pre-prosesing

 DATA COLLECTION





Data collection adalah proses pengumpulan informasi dari berbagai sumber untuk keperluan analisis. Sumber data bisa berupa survei, sensor, database, dan lain-lain.




DATA CLEANING
Data cleaning adalah proses untuk memastikan bahwa data yang digunakan bersih dan bebas dari kesalahan atau inkonsistensi. Proses ini termasuk menghapus data duplikat, menangani missing values, mengoreksi kesalahan data, dll.


DATA TRANSFORM


Data transformation adalah proses mengubah format atau struktur data untuk memudahkan analisis. Ini bisa melibatkan scaling, normalisasi, encoding, dll.



DATA REDUCTION
Data reduction adalah proses untuk mengurangi jumlah data yang perlu dianalisis dengan tetap mempertahankan informasi penting. Metode umum termasuk PCA (Principal Component Analysis), seleksi fitur, dll.
















Komentar

Posting Komentar

Postingan populer dari blog ini

Cross-Industry Standard Process for Data Mining (CRISP-DM)

Gambar
     Cross-Industry Standard Process for Data Mining (CRISP-DM) adalah metodologi proses yang banyak diadopsi dalam proyek data mining. Metodologi ini menyediakan kerangka kerja yang komprehensif dan terstruktur untuk melakukan proyek data mining. CRISP-DM diakui secara luas dan digunakan dalam berbagai industri karena fleksibilitas dan adaptabilitasnya terhadap berbagai jenis proyek data mining. Metodologi ini terdiri dari enam tahap utama yang bertujuan untuk memandu dari pemahaman awal masalah bisnis hingga penerapan solusi data mining.  Tahapan CRISP-DM 1. Business Understanding (Pemahaman Bisnis) Tahap ini berfokus pada pemahaman masalah bisnis secara mendalam dan formulasi masalah data mining sebagai solusi. Hal ini melibatkan identifikasi tujuan bisnis, tujuan data mining, dan kriteria keberhasilan. 2. Data Understanding (Pemahaman Data) Tahap ini melibatkan pengumpulan data awal, akses ke data, pemahaman terhadap data yang tersedia, dan penilaian kualitas dat...
Baca selengkapnya

Sample, Explore, Modify, Model, dan Assess

Gambar
 SEMMA merupakan singkatan dari Sample, Explore, Modify, Model, dan Assess. Ini adalah metodologi yang dikembangkan oleh SAS Institute untuk melakukan proses data mining yang efektif. SEMMA menyediakan panduan langkah demi langkah untuk memindai data besar dan mengubahnya menjadi pengetahuan yang berharga. Berikut ini adalah penjelasan setiap tahap dalam SEMMA, beserta contohnya. 1. Sample (Sampel) Definisi: Tahap ini melibatkan pemilihan sampel data dari kumpulan data yang lebih besar. Tujuannya adalah untuk membuat kumpulan data yang lebih kecil dan lebih manajemen untuk analisis awal, tanpa mengorbankan representasi statistik dari data tersebut. Contoh: Sebuah perusahaan e-commerce ingin menganalisis perilaku pembelian pelanggan. Dari jutaan transaksi, perusahaan tersebut memilih 10.000 transaksi secara acak dari setiap kategori produk sebagai sampel untuk analisis awal. 2. Explore (Eksplorasi) Definisi: Tahap eksplorasi data melibatkan pemeriksaan awal dari data sampel untuk me...
Baca selengkapnya