Data Preprocessing 2

Graph Data

Contoh: Generic graph, HTML Link

Ordered Data

• Sequences of transactions 
• Perbedaannya dengan Transcation data?

Gambar Contoh Ordered Data

Ordered Data

• Genomic Sequence Data

GGTTCCGCCTTCAGCCCCGCGCC CGCAGGGCCCGCCCCGCGCCGTC GAGAAGGGCCCGCCTGGCGGGCG GGGGGAGGCGGGGCCGCCCGAGC CCAACCGAGTCCGACCAGGTGCC CCCTCTGCTCGGCCTAGACCTGA GCTCATTAGGCGGCAGCGGACAG GCCAAGTAGAACACGCGAAGCGC TGGGCTGCCTGCTGCGACCAGGG

Kualitas Data

• Apa saja masalah yang mempengaruhi kualitas data ? 
• Bagaimana kita dapat mendeteksi masalah dalam data? 
• Bagaimana cara mengatasinya?

Gambar Contoh data

Data Cleaning

• Penanganan Missing value 

• Data yang tidak lengkap, tidak diperhitungkan dalam algoritma DM. 
• Mengisi missing value secara manual 
• Menggunakan nilai konstan yang bersifat global: N/A, – 
• Menggunakan nilai rata-rata atribut untuk mengisi missing value 
• Menggunakan nilai rata-rata atribut untuk data yang berada dalam satu kelas 
• Menggunakan nilai yang paling mungkin dengan teknik: regresi, decision tree, teorema Bayes. 

Contoh data

• Penanganan Noise dan outlier 
• Noise → random error atau variansi pada nilai variabel. 

Solusi: Smoothing

• Binning 

• Regression 
• Mencari nilai suatu atribut berdasarkan nilai atribut lain 
• Y = wx + b 
• Y = nilai atribut 1 yang diketahui nilainya 
• X = nilai atribut 2 yang ingin diketahui nilainya 
• Clustering 

Data yang tidak termasuk dalam salah satu cluster - outlier