22
3. Validitas Data (Validating The Data)
Setelah data diekstrak dan dibersihkan, data diberikan latihan untuk menelusuri model
yang telah kita ciptakan untuk memastikan bahwa semua
data yang ada adalah data
sekarang dan tetap.
4. Membuat dan melatih model (Creating and Training The Model)
Ketika algoritma diterapkan pada model, struktur telah dibangun. Hal ini sangatlah
penting
pada
saat
ini
untuk
melihat
data
yang
telah
dibangun
untuk
memastikan
bahwa
data tersebut menyerupai fakta di dalam data sumber.
5. Melakukan Query terhadap model data (Querying the Model Data)
Ketika model yang cocok telah ditetapkan, data yang telah dibuat tersedia untuk
mendukung
keputusan.
Hal
ini
biasanya
melibatkan
penulisan front
end
query
dengan
menggunakan program aplikasi/suatu program basis data.
6. Memelihara validitas dari mining model (Maintaining The Validity of The Data
Mining Model)
Setelah model data mining terkumpul, lewat beberapa waktu karakteristik data awal
seperti
granularitas
dan
validitas
mungkin
berubah.
Karena
model
data
mining
dapat
terus berubah seiring perkembangan waktu.
2.4.6 Pengertian OLAP ( Online Analytical Processing )
Menurut Connolly dan Begg (Connoly dan Begg 2005, hal1205), OLAP adalah sebuah perangkat
yang
menggambarkan
teknologi
menggunakan
gambaran multidimensi sejumlah data untuk
menyediakan akses yang lebih cepat bagi strategi informasi dengan tujuan mempercepat analisis.
Menurut
McLeod
dan
Schell
(McLeod
dan
Schell
2004,
hal204),
OLAP
makin
menjadi
 |