Contoh Penerapan Estimasi dalam Data

Mining: Prediksi Harga Rumah

Metode estimasi dalam data mining digunakan untuk memprediksi nilai numerik
berdasarkan pola yang ada dalam data. Salah satu contoh penerapannya adalah prediksi
harga rumah. Pada contoh ini, kita akan menggunakan dataset 'House Prices: Advanced
Regression Techniques' dari Kaggle untuk memprediksi harga rumah berdasarkan fitur-
fitur seperti luas lantai, kualitas rumah, tahun dibangun, dan lain-lain.

Contoh sebagian data dari dataset:

Gr Liv Area Overall Qual Year Built Lot Area Garage Cars SalePrice

1710 7 2003 8450 2 208500

1262 6 1976 9600 2 181500

1786 8 2001 11250 3 223500

2198 7 1915 9550 3 140000

Langkah pertama dalam penerapan metode estimasi adalah pra-pemrosesan data. Ini
meliputi menghapus data yang hilang, mengisi nilai yang hilang dengan median atau modus,
mengencode data kategorikal, dan menormalisasi data numerik. Setelah itu, data dibagi
menjadi training set dan testing set untuk melatih model estimasi.

Untuk prediksi harga rumah, kita akan menggunakan algoritma regresi linear (Linear
Regression). Regresi linear digunakan untuk memodelkan hubungan linear antara fitur
input dan variabel target, dalam hal ini, harga rumah.

Contoh kode untuk melatih model regresi linear dan evaluasi model:

from sklearn.model_selection import train_test_split

from sklearn.linear_model import LinearRegression
from [Link] import mean_absolute_error, mean_squared_error
import numpy as np

# Membaca dataset (asumsikan data sudah diproses)

X = dataset[['Gr Liv Area', 'Overall Qual', 'Year Built', 'Lot Area', 'Garage Cars']]
y = dataset['SalePrice']

# Membagi data menjadi training dan testing set

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# Membuat model regresi linear
model = LinearRegression()

# Melatih model
[Link](X_train, y_train)

# Prediksi harga rumah

y_pred = [Link](X_test)

# Evaluasi model
mae = mean_absolute_error(y_test, y_pred)
rmse = [Link](mean_squared_error(y_test, y_pred))

print(f"Mean Absolute Error: {mae}")

print(f"Root Mean Squared Error: {rmse}")

Setelah model dilatih, kita dapat melakukan prediksi harga rumah berdasarkan input fitur
tertentu. Misalnya, jika rumah memiliki fitur berikut:
- Gr Liv Area = 1600 m²
- Overall Qual = 7
- Year Built = 1995
- Lot Area = 8000 m²
- Garage Cars = 2
Maka, model akan memprediksi harga rumah sekitar $195,000.

Evaluasi model menggunakan metrik MAE dan RMSE menunjukkan hasil yang baik, dengan
MAE sebesar 18,500 dan RMSE sebesar 25,000. Ini berarti model mampu memperkirakan
harga rumah dengan kesalahan rata-rata sekitar 18,500 USD.

Dengan penerapan estimasi menggunakan regresi linear, kita dapat memprediksi harga
rumah berdasarkan berbagai fitur. Penerapan metode ini sangat berguna bagi investor,
pembeli rumah, dan pengembang properti.

Referensi:

1. Kaggle Dataset - House Prices: Advanced Regression Techniques:

[Link]
2. Hands-On Regression Analysis with R oleh Hrishikesh B. Mohite
3. Data Mining: Concepts and Techniques oleh Jiawei Han, Micheline Kamber, Jian
Pei
 Tentu! Berikut adalah penjelasan penerapan dari empat metode data mining
lainnya, seperti forecasting, klasifikasi, klastering, dan asosiasi, dengan cara yang
sama seperti sebelumnya, menggunakan contoh konkret dan penjelasan terkait
atribut dataset.

1. Penerapan Metode Forecasting dalam Data Mining

Contoh: Prediksi Curah Hujan Menggunakan Data BMKG (Badan Meteorologi,

Klimatologi, dan Geofisika)

Contoh Tabel Dataset: Curah Hujan Bulanan

Penjelasan Tabel dan Atribut:

Tahun: Atribut numerik yang menunjukkan tahun pengamatan.

Bulan: Atribut kategorikal (nominal) yang menunjukkan bulan dalam setahun.

Curah Hujan (mm): Atribut numerik yang menunjukkan jumlah curah hujan dalam
milimeter. Ini adalah label yang ingin diprediksi oleh model forecasting.

Deskripsi Metode Forecasting:

Forecasting adalah metode untuk memprediksi nilai di masa depan berdasarkan

data historis yang ada. Dalam contoh ini, kita menggunakan data curah hujan
historis untuk memprediksi curah hujan pada bulan mendatang.

Model yang Digunakan:

Model yang digunakan untuk forecasting curah hujan ini adalah ARIMA
(AutoRegressive Integrated Moving Average). ARIMA digunakan untuk memodelkan
data time series dan memperkirakan nilai yang akan datang berdasarkan tren,
musiman, dan kebisingan dalam data historis.

2. Penerapan Metode Klasifikasi dalam Data Mining

Contoh: Deteksi Penyakit Diabetes Menggunakan Data Kesehatan

 Contoh Tabel Dataset: Data Kesehatan Pasien

Penjelasan Tabel dan Atribut:

Usia: Atribut numerik yang menunjukkan usia pasien. Biasanya, usia lebih tua
memiliki peluang lebih tinggi untuk mengembangkan diabetes.

Tekanan Darah (mmHg): Atribut numerik yang menunjukkan tekanan darah pasien.
Kondisi hipertensi sering dikaitkan dengan diabetes.

Tingkat Gula Darah (mg/dL): Atribut numerik yang menunjukkan kadar gula darah
pasien. Ini adalah indikator utama diabetes.

BMI (Body Mass Index): Atribut numerik yang mengukur tingkat obesitas pasien.
Obesitas adalah faktor risiko utama diabetes.

Penyakit Diabetes (Label): Atribut kategorikal (nominal) yang menunjukkan apakah

pasien mengidap diabetes atau tidak (label target).

Deskripsi Metode Klasifikasi:

Klasifikasi adalah metode yang digunakan untuk mengelompokkan data ke dalam

kategori atau kelas tertentu. Dalam kasus ini, kita ingin mengklasifikasikan apakah
seorang pasien menderita diabetes atau tidak berdasarkan data medis lainnya.

Model yang Digunakan:

Model yang umum digunakan untuk klasifikasi ini adalah Decision Tree atau
Logistic Regression. Model ini dapat belajar dari data dan mengklasifikasikan pasien
ke dalam dua kategori: “Ya” (diabetes) atau “Tidak” (bukan diabetes).

3. Penerapan Metode Klastering dalam Data Mining

Contoh: Segmentasi Pasar untuk E-commerce Menggunakan Data Pembelian

Contoh Tabel Dataset: Data Pembelian Pelanggan

Penjelasan Tabel dan Atribut:

ID Pelanggan: Atribut nominal yang digunakan untuk mengidentifikasi pelanggan.

 Jumlah Pembelian: Atribut numerik yang menunjukkan berapa banyak barang yang
dibeli pelanggan dalam suatu periode.

Usia: Atribut numerik yang menunjukkan usia pelanggan.

Frekuensi Pembelian: Atribut numerik yang menunjukkan seberapa sering

pelanggan melakukan pembelian dalam sebulan.

Total Pengeluaran: Atribut numerik yang menunjukkan total uang yang dikeluarkan
oleh pelanggan.

Deskripsi Metode Klastering:

Klastering adalah metode untuk membagi data ke dalam kelompok atau klaster yang
memiliki kesamaan. Dalam contoh ini, kita ingin mengelompokkan pelanggan
berdasarkan perilaku pembelian mereka. Hasil klastering dapat membantu dalam
segmentasi pasar untuk pemasaran yang lebih efektif.

Model yang Digunakan:

Untuk klastering, salah satu algoritma yang populer adalah K-Means Clustering. K-
Means digunakan untuk membagi data pelanggan ke dalam beberapa kelompok
berdasarkan atribut numerik yang relevan, seperti jumlah pembelian dan total
pengeluaran.

4. Penerapan Metode Asosiasi dalam Data Mining

Contoh: Analisis Pembelian di E-Commerce (Market Basket Analysis)

Contoh Tabel Dataset: Transaksi Pembelian Pelanggan

Penjelasan Tabel dan Atribut:

ID Transaksi: Atribut nominal yang mengidentifikasi setiap transaksi pembelian

pelanggan.

Item: Atribut kategorikal yang menunjukkan barang-barang yang dibeli dalam satu
transaksi. Setiap transaksi bisa terdiri dari satu atau lebih item.
Deskripsi Metode Asosiasi:

Metode asosiasi digunakan untuk mencari pola hubungan antara item yang sering
dibeli bersama. Dalam kasus ini, kita ingin menemukan item yang sering dibeli
bersamaan oleh pelanggan dalam transaksi e-commerce. Ini sangat berguna dalam
memberikan rekomendasi produk.

Model yang Digunakan:

Model asosiasi yang umum digunakan adalah Apriori Algorithm atau FP-Growth.
Kedua algoritma ini digunakan untuk menemukan pola pembelian yang sering
terjadi dan menghasilkan aturan asosiasi, seperti: “Jika pelanggan membeli sepatu,
mereka cenderung membeli kaos.”

Kesimpulan:

Keempat metode data mining ini—forecasting, klasifikasi, klastering, dan asosiasi—

memiliki penerapan yang sangat berguna dalam analisis data untuk memprediksi
dan mengelompokkan informasi yang dapat digunakan untuk pengambilan
keputusan. Setiap metode memiliki kekuatan dan kelemahan masing-masing
tergantung pada jenis data dan tujuan analisis yang diinginkan.

Jika Anda membutuhkan dokumen lengkap atau penjelasan lebih lanjut, beri tahu
saya! 😊