Algoritma Data Mining
Risqa Ciety Windari
Summary
Algoritma data mining adalah metode atau prosedur yang digunakan untuk mengekstraksi pola, informasi, atau pengetahuan dari kumpulan data yang besar dan kompleks. Dalam konteks ini, "data mining" mengacu pada proses menggali informasi yang berguna dan tersembunyi dari data yang ada, menggunakan teknik dari statistika, machine learning, dan basis data.
🔍 Tujuan Utama dari Algoritma Data Mining:
Mengelompokkan data (clustering)
Memprediksi nilai atau label (classification & regression)
Menemukan pola tersembunyi (association rules)
Mendeteksi anomali atau outlier
💡 Contoh Algoritma Data Mining Populer:
| Tipe Masalah | Nama Algoritma | Penjelasan Singkat |
|---|---|---|
| Klasifikasi | Decision Tree, Naive Bayes, KNN, SVM | Menentukan label kategori suatu data |
| Klastering | K-Means, DBSCAN, Hierarchical Clustering | Mengelompokkan data yang mirip |
| Asosiasi | Apriori, FP-Growth | Menemukan aturan asosiasi (contoh: market basket analysis) |
| Regresi | Linear Regression, Regression Tree | Memprediksi nilai kontinu (seperti harga, suhu) |
| Deteksi Anomali | Isolation Forest, LOF (Local Outlier Factor) | Mendeteksi data yang menyimpang dari pola umum |
Description
🔹 1. Pilih Dataset dari Kaggle
Contoh dataset: Iris Dataset (Klasifikasi Bunga)
Unduh dataset dari Kaggle (atau nanti bisa langsung upload ke Colab).
🔹 2. Buat Notebook Baru di Jupyter / Google Colab
Untuk Google Colab: https://colab.research.google.com
🔹 3. Upload Dataset ke Notebook
Jika menggunakan Google Colab:
from google.colab import files uploaded = files.upload()
🔹 4. Import Library yang Dibutuhkan
import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns from sklearn.model_selection import train_test_split from sklearn.tree import DecisionTreeClassifier from sklearn.metrics import classification_report, confusion_matrix, accuracy_score
🔹 5. Load Dataset
df = pd.read_csv("Iris.csv") # Ganti nama file sesuai dataset yang diunggah df.head()
🔹 6. Eksplorasi Data
df.info() df.describe() df['Species'].value_counts()
🔹 7. Visualisasi Data (Opsional)
sns.pairplot(df, hue="Species") plt.show()
🔹 8. Persiapan Data
Pisahkan fitur dan label:
X = df.drop(['Id', 'Species'], axis=1) y = df['Species']
Split data:
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
🔹 9. Model Klasifikasi (Contoh: Decision Tree)
model = DecisionTreeClassifier() model.fit(X_train, y_train)
🔹 10. Evaluasi Model
y_pred = model.predict(X_test) print("Akurasi:", accuracy_score(y_test, y_pred)) print("Confusion Matrix:\n", confusion_matrix(y_test, y_pred)) print("Classification Report:\n", classification_report(y_test, y_pred))
🔹 11. Visualisasi Pohon Keputusan (Opsional)
from sklearn.tree import plot_tree plt.figure(figsize=(12,8)) plot_tree(model, feature_names=X.columns, class_names=model.classes_, filled=True) plt.show()
🚀 Selesai!
Dengan langkah di atas, kamu telah berhasil:
Mengambil dataset dari Kaggle
Melakukan klasifikasi menggunakan Decision Tree
Mengevaluasi hasilnya
🔁 Alternatif Algoritma
Ganti DecisionTreeClassifier() dengan:
KNeighborsClassifier() untuk KNN
GaussianNB() untuk Naive Bayes
RandomForestClassifier() untuk Random Forest
Informasi Course Terkait
Kategori: Algoritma dan PemrogramanCourse: Basic Cybersecurity 10-12
