Tugas_Data_Mining (Assosiation Rules)

Association Rules Mining
Association Rule Mining adalah salah satu teknik data mining untuk menemukan aturan assosiatif antar variabel, korelasi, atau suatu struktur di antara item. Proses di dalam teknik association rules adalah mencari aturan-aturan yang memenuhi :
1.Support yaitu persentase kombinasi item tersebut dalam database
2.Confidence yaitu kuatnya hubungan antar item dalam aturan assosiatif
Algoritma yang pertama kali digunakan dalam teknik ini adalah algoritma apriori. Algoritma Apriori membuat kandidat kombinasi item yang mungkin berdasarkan aturan tertentu diuji apakah kombinasi item tersebut memenuhi syarat support minimum dengan menggunakan paradigma generate dan test.
Kombinasi item yang memenuhi syarat tersebut disebut frequent itemset, yang nantinya dipakai untuk membuat aturan-aturan yang memenuhi syarat confidence minimum.

Kenapa harus bersedih & resah ??? Sementara di alam bertaburan HIKMAH yang bisa diambil !!!

Manusia adalah makhluk yang sering merasa bosan, sedih dan kadang2 bahagia. Masalah yang begitu kecil mampu mengalahkan manusia yang mempunyai akal dan pikiran yang luar biasa. Betapa lemahnya manusia. Ketika kita mendapatkan masalah, kita tentunya tidak layak mengalah pada masalah tersebut, kita mampu menyelesaikannya dengan baika. Allah berfirman dalam Kitab suci Al-quran yang penuh hikmah “ Allah tidak membebani seseorang melainkan sesuai dengan kesanggupannya.". Apa yang kita alami tentunya sanggup untuk diselesaikan. Berikut ada sebuah kisah seorang pemuda yang begitu resah dan sedih menghadapi masalahnya. ”
Garam dan Telaga
Suatu ketika, hiduplah seorang tua bijak. Pada suatu pagi datang lah seorang anak muda yang sedang dirundung banyak masalah. Langkahnya gontai dan air muka yang ruwet. Tamu itu, memang tampak seperti orang tak bahagia.

Nilai Praktikum PIK_08/09 Kelas A1

Semester ganjil 2008/2009, saya dipercayakan untuk menjadi asisten matakuliah Pengenalan Ilmu Komputer untuk mahasiswa baru 2008 Manajemen Informatika. Capek ternyata ngajar ya. Tapi gak pa2, hitung2 nambah pengalaman. Materi belajar cuma ms. office, itupun cuman Ms. Word, Ms. Excel dan Ms. Power Point. Lainnya gak cukup waktu sih. Tapi gak pa2, belajar sendiri ya yang lainnya. Untuk belajar komputer, harus ...

sering oprak-aprik sendiri komputernya, perbanyak latihan. Perlu diketahui, abang2 leting kita yang berhasil dan pandai komputer itu tiap saat belajar komputer, tidur di depan komputer dan akhirnya komputer pun menyatu dengan dirinya. Kita juga bisa, cuman waktu aja yang membedakan kita.

Alhamdulillah ... selesai juga ngajarnya, banyak pengalaman dan wawasan baru yang bisa saya dapatkan. Syukur juga para mahasiswa yang ngambil mata kuliah ini mudah diatur dan cepat menguasai materi. Mang Luar biasa mereka itu. Terus berkarya ya ....

Data Mining

Data mining ???
Data mining itu knowledge discovery from data. Data mining merupakan suatu pengetahun baru yang diekstrak dari sekian banyak data.
Data Mining itu merupakan matakuliah pilihan komputasi. Baru semester ini (2008/2009) dibuka. Karena yang ngajarnya pun baru pulang s3. Dosen yang ngajarnya paten2 dan mantap x ...

Baik dari cara ngejelasinnya atau ngajarnya. Tapi entah, penilaianya gak tau gimana karena baru perdana ikut mata kuliah dengan bpk itu. Nama dosen yang ngajar Dr. Hizir Sofyan dan Dr. Taufik Fuadi Abidin. Coba dosen-dosen lain gitu juga ya. Mungkin akan lebih baik kualitas mahasiswa-mahasiswa. Mungkin diterapin sistem luar x. (gak tau lah ...!!!)

Selama mengikuti kuliah, dah beberapa kali dikasih tugas sih. ini salah satunya buat rangkuman tentang Smoothing Data, sebenarnya sih ada 5 pilihan tapi saya pilih yang smoothing aja.

Smoothing Data

Smoothing merupakan salah satu transformasi yang melibatkan hubungan suatu piksel dengan piksel tetangganya atau penyamaan pixel dengan sebelah-sebelahnya, untuk mengurangi kontras dan mensimulasikan citra yang tidak fokus. Smoothing bertujuan untuk menghaluskan data yang bernoise. Sedangkan noise adalah kesalahan yang terjadi secara random atau karena variasi yang terjadi dalam pengukuran variabel. Untuk menyelesaikan masalah noise adalah dengan smoothing. Ada beberapa cara pendekatan smoothing, yaitu :