Pentaho Data Mining	<br />WEKA<br />
Weka GUI Chooser<br />
Weka Explorer<br />
Contoh Data : Prediksi Harga<br />
SQL Viewer: Mengambil Data MySQL<br />
Tampilan Data dan Statistik Penyebaran<br />
Tanggal Dinormalisasi ke Numerik<br />
Attribute Class : Harga <br />
Tab Classify<br />
Memilih Algoritma Decision Tree : M5P <br />
Memilih Skema Test : Cross Validation<br />
Menjalankan Classifier<br />
Hasil : Rumusan <br />
Statistik Kesalahan<br />
Visualize Tree<br />
Melihat Distribusi Kesalahan Prediksi<br />
Perbandingan Nilai Prediksi & Aktual<br />
Opsi : Output Nilai Prediksi / Perhitungan<br />
Output Opsi Prediksi Vs Aktual<br />
Missing Values : Data Harga Belum Ada<br />
Classifier: Test Data Missing Values<br />
Prediksi Data : Jalankan Kembali Classifier <br />
Selesai<br />
Upcoming SlideShare
Loading in …5
×

Pentaho Data Mining - PHI-Integration.com

1,853 views

Published on

Dokumen presentasi screenshot dari Weka a.k.a. Pentaho Data Mining dengan penggunaan contoh data PHI-Minimart.

Published in: Technology
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
1,853
On SlideShare
0
From Embeds
0
Number of Embeds
14
Actions
Shares
0
Downloads
77
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Pentaho Data Mining - PHI-Integration.com

  1. 1. Pentaho Data Mining <br />WEKA<br />
  2. 2. Weka GUI Chooser<br />
  3. 3. Weka Explorer<br />
  4. 4. Contoh Data : Prediksi Harga<br />
  5. 5. SQL Viewer: Mengambil Data MySQL<br />
  6. 6. Tampilan Data dan Statistik Penyebaran<br />
  7. 7. Tanggal Dinormalisasi ke Numerik<br />
  8. 8. Attribute Class : Harga <br />
  9. 9. Tab Classify<br />
  10. 10. Memilih Algoritma Decision Tree : M5P <br />
  11. 11. Memilih Skema Test : Cross Validation<br />
  12. 12. Menjalankan Classifier<br />
  13. 13. Hasil : Rumusan <br />
  14. 14. Statistik Kesalahan<br />
  15. 15. Visualize Tree<br />
  16. 16. Melihat Distribusi Kesalahan Prediksi<br />
  17. 17. Perbandingan Nilai Prediksi & Aktual<br />
  18. 18. Opsi : Output Nilai Prediksi / Perhitungan<br />
  19. 19. Output Opsi Prediksi Vs Aktual<br />
  20. 20. Missing Values : Data Harga Belum Ada<br />
  21. 21. Classifier: Test Data Missing Values<br />
  22. 22. Prediksi Data : Jalankan Kembali Classifier <br />
  23. 23. Selesai<br />

×