahun 2016-2019. Saat ini menjalankan studi di Universitas Buana Perjuangan Karawang, Fakultas Ilmu Komputer, Program Studi Sistem Informasi Angkatan 2019

Editor

Rintho R. Rerung - Ketertarikan editor terhadap ilmu komputer dimulai pada tahun 2006 silam. Hal tersebut membuat editor memilih untuk masuk ke Sekolah Menengah Kejuruan di SMK KR. TAGARI dengan memilih Jurusan Rekayasa Perangkat Lunak (RPL) dan berhasil lulus pada tahun 2009. Editor kemudian melanjutkan pendidikan ke Perguruan Tinggi dan berhasil menyelesaikan studi S1 di prodi TEKNIK INFORMATIKA UNIKOM BANDUNG pada tahun 2014. Dua tahun kemudian, penulis menyelesaikan studi S2 di prodi REKAYASA SISTEM INFORMASI PROGRAM PASCA SARJANA STMIK LIKMI BANDUNG.

Sebagai pengalaman praktisi, editor pernah bekerja ±3 tahun sebagai Programmer dibeberapa perusahaan swasta dengan jabatan terakhir Senior Developer. Namun saat ini editor memilih untuk mengabdikan diri sebagai Dosen dan aktif mengajar dibeberapa Perguruan Tinggi (Pradita University, Universitas Terbuka dan ITHB Bandung). Penulis juga pernah mengajar di Unikom, Poltek POS dan Polibisnis.

Editor memiliki kepakaran dibidang Web Technology dan Data Science. Dan untuk mewujudkan karir sebagai dosen profesional, editor pun aktif sebagai peneliti dibidang kepakarannya...

Daftar Isi

Cover Depan
Kata Pengantar
Daftar Isi
Daftar Gambar
Daftar Tabel
Bab 1. Pengantar Data Mining
     Definisi Dan Konsep Data Mining
     Dataset
     Tujuan Data Mining
     Karakteristik Data Mining
     Manfaat Data Mining
     Penerapan Data Mining
Bab 2. Proses Data Mining
     Himpunan Data
     Metode Data Mining
     Pengetahuan
     Evaluasi
Bab 3. Algoritma Support Vector Machine
     Konsep Support Vector Machine
     Karakteristik Support Vector Machine
     Kelebihan Support Vector Machine
     Kekurangan Support Vector Machine
Bab 4. Algoritma Naive Bayes
     Konsep Naïve Bayes
     Kegunaan Naïve Bayes
     Kelebihan Naïve Bayes
     Kekurangan Naïve Bayes
Bab 5. Algoritma K-Nearst Neighbor
     Konsep K-Nearest Neighbor
     Kelebihan K-Nearest Neighbor
     Kekurangan K-Nearest Neighbor
     Kegunaan K-Nearest Neighbor
Bab 6. Data Mining Menggunakan Rapid Miner
     Installasi RapidMiner
     Menjalankan RapidMiner
     Pengenalan RapidMiner
Bab 7. Perbandingan Algoritma SVM, KNN Dan Naive Bayes Dalam Sentimen Analisis Popularitas Calon Presiden 2024 Pada Media Sosial Twitter
     Crawling Data Twitter
     Preprocessing Data
     Model Klasifikasi
     Evaluasi dan Hasil Akurasi
Bab 8. Analisis Sentimen Terhadap Calon Presiden 2024 Menggunakan Algortima SVM Pada Media Sosia Twittter Menggunakan Aplikasi Rapid Miner
     Metode Pengumpulan Data
     Tahap Preprocessing
     Model Klasifikasi SVM
     Evaluasi dan Hasil Akurasi
Cover Belakang