Data Preprocessing

What is Data?

• Kumpulan objek dan atributnya 

Atribut adalah properti atau karakteristik sebuah objek.
Contoh: warna mata seseorang, suhu, status perkawinan, dll.  Atribut = variabel, field, karakteristik, fitur

• Kumpulan atribut mendeskripsikan sebuah objek tertentu. 

Objek = record, point, case, sample, entitas, atau instance

Attribute Values

• Attribute values 

Bilangan atau simbol yang mengisi sebuah atribut.

• Perbedaan antara attribute dan attribute values 

- Beberapa atribut dapat dipetakan ke dalam beberapa attribute values yang berbeda
Contoh: tinggi dapat diukur dalam meter atau kaki.

- Beberapa atribut dapat dipetakan ke dalam himpunan nilai yang sama.
Contoh : Attribute values untuk ID dan usia adalah integer 

Namun, sifat dari attribute values dapat berbeda ID has no limit but age has a maximum and minimum value

Types of Attributes

• Nominal: hanya membedakan (klasifikasi) 

Contoh: Nomor ID, warna mata, kode pos

• Ordinal - ada jenjang / urutan / tingkat 

Contoh: rankings (Kepedasan sambal dalam skala 1-10), nilai, ukuran pakaian {XXL,XL,L,M,S}

• Interval - selisihnya ada arti 

Contoh: tanggal

• Ratio - bisa dibandingkan, angka 0 memiliki arti sendiri 

Contoh: Temperatur, panjang, waktu, volume air

Operasi pada Atribut

• Kesamaan : = ≠  Urutan : < > 
• Penambahan : + - 
• Perkalian : * / 

Bagaimana hubungan antara atribut dengan operasi?

Atribut Diskrit dan Kontinu

• Atribut Diskrit 

- Memiliki jumlah yang terbatas dan dapat dihitung
- Contoh: kode pos, himpunan jumlah kata dalam koleksi dokumen.
- Seringkali direpresentasikan sebagai variabel integer.

• Atribut Kontinu 

- Nilai atributnya menggunakan bilangan riil
- Contoh: suhu, panjang, berat. 

Tipe Dataset

• Record 
• Data Matrix 
• Document Data 
• Transaction Data 
• Graph 
• World Wide Web 
• Mollecular Structures 
• Ordered 
• Spatial Data 
• Temporal Data 
• Sequential Data 
• Genetic Sequence Data

Record Data
Data yang terdiri dari kumpulan record, dimana setiap record memiliki himpunan atribut yang tetap.

Data Matrix

• Jika objek data memiliki himpunan atribut numerik yang tetap, maka objek data dapat dianggap sebagai titik dalam ruang multidimensi di mana setiap dimensi merupakan sebuah atribut 
• Data set dapat direpresentasikan sebagai matriks m x n, di mana m adalah baris, untuk setiap objek, dan n adalah kolom untuk setiap atribut.

Document Data
Document - vektor “term/kata”

• Setiap term adalah komponen/atribut dari vektor 
• Nilai setiap komponen adalah jumlah kemunculan term dalam dokumen

Transaction Data
Tipe khusus dari data record, di mana

• Setiap record/transaksi melibatkan beberapa item. 
• Contoh: Kumpulan produk yang dibeli = transaksi, produk= item