TUGAS 2

1. Jelaskan Persamaan antara data mining, data analisis, data science.

Antara Ketiga Tersebut sama-sama berfungsi untuk mengumpulkan dan mengelola data agar menjadi sebuah informasi yang berguna untuk membantu perusahaan dalam membuat keputusan bisnis agar perusahaan nya menjadi lebih baik. 

2. Jelaskan Hubungan antara Machine Learning, Deep Learning dan Artificial Intelligence. 

Artificial Intelligence itu luas cakupan nya, Machine Learning adalah bagian dari AI itu sendiri, begitu pula Deep Learning termasuk dalam bagian Machine Learning sebab Deep Learning adalah sebuah Evolusi dari Machine Learning yang lebih cerdas. 

Secara sederhana mungkin kita bisa mengartikan bahwa Kecerdasan Buatan atau AI adalah penggabungan antara kecerdasan manusia dengan mesin. 

contohnya adalah ketika Setiap kali sebuah mesin menyelesaikan tugas berdasarkan aturan-  aturan yang telah ditetapkan , perilaku "cerdas" seperti itulah yang disebut kecerdasan buatan.

Machine Learning adalah Sub dari Artificial Intelligence, Machine Learning dapat diartikan sebagai memberdayakan sistem komputer agar dapat "belajar" sendiri.

Tujuannya ML adalah agar memungkinkan mesin belajar sendiri menggunakan data yang disediakan dan membuat prediksi dengan akurat.


Deep Learning adalah pengembangan dari Machine Learning yang lebih canggih. dan termasuk juga bagian sub dari Machine Learning, karena seperti yang sudah disebutkan sebelumnya DL adalah bagian dari ML yang sudah di evolusi menjadi semakin canggih layaknya otak manusia bekerja.

3. Berikan Contoh Data yang berhubungan dengan data mining (Asosiasi, Klasifikasi, prediksi, dan Clustering) dan Analysis data yang sudah diambil.

Classification adalah proses untuk menemukan model atau fungsi yang menjelaskan atau membedakan konsep atau kelas data, dengan tujuan untuk dapat memperkirakan kelas dari suatu objek yang labelnya tidak diketahui. Model itu sendiri bisa berupa aturan "if-else", berupa decision tree, formula matematis atau neural network. Decision tree adalah salah satu metode classification yang paling populer karena mudah untuk diinterpretasi oleh manusia. Disini setiap percabangan menyatakan kondisi yang harus dipenuhi dan tiap ujung pohon menyatakan kelas data. Algoritma decision tree yang paling terkenal adalah C4.5, tetapi akhir-akhir ini telah dikembangkan algoritma yang mampu menangani data skala besar yang tidak dapat ditampung di main memory seperti RainForest. Metode-metode classification yang lain adalah Bayesian, neural network, genetic algorithm, fuzzy, case-based reasoning, dan k-nearest neighbor. Proses classification biasanya dibagi menjadi dua fase, learning dan test. Pada fase learning, sebagian data yang telah diketahui kelas datanya diumpankan untuk membentuk model perkiraan. Kemudian pada fase test, model yang sudah terbentuk di uji dengan sebagian data lainnya untuk mengetahui akurasi dari model tersebut. Bila akurasinya mencukupi model ini dapat dipakai untuk prediksi kelas data yang belum diketahui.

4. Apa Kaitannya antara data mining dan data science dan berikan masing-masing contohnya.

Data Mining adalah proses memilah-milah sejumlah data yang berkaitan (data set) untuk mengidentifikasi pola dan membangun hubungan untuk memecahkan masalah melalui analisa data

contohnya

Membuat Decision Tree untuk Mengoptimalkan Manajemen Risiko Proyek

Setiap kali kita membuat keputusan, kita dihadapkan dengan beberapa hal yang berbeda. Apalagi juga opsi keputusannya sangat banyak, perlu decision tree. Awal menangani decision tree memang bisa membingungkan kita. Tetapi jika kita memiliki alat atau software yang tepat dalam mengatur decision tree dalam mengolah pilihan definitif yang dilengkapi dengan biaya atau manfaat, akan sangat berharga dalam pengelolaan manajemen risiko proyek. Sekali lagi, analisanya bergantung pada teknologi atau alat yan gdigunakan. Semakin canggih alatnya, maka semakin baik decision tree nya menunjukkan keputusan terbaik yang perlu dieksekusi.

pengertian data science adalah ilmu pengetahuan interdisiplin tentang metode komputasi untuk mendapatkan wawasan berharga yang dapat ditindaklanjuti dari kumpulan data yang mencakup tiga fase yaitu desain data, mengumpulkan data, dan analisis data. Sebagai ilmu interdisiplin, data science mempunyai definisi yang berbeda-beda dari akademisi maupun praktisi yang berkecimpung di dalamnya.

5. Apa yang dimaksud dengan data, Big Data, Smart Data , Data Science, Bisnis Inntelligence, dan data Arsitektur.

• Data adalah Sekumpulan Fakta.

• Big data menggambarkan data dalam jumlah yang banyak, baik yang tidak terstruktur dan terstruktur, yang dikumpulkan setiap hari.

• Smart data dapat digambarkan sebagai big data yang telah dibersihkan, difilter, dan disiapkan untuk keperluan tertentu.

• Data science adalah salah satu disiplin ilmu yang secara khusus mempelajari soal data terutama data kuantitatif atau data numerik.

• Business Intelligence adalah sekumpulan teknik dan alat untuk mentransformasi dari data mentah menjadi informasi yang berguna dan bermakna untuk tujuan analisis bisnis.

• arsitektur data terdiri dari model, kebijakan, aturan atau standar yang mengatur data mana yang dikumpulkan, dan bagaimana data itu disimpan, diatur, diintegrasikan, dan digunakan dalam sistem data dan dalam organisasi.