12
peringkasan yang
dikerjakan
selama
tahap
ekstraksi.
Beberapa
perusahaan
memilih
untuk
meringkas
data
dalam
sebuah
tempat
penyimpanan tunggal.
Fungsi-fungsi
agregate
yang
sering
digunakan antara
lain:
summarizations,
averages, minimum, maximum, dan count.
2.2 WEKA (Waikato Environment for Knowledge Analysis)
WEKA
(Waikato
Environment
for
Knowledge
Analysis)
adalah
suatu
perangkat
lunak
pembelajaran
mesin
yang
populer
ditulis
dengan
Java, yang
dikembangkan
di
Universitas Waikato
di
Selandia
Baru.
WEKA
adalah
perangkat
lunak
gratis
yang
tersedia
di bawah
GNU General Public License. WEKA menyediakan
penggunaan
teknik
klasifikasi
menggunakan pohon
keputusan
dengan
algoritma
J48.
Teknik
klasifikasi dan algoritma yang digunakan di WEKA disebut classifier.
2.2.1 Cara menggunakan WEKA
Cara
termudah
untuk
menggunakan
WEKA
adalah
melalui
interface
pengguna
grafis
yang
disebut
Explorer.
Hal
ini
memberikan akses
ke
semua
fasilitas
dengan
menggunakan pilihan menu dan pengisian
formulir. Sebagai contoh, dataset dapat
dibaca dengan cepat dari file ARFF (atau spreadsheet)
menggunakan Interface Explorer.
Kelemahan mendasar
dari
Interface
Explorer
adalah
bahwa
Explorer
memegang
semuanya
dalam
memori
utama.
Ketika
dataset
dibuka,
maka
semua
data
set
tersebut
masuk
ke
dalam
memori
utama.
Ini
berarti
bahwa
Explorer
hanya
dapat
diterapkan
untuk
masalah
kecil
sampai
menengah. Namun,
WEKA
berisi
beberapa
algoritma
tambahan yang dapat digunakan untuk memproses dataset yang sangat besar.
Interface
Knowledge
Flow
memungkinkan merancang
konfigurasi
untuk
pengolahan
data
secara
streaming.
Interface
Knowledge
Flow
memungkinkan
untuk
 |