Data mining : konsep dan aplikasi menggunakan MATLAB
- Eko Prasetyo
- CV Andi Offset
- 2012
- 978-979-29-3282-9
Sinopsis

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 hanya untuk laporan akhir tahun, kemudian dibuang? Tetap dikelola hanya untuk keperluan audit yang dilaksanakan dalam periode tertentu? Atau, hanya akan dikubur dalam gudang data dan dibiarkan? Tentu sayang sekali jika data-data transaksi yang sangat banyak itu tidak dimanfaatkan untuk kepentingan perusahaan atau instansi itu sendiri. Dengan data 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 kelompok, deteksi anomali, dan analisis asosiasi. Metode-metode klasifikasi yang dibahas meliputi K-Nearest Neighbor, Naive 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, dan Self-Organizing Map. Metode-metode deteksi anomali yang dibahas meliputi K-Nearest Neighbor, DBSCAN, dan Outlier Removal Clustering. Sementara metode analisis asosiasi yang dibahas adalah Apriori. Semuanya dibahas secara jelas dan lengkap dengan contoh implementasinya menggunakan MATLAB. Tidak ketinggalan, pembahasan pemrosesan awal sebagai tahap permulaan pengolahan data juga dibahas, seperti Principal Component Analysis dan Singular Value Decomposition. Dua metode tersebut sudah digunakan secara luas sebagai tahap awal pemrosesan data, disertai contoh penerapannya pada data nyata. Panduan teori lengkap dan implementasi dalam buku ini menjadi nilai tambah tersendiri dan patut dijadikan sebagai panduan kuliah bagi mahasiswa dan dosen. Bagi peneliti dan praktisi teknologi informasi, teori dan praktik data mining dalam buku ini dapat menjadi panduan yang praktis dan jelas karena menyajikan contoh-contoh kode program dalam mengimplementasikan metode pada kasus tertentu hingga mendapatkan hasil akhir kinerja metode yang dibahas.

Kata Kunci
- Data Mining
- Algoritma
Tersedia di Perpustakaan Kampus:
- Kaliabang, Yogyakarta, BSD
Silahkan Login untuk dapat Melakukan Peminjaman Online

Detail Informasi
Sinopsis Buku

Kode Buku	:	200350
Kode Klasifikasi	:	005.74
Judul Buku	:	Data mining : konsep dan aplikasi menggunakan MATLAB
Edisi	:	1
Penulis	:	Eko Prasetyo
Penerbit	:	CV Andi Offset
Bahasa	:	Indonesia
Tahun	:	2012
ISBN	:	978-979-29-3282-9
Tajuk Subjek	:	Data Mining,Algoritma
Deskripsi	:	xxiv, 360 hlm. ; 23 cm
Eksemplar	:	5
Stok	:	5
Petugas	:	Novita Indriyani, M.Kom

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 hanya untuk laporan akhir tahun, kemudian dibuang? Tetap dikelola hanya untuk keperluan audit yang dilaksanakan dalam periode tertentu? Atau, hanya akan dikubur dalam gudang data dan dibiarkan? Tentu sayang sekali jika data-data transaksi yang sangat banyak itu tidak dimanfaatkan untuk kepentingan perusahaan atau instansi itu sendiri. Dengan data 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 kelompok, deteksi anomali, dan analisis asosiasi. Metode-metode klasifikasi yang dibahas meliputi K-Nearest Neighbor, Naive 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, dan Self-Organizing Map. Metode-metode deteksi anomali yang dibahas meliputi K-Nearest Neighbor, DBSCAN, dan Outlier Removal Clustering. Sementara metode analisis asosiasi yang dibahas adalah Apriori. Semuanya dibahas secara jelas dan lengkap dengan contoh implementasinya menggunakan MATLAB. Tidak ketinggalan, pembahasan pemrosesan awal sebagai tahap permulaan pengolahan data juga dibahas, seperti Principal Component Analysis dan Singular Value Decomposition. Dua metode tersebut sudah digunakan secara luas sebagai tahap awal pemrosesan data, disertai contoh penerapannya pada data nyata.
Panduan teori lengkap dan implementasi dalam buku ini menjadi nilai tambah tersendiri dan patut dijadikan sebagai panduan kuliah bagi mahasiswa dan dosen. Bagi peneliti dan praktisi teknologi informasi, teori dan praktik data mining dalam buku ini dapat menjadi panduan yang praktis dan jelas karena menyajikan contoh-contoh kode program dalam mengimplementasikan metode pada kasus tertentu hingga mendapatkan hasil akhir kinerja metode yang dibahas.

Terkait Subjek Buku yang sama

Data Mining untuk perguruan tinggi
- Efori Buulolo, S.Kom, M.Kom
- deepublish
- 2020
- 978-623-02-0508-8
Sinopsis

erkembangan pengetahuan dan teknologi telah mengubah stigma data yang dibiarkan seperti sampah, sekarang data diibaratkan sebagai tambang emas yang dapat memberikan manfaat dalam kehidupan manusia. ... Lihat Selengkapnya
Data mining : konsep dan aplikasi menggunakan MATLAB
- Eko Prasetyo
- CV Andi Offset
- 2012
- 978-979-29-3282-9
Sinopsis

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 hanya untuk laporan ... Lihat Selengkapnya
Data mining
- Fajar astuti hermawati
- CV Andi Offset
- 2013
- 978-979-29-3118-1
Sinopsis

Buku ini secara khusus mambahas tentang data mining dalam beberapa bagian, yaitu: Bab 1 Pendahuluan , memberi pengantar dan pemahaman mengenai tujuan dari data mining, aplikasi dari data mining, apa ... Lihat Selengkapnya
Data mining untuk klasifikasi dan klasterisasi data
- Suyanto
- INFORMATIKA
- 2017
- 978-602-6232-36-6
Sinopsis

permasalaban dan data tumbuh secara sedangkan jumlah data analyst dan data scientist tumbuh secara linier. Oleh karena itu, diperlukan teknk komputasi handal yang bisa menganalisis data secara cepat ... Lihat Selengkapnya
Pengolahan citra digital teori dan aplikasi nyata
- Priyanto Hidayatullah
- INFORMATIKA
- 2017
- 978-602-6232-42-7
Sinopsis

1. Pengenalan Pengolahan Citra Digital (PCD) Penerapan PCD dalam kehidupan sehari-hari serta hubungan Pengolahan Citra Digital dengan disiplin ilmu lain 2. Konsep fundamental PCD Tiga komponen ... Lihat Selengkapnya

TENTANG PERPUSTAKAAN

Perpustakaan Universitas Bina Sarana Informatika merupakan layanan yang diberikan kepada civitas akademik khususnya mahasiswa untuk memperoleh informasi seperti buku, majalah, jurnal, prosiding, dll.