Data Mining untuk Klasifikasi dan Klasterisasi Data

Informasi Umum

• Judul: Data Mining untuk Klasifikasi dan Klasterisasi Data
• Penulis: Dr. Suyanto, S.T., M.Sc.
• Penerbit: Informatika, Bandung
• Tahun Terbit: Edisi terbit pertama 2017; versi revisi dirilis sekitar 2018–2019
• ISBN:
• Edisi pertama: 978‑602‑6232‑36‑6
• Edisi revisi: 978‑602‑6232‑97‑7
• Jumlah Halaman: Sekitar 341–414 halaman tergantung edisi

Sinopsis & Ruang Lingkup

Di era big data, volume informasi tumbuh secara eksponensial sementara jumlah analis tidak sebanding. Buku ini hadir untuk membantu pembaca memahami data dengan benar—langkah penting sebelum memilih teknik mining yang tepat

Cakupan Materi:

1. Landasan Data Mining: menjelaskan definisi, manfaat, aplikasi, dan prinsip etika dalam data mining
2. Prapemrosesan Data & Visualisasi: teknik menangani data real-world dan memvisualisasikannya untuk memahami pola
3. Klasifikasi Data:

• • Bayes
  • Decision Tree
  • Artificial Neural Network
  • Support Vector Machine
  • K‑Nearest Neighbor
  • Fuzzy Logic
  • Ensemble Learning & Deep Learning
  • Evaluasi dan seleksi model

4. Klasterisasi Data:

• • Partisi (misal k‑means)
  • Hirarki
  • Kepadatan (density‑based)
  • Kisi (grid‑based)
  • Klasterisasi pada data berdimensi tinggi
  • Evaluasi hasil klaster
  • Klasterisasi sebagai pendukung klasifikasi 

Tujuan & Pembaca Sasaran

Ditujukan untuk:

• Mahasiswa teknik informatika, sistem informasi, ilmu komputer, data science
• Praktisi TI yang mendesain atau menerapkan model klasifikasi dan klasterisasi
• Dosen atau peneliti yang ingin memahami proses seleksi teknik mining secara metodologis dan matematis 

Kelebihan Buku Ini

• Pendekatan praktik langsung: dari studi masalah, visualisasi, hingga implementasi model klasifikasi dan klasterisasi
• Pembahasan menyeluruh: mencakup konsep dasar hingga perhitungan matematis
• Terstruktur secara sistematis, bermanfaat untuk semua level pembaca, dari pemula hingga mahir
• Versi revisi memuat pemutakhiran konten, membuatnya lebih relevan terhadap tren teknik modern seperti deep learning dan ensemble methods