Postingan

Tugas Data Mining

Gambar
DATA MINING Assalamualaikum Wr. Wb Pak Nama    : VIRA AZIZAH NIM      : 3420210007 Prodi     : Teknik Informatika Berikut Ini Tugas Pertemuan 14  Yang Sudah Saya Kerjakan : Latihan Process 15  (Data Manipulation) Kita akan memisahkan category_code berdasarkan simbol [.] menjadi 3. Kita akan mengganti missing value dengan nilai (-). Akan ada perbedaan jumlah data jika kita menerapkan filter missing value tanpa mereplace missing valuenya. Pada kolom order_id terlihat komposisi angkanya cenderung sama. Kita akan memotong 11 karakter di depannya. Latihan Process 16  (Data Manipulation) Separator untuk 2 attribute tersebut diisi spasi. Parameter replenishment value diisi spasi. Cukup Sekian Dan Terima Kasih  Semoga Bermanfaat Dan Sukses Selalu Ya Sampai Bertemu Di Pertemuan Selanjutnya Ya, Dadah hihihi  

Tugas Data Mining

Gambar
  DATA MINING Assalamualaikum Wr. Wb Pak Nama    : VIRA AZIZAH NIM      : 3420210007 Prodi     : Teknik Informatika Berikut Ini Tugas Pertemuan 13  Yang Sudah Saya Kerjakan : Latihan Process 14 Data Filtering Dari 500rb data yang ada kita filter data yang mengandung missing value. Dari 500rb data, setelah di filter menjadi 167rb data . Dari 167rb data kita filter yang brand nya “samsung”. Dari 167rb data kita akan filter yang brand nya “samsung” atau “apple”. Tidak ada data yang brand nya “samsung ” DAN apple. Kita filter kembali data tersebut yang category_code nya smartphone. Kita filter kembali yang harganya diatas USD 500 . Issue ketika kita mencampurkan filter sekaligus Terdapat brand oppo yang category_code nya smartphone. Cukup Sekian Dan Terima Kasih  Semoga Bermanfaat Dan Sukses Selalu Ya Sampai Bertemu Di Pertemuan Selanjutnya Ya, Dadah hihihi

Tugas Data Mining

Gambar
  DATA MINING Assalamualaikum Wr. Wb Pak Nama    : VIRA AZIZAH NIM      : 3420210007 Prodi     : Teknik Informatika Berikut Ini Tugas Pertemuan 11  Yang Sudah Saya Kerjakan : Latihan Process 11 Rename Attribute Rename Attribute Rubah semua nama attribute di Golf dataset. Masukan dataset Sonar kedalam Process. Kita coba menghilangkan simbol (_) secara sekaligus. Jika “include special attributes” di checklist maka kolom class akan disertakan. Kita akan perbaiki nama attribute user_id. Perbaiki attribute meta data information. Simbol (\W) akan menghilangkan seluruh karakter yang bukan Alfanumerik. Simbol ([\W _]) akan menghilangkan seluruh karakter yang bukan Alfanumerik dan tanda underscore. Antara 1 regex ke regex yang lain dipisah oleh tanda spasi. Cukup Sekian Dan Terima Kasih  Semoga Bermanfaat Dan Sukses Selalu Ya Sampai Bertemu Di Pertemuan Selanjutnya Ya, Dadah hihihi