Data Mining

Penjelasan Data Cleaning, Data Transformation, Data Reduction Link video :  https://youtu.be/SYZpAgzpwzs

 Supervised Learning      Supervised learning adalah salah satu paradigma dalam machine learning di mana algoritma dipelajari dari data yang telah dilabeli. Artinya, kita memiliki data yang sudah memiliki input (fitur) dan output (label atau target), dan tujuan dari supervised learning adalah untuk mempelajari hubungan antara input dan output sehingga algoritma dapat memprediksi output baru untuk input yang belum pernah dilihat sebelumnya. Berikut adalah minimal 30 algoritma yang termasuk dalam supervised learning, dengan berbagai jenis dan aplikasi yang berbeda: 1. Linear Regression: Algoritma untuk memprediksi nilai kontinu berdasarkan hubungan linier antara fitur dan target. 2. Logistic Regression: Algoritma untuk klasifikasi biner yang menghasilkan probabilitas kelas dengan menggunakan fungsi logistik. 3. Support Vector Machines (SVM): Algoritma yang mencari pemisah optimal (hiperplane) antara kelas dalam ruang fitur. 4. Decision Trees: Algoritma yang membangun m...

 Pre-Processing Data preprocessing adalah tahap yang lebih luas yang mencakup beberapa tindakan termasuk data cleaning. Ini juga melibatkan transformasi data agar sesuai dengan format atau struktur yang lebih sesuai untuk analisis atau pembelajaran mesin. Contoh dari preprocessing termasuk pengkodean variabel kategorikal menjadi numerik, penskalaan data untuk menghilangkan perbedaan skala, atau pengurangan dimensi untuk meningkatkan efisiensi analisis. Dalam pre-processing terdapat beberapa tahapan, diantaranya : 1. Data Cleaning Data sering kali tidak sempurna dan bisa memiliki kesalahan, kehilangan nilai (missing values), atau format yang tidak sesuai. Data cleaning melibatkan identifikasi, penanganan, dan koreksi masalah-masalah ini agar data dapat digunakan secara efektif dalam analisis selanjutnya. Contoh tindakan pembersihan data meliputi penghapusan data duplikat, penanganan missing values, normalisasi data, dan lain sebagainya. Input Code : Output : 2. Data Collection Ini a...

Data Preparation Data preparation, atau persiapan data, adalah tahap penting dalam proses analisis data di mana data mentah atau awal diolah dan disiapkan untuk analisis lebih lanjut. Tujuan utama dari data preparation adalah untuk memastikan bahwa data yang digunakan dalam analisis atau pemodelan adalah berkualitas tinggi, relevan, dan siap digunakan. Contoh implementasi pada Google Colaboratory : Input Code : Output :   Data Visualization Data visualization, atau visualisasi data, adalah proses mewakili data atau informasi dalam bentuk grafis seperti grafik, diagram, atau peta untuk memahami pola, tren, dan hubungan di dalam data. Tujuan utama dari data visualization adalah untuk mengkomunikasikan informasi yang kompleks secara visual dengan cara yang mudah dipahami dan menarik. Berikut salah satu contoh penerapan visualisasi data menggunakan diagram garis : Input Code : Output :