Data Mining

Buku Data Mining ini disusun sebagai panduan pembelajaran dalam memahami konsep dasar hingga penerapan teknik data mining secara praktis menggunakan bahasa pemrograman Python. Buku ini dirancang berbasis langkah-langkah terstruktur agar mahasiswa mampu mengolah data, melakukan preprocessing, membangun model machine learning, serta mengevaluasi hasil analisis secara sistematis.

Materi diawali dengan pengenalan Python dan lingkungan kerja seperti Google Colab dan Jupyter Notebook, dilanjutkan dengan penggunaan library penting seperti Pandas, NumPy, Matplotlib, dan Scikit-Learn. Buku ini kemudian membahas berbagai studi kasus nyata, mulai dari prediksi saham menggunakan Support Vector Machine (SVM), clustering kelulusan mahasiswa dengan algoritma K-Means, prediksi harga rumah menggunakan regresi linier, hingga analisis penjualan handphone dengan metode K-Nearest Neighbor (K-NN).

Selain itu, Buku ini memperkenalkan algoritma Random Forest untuk klasifikasi penyakit paru-paru berdasarkan gejala pasien, sekaligus membahas teknik evaluasi performa model menggunakan confusion matrix, accuracy, dan F1-score guna memastikan hasil prediksi lebih akurat dan terpercaya. Pada bagian akhir, Buku memperluas cakupan ke penerapan text mining untuk analisis sentimen dan segmentasi data penumpang pesawat.

Dengan pendekatan berbasis studi kasus nyata, buku ini diharapkan menjadi referensi efektif bagi mahasiswa dan praktisi dalam mengembangkan keterampilan analisis data, penerapan algoritma data mining, serta pemodelan prediktif. Materi disusun sistematis untuk mendukung kebutuhan industri modern dan riset akademik secara aplikatif dan berkelanjutan.