Garis besar topik

    • Evaluasi Data Mining Pelajaran
      Siswa harus
      Tandai selesai

      Materi Evaluasi Data Mining

      1.Estimation:
      ΓÇôError: Root Mean Square Error (RMSE), MSE, MAPE, etc
      2.Prediction/Forecasting (Prediksi/Peramalan):
      ΓÇôError: Root Mean Square Error (RMSE) , MSE, MAPE, etc
      3.Classification:
      ΓÇôConfusion Matrix: Accuracy
      ΓÇôROC Curve: Area Under Curve (AUC)
      4.Clustering:
      ΓÇôInternal Evaluation: DaviesΓÇôBouldin index, Dunn index,
      ΓÇôExternal Evaluation:  Rand measure, F-measure, Jaccard index, FowlkesΓÇôMallows index, Confusion matrix
      5.Association:
      ΓÇôLift Charts: Lift Ratio
      ΓÇôPrecision and Recall (F-measure)

    • Materi Pertemuan ke-4 Berkas
      Siswa harus
      Tandai selesai

      Silahkan di unduh dan dipelajari

    • Video #1 "What is Root Mean Square Error (RMSE)?" URL
      Siswa harus
      Tandai selesai

      Klick >>> 

    • Video #2 "Confusion Matrix" URL
      Siswa harus
      Tandai selesai

      Klick >>> 

    • Video #3 "CRIP-DM" URL
      Siswa harus
      Tandai selesai

      Klick >>> 

    • FORUM DISKUSI
      Siswa harus
      Tandai selesai

      SETELAH ANDA MEMBACA DAN MELIHAT VIDIO MATERI  DIATAS  coba jelaskan menurut/berdasarkan pendapat anda :

      Mengapa metode CRISP-DM dapat membantu kita memahami penggunaan metode data mining yang lebih sesuai dengan kebutuhan organisasi..