Perpustakaan Universitas Amikom Purwokerto

  • 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
Image of Penerapan data mining dengan Matlab

Buku Text Teknologi Informasi

Penerapan data mining dengan Matlab

Widodo, Prabowo Pudjo - Nama Orang; Rahmadya Trias Handayanto - Nama Orang; Herlawati - Nama Orang;

bibliografi: hal. 189-190

Buku ini merupakan kelanjutan dari buku sebelumnya tentang Soft Computing. Banyaknya pembaca yang berminat membuat sistem berbasis mesin pembelajaran (machine learning) membuat kami membuat buku yang kebanyakan diambil dari kasus-kasus yang telah dibuat oleh mahasiswa-mahasiswa tingkat sarjana dan pascasarjana.

Data Mining mengharuskan tersedianya data yang akan digali dan dicari informasi-informasi tersembunyi yang bermanfaat bagi pengambil keputusan. Namun untuk mempermudah proses belajar, dalam buku ini kami hanya menyediakan data-data sederhana yang sengaja dirancang mirip dengan data-data yang jumlahnya banyak yang diperoleh lewat riset di institusi tertentu. Akan tetapi, walaupun sederhana, prinsipnya dapat diterapkan langsung dengan data riil.

Buku ini disusun dalam bentuk teori dasar singkat yang dilanjutkan dengan terapannya untuk kasus tertentu dengan bahasa pemrograman Matlab. Diharapkan pembaca melihat referensi yang kami cantumkan di akhir tulisan jika ingin memperdalam teori dasarnya. Setelah Bab I membahasa tinjauan singkat mengenai konsep Data Mining, kami lanjutkan dengan penerapannya lewat motode-metode tertentu. Setelah Bab II tentang Decision Tree selesai, dilanjutkan dengan metode-metode klasifikasi lain yang berbasis Soft Computing seperti Adaptive Neuro-Fuzzy lnference System (ANFIS), Jaringan Syaraf Tiruan (JST), Fuzzy C-means Clustering (FCM), dan Support Vector Machine (SVM). Disinggung sedikit untuk klasifikasi dengan k-Nearest Neighbourhood (k-NN) di bab yang membahas FCM sebagai perbandingan antara klasifikasi kasar (hard clustering) dengan klasifikasi lunak (soft clustering). Karena fungsi Bayes hanya ada.pada Matlab versi terbaru (Versi 2012), maka untuk algoritma ini tidak kami masukkan dalam buku ini. Untuk pembaca yang baru mengenal Matlab dapat melihat lampiran di akhir bab tentang instalasi Matlab dan teknik penggunaannya untuk matematis dan grafis, terutama untuk pembuatan Graphical User Interface (GUI) serta kompilasinya menjadi program yang dapat dieksekusi langsung (executable).


Ketersediaan
5904005.7 WID p c2UPT. PERPUSTAKAAN PUSATTersedia
5903005.7 WID p c1UPT. PERPUSTAKAAN PUSAT (Rak Tandon)Tersedia - No Loan
Informasi Detail
Judul Seri
-
No. Panggil
005.7 WID p
Penerbit
Bandung : Rekayasa Sains., 2013
Deskripsi Fisik
v, 190 hlm.: ilus.; 23 cm
Bahasa
Indonesia
ISBN/ISSN
978-979-3784-60-1
Klasifikasi
005.7 - 005.74
Tipe Isi
-
Tipe Media
-
Tipe Pembawa
-
Edisi
Ed. I
Subjek
-
Info Detail Spesifik
-
Pernyataan Tanggungjawab
Prabowo Pudjo Widodo
Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas
Tidak Ada Data
Komentar

Anda harus masuk sebelum memberikan komentar

Perpustakaan Universitas Amikom Purwokerto
  • Informasi
  • Layanan
  • Pustakawan
  • Area Anggota

Tentang Kami

https://perpustakaan.amikompurwokerto.ac.id/

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