Tutorial cara menghitung dataset client pada rumus Algoritma Apriori dengan menggunakan Aplikasi Rapid Miner
Halo Sobat EduTek !!!
Pada kesempatan ini saya akan membagikan sedikit tutorial menggunakan rapid miner untuk menghitung dataset client dengan menggunakan rumus Algoritma Apriori dan juga untuk memenuhi nilai UAS saya pada mata kuliah Data Mining.
( Sebelum kita menuju ke tutorial, saya akan menjelaskan sedikit, materi mengenai Algoritma Apriori dan Rapid Miner)
Apriori adalah suatu metode untuk mencari pola hubungan antar satu atau lebih item dalam suatu dataset.
Rapid Miner adalah perangkat lunak ilmu data yang menyediakan lingkungan terintegrasi untuk persiapan data, pembelajaran mesin, pembelajaran dalam, penambangan teks, dan analisis prediktif.
Oke kita langsung ke tutorialnya !
Berikut adalah Dataset Client yang ada pada soal UAS :
1. Dataset
Gambar 1 merupakan tabel data set dari 25 client dengan design yang diminta berbeda - beda. Dari 25 client tersebut akan kita tentukan nilai support, confidance, berapa item setnya, dan menemukan aturan " terbaru pada dataset client.
3. Kita buka aplikasi Rapid Miner dan masukkan file dataset yang sudah di simpan di file excel.
< Klik Import Data > pada bagian halaman Repository.
5. Pilih cell yang akan digunakan > lalu klik next
6. Lalu muncul tampilan format columns. Disini kita rubah “role client” menjadi Id supaya bisa menentukan design yang diminta masing masing oleh client pada ( ELEGANT, SIMPLE, CLEAN, YOUNG dan MATURE ) lalu Klik Next.
7. Kemudian Simpan file import-an ke local repository dan beri nama file import-an tadi lalu klik finish.
8. Setelah file Dataset di import. Lalu file yang disimpan di local
repository ini akan muncul dan file import-an tadi di drag/tarik/geser
ke bagian halaman proses.
9. Pada halaman operator, search numerical to binominal lalu pilih “ numerical to binominal ”. Lalu klik 2x atau drag ke halaman proses.
10. Lalu kita tambahkan lagi operator algoritma apriori pada halaman operator, search apriori lalu pilih " W-Apriori ". Lalu klik 2x atau drag ke halaman proses / kerja.
11. Sebelum kita relasikan, kita klik W-Apriori pada halaman proses, lalu muncul parameter pada W-Apriori, lalu ganti angka / nilai pada huruf C yang semula 0.9 menjadi 0.5 .
12. Lalu relasikan semua data - data yang ada pada halaman proses. Lalu klik run ( pada gambar segitiga biru ).
13. Hasil run tadi menghasilkan isi apriori pada deskripsi. hasilnya yaitu minimum support : 0.1, minimum confidence : 0.5.
lalu untuk item set ( set 1 ) : 5 , ( set 2 ) : 9, ( set 3 ) : 4.
dan memunculkan 10 aturan baru pada apriori yang di hasilkan.
Kesimpulan :
Didapat bahwa
minimum support diperoleh : 0.1
minimum confidence : 0.5
Untuk item set ( set1 ) : 5
Untuk item set ( set2 ) : 9
Untuk item set ( set3 ) : 4
rules yang didapat ialah :
1. jika client butuh design yang CLEAN dan tidak SIMPLE maka ia tidak memilih ELEGANT dan confidence ( 0.75 ).
2. jika client butuh design yang YOUNG dan tidak SIMPLE maka ia tidak memilih elegant dan confidence ( 0.75 ).
3. jika client butuh design yang YOUNG dan tidak SIMPLE maka ia juga memilih CLEAN dan confidence ( 0.75 ).
4. jika client butuh design yang CLEAN dan tidak SIMPLE maka ia juga memilih YOUNG dan confidence ( 0.75 ).
5. jika client butuh design yang tidak ELEGANT dan SIMPLE maka ia memlih design CLEAN dan confidence ( 0.6 ).
6. jika client butuh design yang YOUNG dan tidak ELEGANT maka ia tidak meilih SIMPLE dan confidence ( 0.6 ).
7. jika client butuh design yang tidak ELEGANT dan SIMPLE maka ia memilih design YOUNG dan confidence ( 0.6 ).
8. jika client butuh design yang YOUNG dan tidak ELEGANT maka ia memilih design CLEAN dan confidence ( 0.6 ).
9. jika client butuh design YOUNG maka ia juga memilih CLEAN dan confidence ( 0.58 ).
10. jika client butuh design CLEAN maka ia juga memilih YOUNG dan confidence ( 0.58 ).
Itu tadi adalah Tutorial menggunakan Rapid miner untuk menghitung soal dataset client dengan menggunakan rumus Algoritma Apriori. Bila ada kesalahan tulisan atau ketidak jelasan pada tutorial diatas mohon dimaafkan. Semoga Bermanfaat.
Terima Kasih.
------------------------------------------------
Nama : Arsha Setya Pradita
Nim : 171080200186
Mata Kuliah : Data Mining
Perihal : UAS
------------------------------------------------
Ada juga penjelasan melalui video, klik link dibawah ini :
https://www.youtube.com/watch?v=rk6X3X4Dujg
Pada kesempatan ini saya akan membagikan sedikit tutorial menggunakan rapid miner untuk menghitung dataset client dengan menggunakan rumus Algoritma Apriori dan juga untuk memenuhi nilai UAS saya pada mata kuliah Data Mining.
( Sebelum kita menuju ke tutorial, saya akan menjelaskan sedikit, materi mengenai Algoritma Apriori dan Rapid Miner)
Apriori adalah suatu metode untuk mencari pola hubungan antar satu atau lebih item dalam suatu dataset.
Rapid Miner adalah perangkat lunak ilmu data yang menyediakan lingkungan terintegrasi untuk persiapan data, pembelajaran mesin, pembelajaran dalam, penambangan teks, dan analisis prediktif.
Oke kita langsung ke tutorialnya !
Berikut adalah Dataset Client yang ada pada soal UAS :
1. Dataset
Gambar 1 merupakan tabel data set dari 25 client dengan design yang diminta berbeda - beda. Dari 25 client tersebut akan kita tentukan nilai support, confidance, berapa item setnya, dan menemukan aturan " terbaru pada dataset client.
Gambar 1
2. Dataset pada soal ini kita salin/copy dan kita pindahkan ke Microsoft excel lalu simpan menjadi file excel.
Gambar 2
3. Kita buka aplikasi Rapid Miner dan masukkan file dataset yang sudah di simpan di file excel.
< Klik Import Data > pada bagian halaman Repository.
Gambar 3
4. Kemudian muncul halaman baru untuk import data > klik My computer > Cari Data file excel > pilih data excel > klik next.
Gambar 4
Gambar 5
5. Pilih cell yang akan digunakan > lalu klik next
Gambar 6
Gambar 7
Gambar 8
Gambar 9
Gambar 10
Gambar 11
Gambar 12
Gambar 13
Gambar 14
Gambar 15
lalu untuk item set ( set 1 ) : 5 , ( set 2 ) : 9, ( set 3 ) : 4.
dan memunculkan 10 aturan baru pada apriori yang di hasilkan.
Gambar 16
Didapat bahwa
minimum support diperoleh : 0.1
minimum confidence : 0.5
Untuk item set ( set1 ) : 5
Untuk item set ( set2 ) : 9
Untuk item set ( set3 ) : 4
rules yang didapat ialah :
1. jika client butuh design yang CLEAN dan tidak SIMPLE maka ia tidak memilih ELEGANT dan confidence ( 0.75 ).
2. jika client butuh design yang YOUNG dan tidak SIMPLE maka ia tidak memilih elegant dan confidence ( 0.75 ).
3. jika client butuh design yang YOUNG dan tidak SIMPLE maka ia juga memilih CLEAN dan confidence ( 0.75 ).
4. jika client butuh design yang CLEAN dan tidak SIMPLE maka ia juga memilih YOUNG dan confidence ( 0.75 ).
5. jika client butuh design yang tidak ELEGANT dan SIMPLE maka ia memlih design CLEAN dan confidence ( 0.6 ).
6. jika client butuh design yang YOUNG dan tidak ELEGANT maka ia tidak meilih SIMPLE dan confidence ( 0.6 ).
7. jika client butuh design yang tidak ELEGANT dan SIMPLE maka ia memilih design YOUNG dan confidence ( 0.6 ).
8. jika client butuh design yang YOUNG dan tidak ELEGANT maka ia memilih design CLEAN dan confidence ( 0.6 ).
9. jika client butuh design YOUNG maka ia juga memilih CLEAN dan confidence ( 0.58 ).
10. jika client butuh design CLEAN maka ia juga memilih YOUNG dan confidence ( 0.58 ).
Itu tadi adalah Tutorial menggunakan Rapid miner untuk menghitung soal dataset client dengan menggunakan rumus Algoritma Apriori. Bila ada kesalahan tulisan atau ketidak jelasan pada tutorial diatas mohon dimaafkan. Semoga Bermanfaat.
Terima Kasih.
------------------------------------------------
Nama : Arsha Setya Pradita
Nim : 171080200186
Mata Kuliah : Data Mining
Perihal : UAS
------------------------------------------------
Ada juga penjelasan melalui video, klik link dibawah ini :
https://www.youtube.com/watch?v=rk6X3X4Dujg
Komentar
Posting Komentar