28
untuk
diberikan
kepada
algoritma
data
mining.
Proses
ini
melatih
algoritma
untuk mengenali
variabel dan
nilai-nilai kunci,
yang kemudian
menjadi dasar
untuk membuat prediksi ketika membaca data baru.
b. Unsupervised.
Tidak
melibatkan tahap
pelatihan,
tetapi
tergantung pada
penggunaan
algoritma
yang
mendeteksi
semua bentuk seperti asosiasi dan rangkaian
yang
terjadi berdasarkan kriteria
yang spesifik dalam
memasukkan data.
Pendekatan
ini
membawa
ke
generasi
yang
mempunyai
banyak
peraturan
yang
menggolongkan
penemuan
asosiasi,
cluster
dan
segmen.
Peraturan
ini
kemudian
akan
melakukan
penganalisaan untuk
menentukan
mana
yang
memiliki ketertarikan secara universal.
c.
Reinforcement.
Walaupun
jarang
digunakan
dibandingkan metode
lain,
tetapi
memiliki
aplikasi
untuk
mengoptimalkan waktu
dan
penyesuaian
kontrol.
Metode
reinforcement
sangat
mirip
dengan realita
karena
metode ini
tidak
menyediakan tindakan
untuk
melakukan
koreksi
dengan
segera
tetapi
dapat
digunakan
untuk
memecahkan sebagian
masalah ketergantungan
waktu
yang
sulit.
2.4
OLAP
vs Data
Mining
Data
mining
dan
OLAP
merupakan
komponen-komponen
dari
Microsoft
Analysis
Services. Keduanya
merupakan tools pendukung pengambilan keputusan, tetapi
data
mining dan
OLAP
dirancang
untuk
pengguna
yang
berbeda.
OLAP
dibuat
khusus
untuk menyimpan data dalam bentuk tabel singkat untuk menyediakan pemanggilan dan
 |