Dokumen tersebut membahas arsitektur dan model data mining. Terdapat penjelasan mengenai komponen-komponen arsitektur data mining seperti data cleaning, data integration, data mining engine, dan graphical user interface. Juga dibahas model-model data mining seperti prediction methods dan description methods beserta contoh-contohnya seperti klasifikasi, regresi, dan clustering.
Dokumen tersebut membahas tentang data mining dan pengajaran desain pembelajaran. Secara singkat, dokumen tersebut menjelaskan tentang konsep-konsep dasar data mining, algoritma yang digunakan dalam data mining seperti estimasi, prediksi, klasifikasi, dan klastering, serta tahapan proses data mining mulai dari input data hingga evaluasi hasilnya.
Dokumen tersebut membahas arsitektur dan model data mining. Terdapat penjelasan mengenai komponen-komponen arsitektur data mining seperti data cleaning, data integration, data mining engine, dan graphical user interface. Juga dibahas model-model data mining seperti prediction methods dan description methods beserta contoh-contohnya seperti klasifikasi, regresi, dan clustering.
Dokumen tersebut membahas tentang data mining dan pengajaran desain pembelajaran. Secara singkat, dokumen tersebut menjelaskan tentang konsep-konsep dasar data mining, algoritma yang digunakan dalam data mining seperti estimasi, prediksi, klasifikasi, dan klastering, serta tahapan proses data mining mulai dari input data hingga evaluasi hasilnya.
Essential sql server 2008 bi sql server indonesia group - data miningCharlez Dbc
Bab 3 membahas tentang data mining di SQL Server 2008. Terdapat enam jenis tugas dasar data mining yaitu klasifikasi, regresi, segmentasi, asosiasi, analisis urutan, dan klastering. Bab ini juga menjelaskan langkah-langkah data mining mulai dari mendefinisikan masalah bisnis, mempersiapkan data, pelatihan model, validasi, hingga deploy model."
Data warehouse dirancang untuk menganalisis data berdasarkan subjek tertentu dalam organisasi, bukan pada proses atau fungsi aplikasi tertentu. Data disimpan berorientasi pada subjek seperti pelanggan, produk, dan penjualan. Data warehouse juga dapat menyimpan dan mengintegrasikan data dari sumber terpisah dalam format konsisten.
APPLIED DATABASE III - Slide Arsitektur Data MiningDEDE IRYAWAN
Arsitektur data mining terdiri dari data cleaning, data integration, data mining engine, pattern evaluation, dan graphical user interface. Metode data mining meliputi prediksi (seperti klasifikasi dan regresi), deskripsi (seperti clustering dan association rule discovery). Klasifikasi digunakan untuk memprediksi kelas data baru, sedangkan regresi memprediksi atribut bernilai riil. Clustering memecah data menjadi kelompok serupa dan association rule menemukan hubungan antar item yang sering dibeli bersama.
Dokumen tersebut membahas tentang pengantar konsep data mining mulai dari sejarah, definisi, jenis operasi, dan jenis data yang dapat dimining. Dibahas pula perkembangan konsep database, big data, dan data warehouse sebagai sumber data untuk proses data mining."
Jawaban No. 2 Tahap-Tahap Data Mining Karena DM adalah suatu ...butest
Tahapan data mining terdiri dari pembersihan data, integrasi data, transformasi data, teknik data mining, evaluasi pola, dan presentasi pengetahuan. Proses ini bersifat interaktif dengan pengguna untuk menemukan pola dan informasi menarik dari data.
Materi ini menjelaskan tentang definisi data miining menurut para ahli. Selain itu materi ini menjelaskan tentang fungsi dan kategori-kategori bidang Data Mining
Makalah ini membahas tentang data warehouse dan hubungannya dengan sistem pendukung keputusan (decision support system/DSS). Data warehouse dijelaskan sebagai database khusus untuk analisis dan pendukung pengambilan keputusan manajemen, yang menyimpan data terintegrasi dari berbagai sumber selama rentang waktu tertentu. Data warehouse berguna untuk pembuatan laporan, analisis online, penambangan data, dan mendukung keputusan bisnis."
Analisa klasifikasi biaya pasien rawat inap menggunakan teknik data mining at...Koltiva
Sistem Informasi Manajemen Rumah Sakit (SIMRS) secara umum telah digunakan oleh para staf rumah sakit untuk mendukung operasional sehari-hari. Sebagian besar informasi yang didapat pada operasional SIMRS berasal dari pengolahan transactional database. Sedangkan untuk mendukung pengambilan keputusan ditingkat manajerial, diperlukan akses ke database dalam ukuran besar dan dimensi yang lebih kompleks, sehingga diperlukan teknik data mining. Pendekatan data mining biasa dilakukan untuk menggali informasi, pengetahuan, pola-pola baru dan tren dengan menganalisis database dalam ukuran besar, menggunakan teknologi pengenalan pola, teknik statistik dan matematik.
Salahsatu potensi yang dapat dimanfaatkan pada penerapan data mining di rumah sakit adalah mengidentifikasi atribut-atribut penentu biaya pasien rawat inap. Dengan mengetahui atribut penentu biaya rawat, diharapkan pihak manajemen rumah sakit dapat melakukan kontrol terhadap biaya, sehingga ongkos perawatan pasien dapat ditekan tanpa mengurangi kualitas pelayanan.
Untuk mengidentifikasi atribut penentu biaya pasien rawat inap, digunakan data kunjungan pasien rawat inap RSUP Dr. Cipto Mangunkusumo dengan jaminan Jamkesmas periode 1 Januari 2009 s/d 30 September 2010 dari database SIMRS sebanyak 2022 kunjungan (jumlah sebelum dilakukan data cleaning 8383). Dengan teknik analisa Atttibute Importance (AI) didapatkan atribut-atribut penentu biaya dengan urutan sebagai berikut: prosedur medis 1 (AI=0,16), prosedur medis 4 (AI=0,15), prosedur medis 3 (AI=0,14), LOS (AI=0,13), prosedur medis 2 (AI=0,13), organisasi (AI=0.10), diagnosa utama (AI=0,08), jenis kelamin (AI=0.02) dan status kawin (AI=0.01). Hasil klasifikasi dengan teknik Algoritma Naive Bayes menunjukkan model yang dibuat memiliki predictive confidence sebesar 50,41%.
Dokumen ini membahas konsep dan arsitektur data mining serta metode-metode yang digunakan dalam data mining seperti predictive modeling, clustering, association rule, dan sequence analysis beserta contoh-contoh penerapannya.
Dokumen tersebut membahas tentang data warehouse, termasuk pengertian, konsep, dan perancangan data warehouse. Secara ringkas, data warehouse digunakan untuk mengintegrasikan dan menyimpan data dari berbagai sumber agar mudah diakses dan dianalisis guna pengambilan keputusan bisnis."
Kualitas Data:
• Pentingya Kualitas Data
• Indikator Data Berkualitas
• Manfaat dari Meningkatnya
Kualitas Data
• Tantangan dalam Membangun
Kualitas Data
• Macam Permasalahan dalam
Menjaga Kualitas Data
• Penerapan Datawarehouse
Konsep Dasar Data Warehouse:
• Pengertian Data Warehouse
• Istilah-istilah yang berhubungan dengan data warehouse
• Karakteristik Data Warehouse
• Tugas-tugas Data warehouse
• Keuntungan Data Warehouse
Data Mining digunakan untuk mengekstrak pola dan pengetahuan dari data besar yang kompleks untuk memecahkan masalah bisnis. Teknik utama Data Mining meliputi estimasi, prediksi, klasifikasi, klastering dan asosiasi. Metode pembelajaran terdiri dari pembelajaran terbimbing, tidak terbimbing dan semi terbimbing.
Dokumen tersebut membahas tentang pengelolaan data, termasuk pengumpulan, penyimpanan, analisis, dan visualisasi data. Beberapa topik utama yang dibahas adalah manajemen siklus hidup data, data warehouse, data mining, dan visualisasi data untuk menghasilkan informasi yang berguna bagi pengambilan keputusan bisnis.
Essential sql server 2008 bi sql server indonesia group - data miningCharlez Dbc
Bab 3 membahas tentang data mining di SQL Server 2008. Terdapat enam jenis tugas dasar data mining yaitu klasifikasi, regresi, segmentasi, asosiasi, analisis urutan, dan klastering. Bab ini juga menjelaskan langkah-langkah data mining mulai dari mendefinisikan masalah bisnis, mempersiapkan data, pelatihan model, validasi, hingga deploy model."
Data warehouse dirancang untuk menganalisis data berdasarkan subjek tertentu dalam organisasi, bukan pada proses atau fungsi aplikasi tertentu. Data disimpan berorientasi pada subjek seperti pelanggan, produk, dan penjualan. Data warehouse juga dapat menyimpan dan mengintegrasikan data dari sumber terpisah dalam format konsisten.
APPLIED DATABASE III - Slide Arsitektur Data MiningDEDE IRYAWAN
Arsitektur data mining terdiri dari data cleaning, data integration, data mining engine, pattern evaluation, dan graphical user interface. Metode data mining meliputi prediksi (seperti klasifikasi dan regresi), deskripsi (seperti clustering dan association rule discovery). Klasifikasi digunakan untuk memprediksi kelas data baru, sedangkan regresi memprediksi atribut bernilai riil. Clustering memecah data menjadi kelompok serupa dan association rule menemukan hubungan antar item yang sering dibeli bersama.
Dokumen tersebut membahas tentang pengantar konsep data mining mulai dari sejarah, definisi, jenis operasi, dan jenis data yang dapat dimining. Dibahas pula perkembangan konsep database, big data, dan data warehouse sebagai sumber data untuk proses data mining."
Jawaban No. 2 Tahap-Tahap Data Mining Karena DM adalah suatu ...butest
Tahapan data mining terdiri dari pembersihan data, integrasi data, transformasi data, teknik data mining, evaluasi pola, dan presentasi pengetahuan. Proses ini bersifat interaktif dengan pengguna untuk menemukan pola dan informasi menarik dari data.
Materi ini menjelaskan tentang definisi data miining menurut para ahli. Selain itu materi ini menjelaskan tentang fungsi dan kategori-kategori bidang Data Mining
Makalah ini membahas tentang data warehouse dan hubungannya dengan sistem pendukung keputusan (decision support system/DSS). Data warehouse dijelaskan sebagai database khusus untuk analisis dan pendukung pengambilan keputusan manajemen, yang menyimpan data terintegrasi dari berbagai sumber selama rentang waktu tertentu. Data warehouse berguna untuk pembuatan laporan, analisis online, penambangan data, dan mendukung keputusan bisnis."
Analisa klasifikasi biaya pasien rawat inap menggunakan teknik data mining at...Koltiva
Sistem Informasi Manajemen Rumah Sakit (SIMRS) secara umum telah digunakan oleh para staf rumah sakit untuk mendukung operasional sehari-hari. Sebagian besar informasi yang didapat pada operasional SIMRS berasal dari pengolahan transactional database. Sedangkan untuk mendukung pengambilan keputusan ditingkat manajerial, diperlukan akses ke database dalam ukuran besar dan dimensi yang lebih kompleks, sehingga diperlukan teknik data mining. Pendekatan data mining biasa dilakukan untuk menggali informasi, pengetahuan, pola-pola baru dan tren dengan menganalisis database dalam ukuran besar, menggunakan teknologi pengenalan pola, teknik statistik dan matematik.
Salahsatu potensi yang dapat dimanfaatkan pada penerapan data mining di rumah sakit adalah mengidentifikasi atribut-atribut penentu biaya pasien rawat inap. Dengan mengetahui atribut penentu biaya rawat, diharapkan pihak manajemen rumah sakit dapat melakukan kontrol terhadap biaya, sehingga ongkos perawatan pasien dapat ditekan tanpa mengurangi kualitas pelayanan.
Untuk mengidentifikasi atribut penentu biaya pasien rawat inap, digunakan data kunjungan pasien rawat inap RSUP Dr. Cipto Mangunkusumo dengan jaminan Jamkesmas periode 1 Januari 2009 s/d 30 September 2010 dari database SIMRS sebanyak 2022 kunjungan (jumlah sebelum dilakukan data cleaning 8383). Dengan teknik analisa Atttibute Importance (AI) didapatkan atribut-atribut penentu biaya dengan urutan sebagai berikut: prosedur medis 1 (AI=0,16), prosedur medis 4 (AI=0,15), prosedur medis 3 (AI=0,14), LOS (AI=0,13), prosedur medis 2 (AI=0,13), organisasi (AI=0.10), diagnosa utama (AI=0,08), jenis kelamin (AI=0.02) dan status kawin (AI=0.01). Hasil klasifikasi dengan teknik Algoritma Naive Bayes menunjukkan model yang dibuat memiliki predictive confidence sebesar 50,41%.
Dokumen ini membahas konsep dan arsitektur data mining serta metode-metode yang digunakan dalam data mining seperti predictive modeling, clustering, association rule, dan sequence analysis beserta contoh-contoh penerapannya.
Dokumen tersebut membahas tentang data warehouse, termasuk pengertian, konsep, dan perancangan data warehouse. Secara ringkas, data warehouse digunakan untuk mengintegrasikan dan menyimpan data dari berbagai sumber agar mudah diakses dan dianalisis guna pengambilan keputusan bisnis."
Kualitas Data:
• Pentingya Kualitas Data
• Indikator Data Berkualitas
• Manfaat dari Meningkatnya
Kualitas Data
• Tantangan dalam Membangun
Kualitas Data
• Macam Permasalahan dalam
Menjaga Kualitas Data
• Penerapan Datawarehouse
Konsep Dasar Data Warehouse:
• Pengertian Data Warehouse
• Istilah-istilah yang berhubungan dengan data warehouse
• Karakteristik Data Warehouse
• Tugas-tugas Data warehouse
• Keuntungan Data Warehouse
Data Mining digunakan untuk mengekstrak pola dan pengetahuan dari data besar yang kompleks untuk memecahkan masalah bisnis. Teknik utama Data Mining meliputi estimasi, prediksi, klasifikasi, klastering dan asosiasi. Metode pembelajaran terdiri dari pembelajaran terbimbing, tidak terbimbing dan semi terbimbing.
Dokumen tersebut membahas tentang pengelolaan data, termasuk pengumpulan, penyimpanan, analisis, dan visualisasi data. Beberapa topik utama yang dibahas adalah manajemen siklus hidup data, data warehouse, data mining, dan visualisasi data untuk menghasilkan informasi yang berguna bagi pengambilan keputusan bisnis.
1. Unsupervised learning digunakan untuk pengelompokkan data tanpa label melalui clustering.
2. K-means clustering dan hierarchical clustering adalah dua pendekatan utama clustering.
3. Pemilihan parameter seperti jumlah cluster pada k-means mempengaruhi akurasi hasil clustering.
Pengembangan Antarmuka Grafis Automated Fingerprint Identification System Ber...Agung Hakase
Dokumen ini membahas pengembangan antarmuka grafis untuk sistem identifikasi sidik jari otomatis berbasis sumber terbuka yang dikembangkan oleh NIST. Penelitian ini mengembangkan antarmuka grafis yang mudah digunakan dengan menghubungkan aplikasi NIST ke database MySQL dan menampilkan hasil klasifikasi dan ekstraksi minutia sidik jari secara visual. Pengembangan antarmuka ini diujicobakan pada database 5419 sampel sidik jari dan mengevaluasi
Dokumen ini membahas proses dan alat-alat data mining. Proses data mining terdiri dari 12 tahapan mulai dari memahami masalah, memahami data, eksplorasi data, pemilihan data, hingga interpretasi hasil. Dokumen ini juga menyebutkan 10 alat data mining populer seperti RapidMiner, Weka, KNIME, Python, Orange, SAS Enterprise Miner, IBM SPSS Modeler, Microsoft SQL Server Analysis Services, R, dan Oracle Data Mining.
Dokumen tersebut membahas tentang data mining dan penerapannya dalam bidang pemasaran dan perusahaan. Secara ringkas, data mining digunakan untuk menganalisis data besar agar dapat menemukan pola dan karakteristik penting untuk keperluan bisnis seperti segmentasi pasar, analisis konsumen, dan perencanaan sumber daya perusahaan.
Data mining adalah proses penggalian pola dan informasi yang berharga dari basis data besar untuk menemukan pengetahuan baru. Terdapat dua metode utama yaitu prediksi untuk memprediksi nilai masa depan dan deskripsi untuk menemukan pola yang mudah dipahami. Algoritma utama meliputi klasifikasi, klustering, asosiasi, estimasi dan prediksi.
Dokumen tersebut merangkum proses pengembangan sistem keamanan pada server komputer menggunakan biometrika detak jantung. Prosesnya meliputi penentuan tujuan dan ruang lingkup, identifikasi masalah keamanan, merumuskan masalah, persiapan dan pengolahan data, pemilihan algoritma KNN, pelatihan model, dan pengujian model untuk mencocokkan detak jantung pengguna dengan target akurasi 90% yang berhasil dicapai sebesar 90,35%.
Penggunaan teknologi AI dalam industri telekomunikasi membantu perusahaan memproses data pelanggan untuk mempersonalisasi layanan, memonitor kinerja jaringan secara real-time, dan mengoptimalkan proyek pembangunan jaringan."
Dokumen tersebut membahas tentang metode pengiriman form (POST dan GET) serta penggunaan session dalam PHP. Metode POST menyembunyikan variabel yang dikirim di alamat web, sedangkan metode GET menampilkan variabelnya. Session digunakan untuk menyimpan sementara variabel antar halaman dengan mendaftarkan, mengisi, dan menampilkan variabel session. Contoh koding mendemonstrasikan penggunaan form dengan metode POST, penyimpanan variabel ke session, dan penampil
Dokumen ini membahas penggunaan beberapa tag HTML penting untuk format tampilan dokumen seperti heading, paragraph, line break, dan daftar termasuk ordered list, unordered list, dan menu list.
The PHP script connects to a database to log website visitor statistics including the visitor's IP address, date, number of page hits, and time online. It checks if the IP address already exists for the current date, and if not, inserts a new entry, otherwise it updates the existing entry by incrementing the hits count and setting the online time. Various metrics are then calculated from the database like current visitors, total visitors, hits for the day, total hits, and current online users. These statistics are output in an HTML table.
Web/HTML Editor digunakan untuk membuat halaman web statis dan dinamis secara visual atau menggunakan teks editor. Editor web profesional menyediakan fitur yang mempercepat pembuatan halaman seperti GUI, otomatisasi kode, dan sambungan basis data. Browser menerjemahkan kode HTML menjadi tampilan yang diinginkan. Microsoft Internet Explorer, Firefox, dan Safari adalah contoh browser web. Ada dua model pembuatan halaman web statis yaitu secara lokal dan di server. Str
CSS digunakan untuk mengubah tampilan halaman website seperti warna dan format dengan mudah. CSS memungkinkan pengguna untuk mempercantik tampilan teks, tombol, tabel dan elemen lainnya. CSS dapat ditempatkan langsung di tag HTML, di dalam file HTML, atau di file CSS terpisah yang dapat digunakan untuk semua halaman website. Kelas CSS memungkinkan pengguna untuk menerapkan gaya yang sama pada elemen-elemen yang berbeda.
Dokumen ini membahas konsep dasar penggunaan basis data pada sistem berbasis web. Terdapat penjelasan tentang koneksi database, mengeksekusi query, dan fungsi-fungsi PHP untuk MySQL. Juga dijelaskan cara membuat database, tabel, dan file-file pendukung seperti config, connection, dan SQL. Selanjutnya dijelaskan cara menampilkan, menambahkan, mengubah, dan menghapus data kota pada tabel melalui beberapa file seperti form input, tampil, edit
This document discusses PHP control structures including if/else statements, switch statements, and looping structures like while, do-while and for loops.
If/else statements allow for conditional execution of code based on simple or compound expressions. Switch statements allow checking a variable against multiple case values.
While and do-while loops check a condition at the start or end of each loop iteration. For loops allow iterating with a counter variable through initialization, condition checking, and increment/decrement each loop.
HTML dikembangkan oleh Tim Berners-Lee di CERN dan dipopulerkan oleh browser Mosaic pada tahun 1990-an. HTML menggunakan tag yang diletakkan di antara tanda kurung siku untuk menandai teks dan elemen lainnya. Struktur dasar file HTML terdiri atas bagian Header dan Body.
The document discusses visualizing an HTML table containing poll results using Highcharts. It includes instructions to include necessary JavaScript libraries, initialize a chart on page load by passing the table and chart options to a Highcharts visualization function, and output the poll response counts from a database into the table. This will generate an interactive column chart of the poll results from the data in the HTML table.
"Jodoh Menurut Prespektif Al-Quran" (Kajian Tasir Ibnu Katsir Surah An-Nur ay...Muhammad Nur Hadi
Jurnal "Jodoh Menurut Prespektif Al-Quran" (Kajian Tasir Ibnu Katsir Surah An-Nur ayat 26 dan 32 dan Surah Al-Hujurat Ayat 13), Ditulis oleh Muhammmad Nur Hadi, Mahasiswa Program Studi Ilmu Hadist di UIN SUSKA RIAU.
2. Arsitektur : Sistm Data Mining
Graphical User Interface (GUI)
Pattern evaluation
Data Mining Engine
Database or data warehouse
server
Knowledge-base
Data base Data warehouse
Data clening & data integration Filtering
3. Keterangan :
1. Data cleaning (Pembersihan Data) : untuk membuang
data yang tidak konsisten dan noise)
2. Data integration : penggabungan data dari beberapa
sumber
3. Data Mining Engine : Mentranformasikan data menjadi
bentuk yang sesuai untuk di mining
4. Pattern evaluation : untuk menemukan yang bernilai
melalui knowledge base
5. Graphical User Interface (GUI) : untuk end user
Semua tahap bersifat interaktif di mana user terlibat
langsung atau dengan perantaraan knowledge base
4. Model Data Mining
Prediction Methods
Menggunakan beberapa variabel untuk
memprediksi sesuatu atau suatu nilai yang akan
datang.
Description Methods
Mendapatkan pola penafsiran (human-
interpretable patterns) untuk menjelaskan data.
6. Klasifikasi
Proses untuk menemukan model atau fungsi yang menjelaskan atau
membedakan konsep atau kelas data dengan tujuan untuk dapat
memprediksi kelas dari suatu objek yang labelnya tidak diketahui
Contoh : Mendeteksi Penipuan
Tujuan : Memprediksi kasus kecurangan transaksi kartu kredit.
Pendekatan :
Menggunakan transaksi kartu kredit dan informasi dilihat dari atribut
account holder
Kapan cutomer melakukan pembelian, Dengan cara apa customer
membayar, sebarapa sering customer membayar secara tepat waktu,
dll
Beri nama/tanda transaksi yang telah dilaksanakan sebagai transaksi
yang curang atau yang baik. Ini sebagai atribut klass ( the class
attribute.)
Pelajari model untuk class transaksi
Gunakan model ini untuk mendetekdi kecurangan dengan meneliti
transaksi kartu kredit pada account.
7. Regression
Digunakan untuk memetakan data dengan prediksi atribut
bernilai real
Contoh:
Memprediksi jumlah penjualan produk baru pada
advertising expenditure.
Memprediksi kecepatan memutar (wind velocities) pada
fungsi temperatur, tekanan udara , dll
8. Decision tree (Pohon keputusan)
Salah satu model klasifikasi yang mudah di interpretasikan
Contoh : identifikasi pembeli komputer ( dari decision tree di
bawah ini ternyata salah satu kelompok yang potensial adalah
orang yang berusia < 30 dan pelajar
age
studen Credit rating
yes
yesnoyesno
<=30 31-40 >40
yesno excelent fair
9. Jaringan syaraf buatan di mulai dengan layer input, dimana
tiap simpul berkorespondensi dengan variabel prediktor.
Simpul- simpul input ini terhubung kebeberapa simpul
dalam hidden layer.
Dan simpul dalam hidden layer dapat terhubung ke simpul
lain dalam hidden layer atau ke output layer.
Output layer terdiri dari satu atau beberapa variable respon
Neural Network (Jaringan syaraf tiruan)
1
2
5
4
3
6
input
Hidden layer
output
10. Telekomunikasi
Data mining digunakan untuk melihat jutaan transaksi
yang masuk dengan tujuan menambah layanan otomatis
Keuangan
Data mining digunakan untuk mendeteksi transaksi-
transaksi keuangan yang mencurigakan dimana akan susah
dilakukan jika menggunakan analisis standar.
Asuransi
Australian Health Insurance Commision menggunakan data
mining untuk mengidentifikasi layanan kesehatan dan
berhasil menghemat satu juta dollar pertahun
11. Astronomi
Jet Propulsion Laboratory (JPL) di Pasadena dan Pulomar
Observatory menemukan 22 quasar dengan bantuan data
mining.
Olah raga
IBM Advanced Scout menggunakan data mining untuk
menganalisis statistik permainan NBA dalam rangka competitive
advantage untuk tim New York Knicks
Internet Web Surf-Aid
IBM Surf-Aid menggunakan algoritma data mining untuk mendata
akses halaman Web khususnya berkaitan dengan pemasaran melalui
web.
12. Tools Data Mining
Karateristik-karateristik penting dari tool data mining
meliputi :
Data preparation facilities
Selection of data mining operation (algorithms)
Product scalability and performance
Facilities for visualization of result
Data mining tool, meliputi :
Integral Solution Ltd’s Clementine
DataMind Corp’s Data Crusher
IBM’s Intelligent Miner
Silicon Graphics Inc.’s MineSet
Informations Discovery Inc.’s Data Mining Suite
SAS Institute Inc.’s SAS System and Right Information
System’Thought.
