DBASE SYSTEM
dBase, adalah suatu paket Data Base Management System (DBMS) untuk pengelolaan database, pada Personal Computer
Perkembangan dBase
a. dBase II versi 2.4
b. dBase III, III+
c. dBase IV
d. dBase 5.0, versi DOS dan Windows
e. dBase 5.5, Visual
f. dBase 7.0, Visual
File-file untuk pengelolaan data pada dBase
A. File Penyimpan Data
1. File Database (DBF)
2. File Memo (DBT)
3. File Memori (MEM)
B. File Utility Data
1. File Indeks (NDX)
2. File Query/View (QBE)
C. File Untuk Pengelolaan/Menghasilkan Output
1. File Command atau Prosedure (PRG)
2. File REPORT (FRM)
3. File Label (LBQ)
4. File Output Teks, (TXT)
5. File Screen (SCR)
D. Jenis/Type field data
No Type Data Keterangan
1 Karakter u/ data alpa numerik mak 256 karakter
2 Numerik Menyatakan bilangan mak 20 Digit
3 Date Menyatakan tanggal default 8
4 Memo u/ menyatakan ket. yang panjang
5. Logikal u/ logika benar atau salah
OPERATOR PADA DBASE
1. Operator Matematika
a) Operator Aritmetik
-Pangkat ( ^ )
-Perkalian ( * ) atau Pembagian ( / )
-Pejumlahan ( + ) – Pengurangan ( – )
b) Operator Relasi
-untuk Aritmetik : <, >, =, <=, >=, # atau <>
-untuk String : $
2. Operator Logika
AND , OR , NOT
FUNGSI-FUNGSI
1. Fungsi Database
2. Fungsi Date
3. Fungsi Numerik
4. Fungsi String
5. Environment Function, adalah fungsi-fungsi untuk memberikan informasi tentang sistem yang aktif atau kondisi periperal, diantaranya:
DATA MINING
- “Mining”: proses atau usaha untuk mendapatkan sedikit barang berharga dari
sejumlah besar material dasar yang telah ada.
- Beberapa faktor dalam pendefinisian data mining:
- Data mining adalah proses otomatis terhadap data yang dikumpulkan di masa lalu
- Objek dari data mining adalah data yang berjumlah besar atau kompleks
- Tujuan dari data mining adalah menemukan hubungan-hubungan atau pola-pola yang
mungkin memberikan indikasi yang bermanfaat.
- Definisi data mining
- Data mining adalah serangkaian proses untuk menggali nilai tambah dari suatu
kumpulan data berupa pengetahuan yang selama ini tidak diketahui secara manual.
- Data mining adalah analisa otomatis dari data yang berjumlah besar atau
kompleks dengan tujuan untuk menemukan pola atau kecenderungan yang penting
yang biasanya tidak disadari keberadaannya
KATEGORI DALAM DATA MINING
- Classification
- Clustering
CLASIFICATION
- Klasifikasi adalah suatu proses pengelom-pokan data dengan didasarkan pada
ciri-ciri tertentu ke dalam kelas-kelas yang telah ditentukan pula.
- Dua metode yang cukup dikenal dalam klasifikasi, antara lain:
- Naive Bayes
- K Nearest Neighbours (kNN)
K-NEAREST NEIGHBOURS
- Konsep dasar dari K-NN adalah mencari jarak terdekat antara data yang akan
dievaluasi dengan K tetangga terdekatnya dalam data pelatihan.
- Penghitungan jarak dilakukan dengan konsep Euclidean.
- Jumlah kelas yang paling banyak dengan jarak terdekat tersebut akan menjadi
kelas dimana data evaluasi tersebut berada.
ALGORITMA
- Tentukan parameter K = jumlah tetangga terdekat.
- Hitung jarak antara data yang akan dievaluasi dengan semua data pelatihan.
- Urutkan jarak yang terbentuk (urut naik) dan tentukan jarak terdekat sampai
urutan ke-K.
- Pasangkan kelas (C) yang bersesuaian.
- Cari jumlah kelas terbanyak dari tetangga terdekat tersebut, dan tetapkan kelas
tersebut sebagai kelas data yang dievaluasi.
CLUSTERING
- Clustering adalah proses pengelompokan objek yang didasarkan pada kesamaan
antar objek.
- Tidak seperti proses klasifikasi yang bersifat supervised learning, pada
clustering proses pengelompokan dilakukan atas dasar unsupervised learning.
- Pada proses klasifikasi, akan ditentukan lokasi dari suatu kejadian pada klas
tertentu dari beberapa klas yang telah teridentifikasi sebelumnya.
- Sedangkan pada proses clustering, proses pengelompokan kejadian dalam klas akan
dilakukan secara alami tanpa mengidentifikasi klas-klas sebelumnya.
- Suatu metode clustering dikatakan baik apabila metode tersebut dapat
menghasilkan cluster-cluster dengan kualitas yang sangat baik.
- Metode tersebut akan menghasilkan cluster-cluster dengan objek-objek yang
memiliki tingkat kesamaan yang cukup tinggi dalam suatu cluster, dan memiliki
tingkat ketidaksamaan yang cukup tinggi juga apabila objek-objek tersebut
terletak pada cluster yang berbeda.
- Untuk mendapatkan kualitas yang baik, metode clustering sangat tergantung pada
ukuran kesamaan yang akan digunakan dan kemampuannya untuk menemukan beberapa
pola yang tersembunyi.
