Data Mining: Algoritma dan Implementasi dengan Python dan RapidminerSerasi Media Teknologi, 3 Sep 2025 - 153 halaman Buku ini membahas topik-topik penting dalam data mining, mulai dari konsep dasar, proses kerja, dan arsitektur data mining, hingga metode populer seperti regresi linier berganda, regresi logistik, Support Vector Machine (SVM), Artificial Neural Network (ANN), K-Nearest Neighbor (K-NN), K-Means, DBSCAN, serta analisis asosiasi menggunakan Algoritma Apriori dan FP-Growth. Setiap metode dilengkapi dengan studi kasus nyata, implementasi manual, serta penggunaan tools seperti Python dan RapidMiner agar pembaca mendapatkan pemahaman teoritis dan praktis secara seimbang. |
Isi
Bagian 1 | 3 |
Bagian 2 | 6 |
Bagian 3 | 21 |
Bagian 4 | 69 |
Bagian 5 | 75 |
Bagian 6 | 80 |
Bagian 7 | 85 |
Bagian 8 | 106 |
Bagian 10 | 119 |
Bagian 11 | 120 |
Bagian 12 | 132 |
Bagian 13 | 133 |
Bagian 14 | 134 |
Bagian 15 | 142 |
Bagian 16 | 147 |
Bagian 9 | 109 |
Istilah dan frasa umum
aktual akurasi Algoritma Apriori Algoritma FP-Growth algoritma K-Means Amoxicilin analisis Artificial Neural Network Asamfenamat atribut basis data berdasarkan berikut bias Biskuit Cefadroxil centroid Clustering DBSCAN data mining Data penjualan dataset Decision Tree digunakan entropy epsilon evaluasi model fitur forecasting FP-Tree frekuensi Gain Ratio Gambar 9 Gula hasil prediksi Ilmu Komputer Implementasi import informasi Informatika input Item Itemset Iterasi jumlah cluster K-Means K-Nearest K-NN kecerdasan buatan Kelebihan dan Kekurangan kernel klasifikasi Kopi Langkah LANGKAH-LANGKAH library linear regresi log2 LOGISTIK REGRESI M.Kom machine learning MAPE Matrix memprediksi menghitung metode metrik minimum support Neural Network ANN neuron non-linear normalisasi numerik outlier output overfitting parameter pelanggan pembelajaran mesin pengunjung perhitungan jarak perhitungan manual Phyton pola Prediksi data proses clustering Pruning pusat cluster Python RapidMiner Redoxon Regresi Linear Berganda regresi logistik RMSE Sanmol struktur pohon STUDI KASUS tahap target time series titik transaksi C1 Universitas Putra variabel independen Visualisasi Hasil Clustering Wirausaha y_pred

