UPA PERPUSTAKAAN

POLITEKNIK NEGERI INDRAMAYU

  • Beranda
  • Informasi
  • Berita
  • Bantuan
  • Pustakawan
  • Area Anggota
  • Pilih Bahasa :
    Bahasa Arab Bahasa Bengal Bahasa Brazil Portugis Bahasa Inggris Bahasa Spanyol Bahasa Jerman Bahasa Indonesia Bahasa Jepang Bahasa Melayu Bahasa Persia Bahasa Rusia Bahasa Thailand Bahasa Turki Bahasa Urdu

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

{{tmpObj[k].text}}
Image of Data Mining : Konsep dan Aplikasi Menggunakan Matlab
Penanda Bagikan

Text

Data Mining : Konsep dan Aplikasi Menggunakan Matlab

Eko Prasetyo - Nama Orang;

Jumlah transaksi yang dilakukan oleh perusahaan atau instansi yang melakukan transaksi kerja semakin banyak dari waktu ke waktu. Lalu, apa yang harus perusahaan lakukan terhadap data-data transaksi itu? Apakah hanya untuk laporan akhir tahun, kemudian dibuang? Tetap dikelola hanya untuk keperluan audit yang dilaksanakan dalam periode tertentu? Atau, hanya akan dikubur dalam gudang data dan dibiarkan? Tentu sayang sekali jika data-data transaksi yang sangat banyak itu tidak dimanfaatkan untuk kepentingan perusahaan atau instansi itu sendiri. Dengan data mining, data-data transaksi tersebut dapat diolah lagi untuk mengekstrak informasi baru yang berguna dan dapat digunakan sebagai faktor-faktor yang membantu pengambilan keputusan.

Ada empat bagian utama dalam data mining yang menjadi kekuatan buku ini, yaitu bab mengenai klasifikasi, analisis kelompok, deteksi anomali, dan analisis asosiasi. Metode-metode klasifikasi yang dibahas meliputi K-Nearest Neighbor, Naive Bayes, Perceptron, MLP Backpropagation, Support Vector Machine, dan Fuzzy K-Nearest Neighbor. Metode-metode analisis kelompok yang dibahas meliputi K-Means, Hierarchical, DBSCAN, Fuzzy C-Means, dan Self-Organizing Map. Metode-metode deteksi anomali yang dibahas meliputi K-Nearest Neighbor, DBSCAN, dan Outlier Removal Clustering. Sementara metode analisis asosiasi yang dibahas adalah Apriori. Semuanya dibahas secara jelas dan lengkap dengan contoh implementasinya menggunakan MATLAB. Tidak ketinggalan, pembahasan pemrosesan awal sebagai tahap permulaan pengolahan data juga dibahas, seperti Principal Component Analysis dan Singular Value Decomposition. Dua metode tersebut sudah digunakan secara luas sebagai tahap awal pemrosesan data, disertai contoh penerapannya pada data nyata.


Ketersediaan
#
My Library 005.12/PRA/D001
B4605
Tersedia
#
My Library 005.12/PRA/D001
B4606
Tersedia
#
My Library 005.12/PRA/D001
B4603
Tersedia
#
My Library 005.12/PRA/D001
B4604
Tersedia
#
My Library 005.12/PRA/D001
B4602
Tersedia
Informasi Detail
Judul Seri
-
No. Panggil
005.12/PRA/D001
Penerbit
Yogyakarta : Andi., 2012
Deskripsi Fisik
360 hlm,; 19 x 23 cm
Bahasa
Indonesia
ISBN/ISSN
978-979-29-3282-9
Klasifikasi
005.12
Tipe Isi
-
Tipe Media
-
Tipe Pembawa
-
Edisi
I
Subjek
-
Info Detail Spesifik
-
Pernyataan Tanggungjawab
Eko Prasetyo
Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas
Tidak Ada Data
Komentar

Anda harus masuk sebelum memberikan komentar

UPA PERPUSTAKAAN
  • Informasi
  • Layanan
  • Pustakawan
  • Area Anggota

Tentang Kami

As a complete Library Management System, SLiMS (Senayan Library Management System) has many features that will help libraries and librarians to do their job easily and quickly. Follow this link to show some features provided by SLiMS.

Cari

masukkan satu atau lebih kata kunci dari judul, pengarang, atau subjek

Donasi untuk SLiMS Kontribusi untuk SLiMS?

© 2025 — Senayan Developer Community

Ditenagai oleh SLiMS
Pilih subjek yang menarik bagi Anda
  • Karya Umum
  • Filsafat
  • Agama
  • Ilmu-ilmu Sosial
  • Bahasa
  • Ilmu-ilmu Murni
  • Ilmu-ilmu Terapan
  • Kesenian, Hiburan, dan Olahraga
  • Kesusastraan
  • Geografi dan Sejarah
Icons made by Freepik from www.flaticon.com
Pencarian Spesifik
Kemana ingin Anda bagikan?