INFO KURSUS WEKA DI LP2M ARAY


default image lp2maray.jpg


PENDAHULUAN WEKA

Weka adalah machine learning tools atau aplikasi data mining open source berbasis Java. Aplikasi ini dikembangkan pertama kali oleh Universitas Waikato di Selandia Baru sebelum menjadi bagian dari Pentaho. Software ini bisa juga diimplementasikan ke program python Weka terdiri dari koleksi algoritma machine learning yang dapat digunakan untuk melakukan generalisasi / formulasi dari sekumpulan data sampling.
Weka memiliki banyak tools untuk pengolahan data, mulai dari pre-processing, classification, regression, clustering, association rules, dan visualization.

Walaupun kekuatan Weka terletak pada algoritma yang makin lengkap dan canggih, kesuksesan data mining tetap terletak pada faktor pengetahuan manusia implementornya (pengguna).

Juga proses pengumpulan data yang berkualitas tinggi dan pengetahuan pemodelan + penggunaan algoritma yang tepat diperlukan untuk hasil yang lebih akurat.

Weka memiliki tools untuk data re-processing, classification, regression, clustering, association rules, dan visualization.
Weka mengorganisasi kelas-kelas kedalam paket-paket dan setiap kelas dipaket dapat mereferensi kelas lain dipaket lain. Paket classifiers berisi implementasi dari hamper semua algoritma untuk klarifikasi dan prediksi.
Kelas yang paling penting disini adalah Classifier, yang mendeklarasikan struktur umun dari skema klasifikasi dan prediksi. Kelas ini memiliki 2 metoda, yaitu build Classifier danclassifyInstance, yang harus diimplementasikan oleh kelas-kelas yang menginduk kekelas ini.
Semua kelas yang mengimplementasikan algoritma klasifikasi menginduk kekelas Classifier, termasuk kelas J48. J48, yang menangani himpunan data dalam format ARFF, tidak mengandung kode untuk mengkonstruksi pohon keputusan.

Kelas ini mereferensi kelas-kelas lain, kebanyakan di paket Weka. Classifiers J48, yang mengerjakan semua prosses konstruksi pohon. Pada Weka ada beberapa metode pemilihan variable dari suatu dataset, diantaranya BestFirst, ExhautiveSearch, FCBFSearch, GeneticSearch, GreedyStepwise, RaceSearch, RandomSearch, Rankerdan,RankerSearch.

Metode atau Teknik yang digunakan Weka adalah Predictive dan Descriptive karena Weka mendukung teknik-teknik data preprocessing, clustering, classification, regression, visualization, and feature selection. Semua teknik Weka adalah didasarkan pada asumsi bahwa data tersedia sebagai flat file tungggal atau hubungan, dimana setiap titik data digambarkan oleh sejumlah tetap atribut(biasanya, atribut numeric atau nominal, tetapi beberapa jenis atribut lain juga didukung).

Keunggulan WEKA

  1. Lebih user friendly
  2. Lebih mudah di gunakan
  3. Mempermudah klasifikasi sebuah database
  4. Lebih efektif pemrosesannya

Kekurangan WEKA
  1. Bisa terjadi overloading data jika database yang di masukkan melebihi kuota yang di tentukan di dalam WEKA tersebut.
  2. Data tidak bisa banyak


FASILITAS BELAJAR

1. Modul Pelatihan
2. Sertifikat Pelatihan


BIAYA PELATIHAN DAN WAKTU

PLZ CALL

Tutorial

Link Pembelajaran LP2M ARAY