3. 1. merupakan perangkat lunak yang
bersifat terbuka (open source).
2. Solusi untuk melakukan analisis
terhadap data mining, text mining
dan analisis prediksi.
3. memiliki kurang lebih 500 operator
data mining, termasuk operator
untuk input, output, data
preprocessing dan visualisasi.
3
APA ITU RAPIDMINER?
5. cari operator read
CSV, lalu drag ke
operator.
5
1. MENGIMPORT DATA
setelah berhasil mendrag
maka akan tampilan akan
seperC dibawah ini. lalu di
klik.
lalu klik import configuraCon
wizard. (ini merupakan step 1 )
6. step 2, column separaCon
ubah ke comma.
6
DATA CONFIGURATION
step 3, klik pada kolom
manapun, lalu klik command+A
atau ctrl+A (pd windows)
7. step terakhir,
1. unceklist aHribut yang memiliki Cpe data integer.
2. rubah Cpe data species dari polynominal menjadi text.
3. rubah Cpe aHribute specisies dari a9ribute menjadi label.
7
DATA CONFIGURATION
8. carilah Decision Tree
pada panel operators >
modelling > Predic?ve >
Tree
8
2. MODELLING-DECISION TREE
setelah itu drag lah
Decision tree ke
panel process
lalu tarik garis dari out (read
CSV) ke tra (decision tree) dan
mod ke res (ada diujung
panel)
9. Klik tombol run (simbol play)
9
3. HASIL-DECISION TREE
lalu klik tombol results.
12. 1. aplikasi data mining open source berbasis
Java.
2. Aplikasi ini dikembangkan pertama kali
oleh Universitas Waikato di Selandia Baru
sebelum menjadi bagian dari Pentaho.
3. Weka terdiri dari koleksi algoritma
machine learning yang dapat digunakan
untuk melakukan generalisasi / formulasi
dari sekumpulan data sampling
12
APA ITU WEKA?
13. 1. Explorer digunakan untuk menggali lebih
jauh data dengan aplikasi WEKA.
2. Experimenter digunakan untuk melakukan
percobaan dengan pengujian staCsCc
skema belajar.
3. Knowledge Flow digunakan untuk
pengetahuan pendukung.
4. Simple CLI antar muka dengan
menggunakan tampilan command-line
yang memungkinkan langsung
mengeksekusi perintah weka untuk Sistem
Operasi yg Cdak menyediakan secara
langsung.
13
EMPAT TOMBOL PADA APLIKASI WEKA
14. 1. klik tombol Explorer.
2. Lalu klik open file..
14
1. IMPORT DATA
15. 1. klik tab Classify.
2. pada bagian Classifier Lalu klik Choose.
15
2. MODELLING - DECISSION TREE
16. 1. klik algoritm J48 pada weka > trees > J48.
16
2. MODELLING - DECISSION TREE
17. 1. Pada Test OpCons klik use training set.
2. klik Start lalu lihat hasilnya.
17
3. HASIL - DECISSION TREE
23. 23
1. IMPORT DATA
klik Data. Lalu Drag icon File ke worksheet orange
Double klik pada icon File. Lalu
muncul import data.
masukkan data yang ingin di
olah. Lalu klik reload.
24. 24
2. VIEW DATA1. Pada Data terdapat icon data tabel. Drag icon tersebut.
2. Lalu hubungkan Icon File dengan Icon Data Tabel.
25. 25
3. MODELLING - DECISSION TREE
1. Pada menu Classify. Drag Icon Classification Tree viewer dan Classification
Tree viewer ke dalam worksheet.
2. Lalu hubungkan Icon File dengan Icon Classification tree dan hubungkan juga
ke Classification Tree viewer
26. 26
4. HASIL - DECISSION TREE
1. Klik double pada Classification Tree viewer untuk melihat hasil modelling.
27. 27
PEKERJAAN RUMAH KODE 5
1. Bandingkan hasil modeling dari 2 dataset (dataset sudah Cm aslab sediakan di dropbox). anda
dibebaskan untuk menggunakan aplikasi analisis data, tapi beri alasan kenapa anda memilih aplikasi
tersebut.
2. Berikan penjelasaan “Apa itu Decision tree?” dan “Decision tree termasuk pada methodology apa?”
jelaskan singkat tapi jelas.
3. Buat lah kesimpulan dari hasil 2 dataset tersebut, apa kesimpulan yang anda dapatkan.
argumentasi yang baik akan kami beri nilai lebih.
hint: modelling menggunakan decision tree
Paling lambat H-2 sebelum kelas bigdata ke: bit.ly/
yaampuntugasbigdata
Penamaan file:
