software olap rapid miner

BAB I

PENDAHULUAN

A.     Sejarah Rapidminer

RapidMiner sebelumnya dikenal sebagai YALE (Yet Another Learning Environment), dikembangkan mulai tahun 2001 oleh Ralf Klinkenberg, Ingo mierswa, dan Simon Fischer di Unit Artificial Intelligence dari Technical University of Dortmund. Mulai tahun 2006, perkembangannya adalah didorong oleh cepat-I, sebuah perusahaan yang didirikan oleh Ingo mierswa dan Ralf Klinkenberg pada tahun yang sama. pada tahun 2007, nama software diubah dari YALE ke RapidMiner dan perusahaan cepat-I GmbH didirikan. Pada akhir Mei, bebas open-source Suite data mining YALE berganti nama menjadi RapidMiner. Sekarang, Rilis ini memberikan semua fungsi yang diketahui dari YALE dan menambahkan sejumlah besar fungsi-fungsi baru bersama dengan antarmuka pengguna sepenuhnya direvisi. berharap bahwa perbaikan dari YALE ke RapidMiner lebih berguna untuk analisis pekerjaan sehari-hari.

RapidMiner dan plugin yang sekarang menyediakan lebih dari 400 belajar dan preprocessing operator dan kombinasi yang tak terhitung jumlahnya dari. Oleh karena itu, RapidMiner adalah pelengkap pengetahuan penemuan Suite yang dapat digunakan untuk semua tugas data mining. Di antara fitur baru adalah ruang kerja untuk proyek yang berbeda dengan meningkatkan visualisasi dari kriteria kinerja seperti kurva ROC rata-rata atau plot 3D dari matriks .

B.     Pengertian Rapidminer

Rapid Miner adalah aplikasi data mining yang tidak perlu dipertanyakan lagi dan berbasis sistem open-source dunia yang terkemuka dan ternama. Tersedia sebagai aplikasi yang berdiri sendiri untuk analisis data dan sebagai mesin data mining untuk integrasi ke dalam produk sendiri. Ribuan aplikasi RapidMiner di lebih dari 40 negara memberikan pengguna mereka keunggulan yang kompetitif. Solusi yang di usung antara lain :Integrasi data, Analitis ETL, Data Analisis, dan Pelaporan dalam satu suite tunggal. Powerfull tapi memiliki antarmuka pengguna grafis yang intuitif untuk desain analisis proses.Repositori untuk proses, data dan penanganan meta data Hanya solusi dengan transformasi meta data: lupakan trial and error dan memeriksa hasil yang telah di inspeksi selama desain.

Hanya solusi yang mendukung on-the-fly kesalahan dan dapat melakukan perbaikan dengan cepatLengkap dan fleksibel: Ratusan loading data, transformasi d ata, pemodelan data, dan metode visualisasi data RapidMiner Menyediakan prosedur data mining dan machine learning termasuk: ETL (extraction, transformation, loading), data preprocessing, visualisasi, modelling dan evaluasi. Proses data mining tersusun atas operator-operator yang nestable, dideskripsikan dengan XML, dan dibuat dengan GUI. Ditulis dalam bahasa pemrograman Java. Mengintegrasikan proyek data mining Weka dan statistika R.

Terminologi Dasar Atribut dan atribut target Atribut: karakteristik atau fitur dari data yang menggambarkan sebuah proses atau situasi. ID, atribut biasa. Atribut target: atribut yang menjadi tujuan untuk diisi oleh proses data mining. Label, cluster, weight. Peran atribut (attribute role) Label, cluster, weight, ID, biasa
Terminologi Dasar Tipe nilai (value type) nominal: nilai secara kategori numeric: nilai numerik secara umum integer: bilangan bulat real: bilangan nyata text: teks bebas tanpa struktur binominal: nominal dua nilai polynominal: nominal lebih dari dua nilai date_time: tanggal dan waktu date: hanya tanggal time: hanya waktu
Terminologi Dasar Data dan metadata Data menyebutkan obyek-obyek dari sebuah konsep. Ditunjukkan sebagai baris dari tabel. Metadata menggambarkan karakteristik dari konsep tersebut. Ditunjukkan sebagai kolom dari tabel. Modelling Penggunaan metoda data mining terhadap data. Hasilnya disebut model.
Fungsi menu Process control Untuk mengontrol aliran proses, seperti loop atau conditional branch. Utility Untuk mengelompokkan subprocess, juga macro dan logger. Repository access Untuk membaca dan menulis repository. Inport Untuk membaca dari berbagai format eksternal. Export Untuk menulis data ke berbagai format eksternal.Data transformation Untuk transformasi data dan metadata.
Modelling Untuk proses data mining yang sesungguhnya. Seperti klasifikasi, regresi, clustering, aturan asosiasi dll. Evaluation Untuk menghitung kualitas dari modeling.

C.    Keunggulan dan Kelemahan Rapidminer

1.            Keunggulan Rapidminer

         Sudah tidak diragukan lagi rapidminer memiliki keunggulan tersendiri Rapid Miner adalah aplikasi data mining yang tidak perlu dipertanyakan lagi dan berbasis sistem open-source dunia yang terkemuka dan ternama. Tersedia sebagai aplikasi yang berdiri sendiri untuk analisis data dan sebagai mesin data mining untuk integrasi ke dalam produk sendiri. Ribuan aplikasi RapidMiner di lebih dari 40 negara memberikan pengguna mereka keunggulan yang kompetitif. Solusi yang di usung antara lain :

·         Integrasi data

·         Analitis ETL

·         Data Analisis, dan

 Pelaporan dalam satu suite tunggal. Powerfull tapi memiliki antarmuka pengguna grafis yang intuitif untuk desain analisis proses.Repositori untuk proses, data dan penanganan meta data Hanya solusi dengan transformasi meta data: lupakan trial and error dan memeriksa hasil yang telah di inspeksi selama desain.
Hanya solusi yang mendukung on-the-fly kesalahan dan dapat melakukan perbaikan dengan cepat Lengkap dan fleksibel: Ratusan loading data, transformasi data, pemodelan data, dan metode visualisasi data.

2.            Kelemahan Rapidminer

         Secara khusus untuk memperluas RapidMiner dengan R membantu kelemahan alamat RM dalam luasnya algoritma , karena membawa ekosistem R seluruh ke RM ( mirip dengan bagaimana cepat - saya menerapkan banyak perpustakaan Weka pada awal pengembangan RM ) . Selanjutnya , karena R pengguna paket rilis masyarakat yang menerapkan teknik baru yang lebih cepat daripada vendor perusahaan, ini membantu mengubah kelemahan potensial menjadi kekuatan potensial. Namun, paket R cenderung dari berbagai kualitas , dan lebih rentan dalam dukungan perbaikan / bug . Hal ini sangat bergantung pada pengelola paket dan prevalensi penggunaan dalam komunitas R . Jadi, ketika RapidMiner memiliki peserta didik dengan implementasi asli , biasanya lebih baik untuk menggunakannya daripada R setara.

D.    Target Menggunakan Rapidminer

      Rapidminer telah menjadi salah satu perangkat lunak analisis open source atau bahkan analisis dianggap sebagai kata kunci di fashion. Perangkat lunak rapidminer telah menjadi perintis di banyak daerah ( seperti membangun pasar untuk Rapid Miner Ekstensi ) dan perluasan cepat Miner -R adalah salah satu enabler yang paling menjanjikan menggunakan R dalam pengaturan perusahaan . Organisasi olahraga menganggap analisis sebagai pembeda strategis , maka nama tersebut bersifat rahasia
Analis - Kami dianggap sebagian besar pemain utama lainnya dalam statistik / data mining atau perusahaan. Namun, kami menemukan bahwa nilai proposisi untuk solusi open source itu terlalu menarik untuk membenarkan harga premium bahwa solusi komersial akan diperlukan . Adopsi R dan berbagai paket dan algoritma yang tersedia untuk itu , membuat pilihan yang mudah . Kami menyukai RapidMiner sebagai cara untuk merancang terstruktur, proses berulang dan kemampuan untuk mengoptimalkan parameter pelajar dengan cara yang sistematis . Hal ini juga ditangani set data besar lebih baik daripada R pada 32- bit Windows lakukan. GUI , terutama ketika 5.0 dirilis , membuatnya lebih bermanfaat daripada R untuk analis yang tidak berpengalaman programmer.

E.     Cakupan Fungsional Rapidminer

      RapidMiner adalah solusi data mining di seluruh dunia terkemuka karena kombinasi dari berbagai fungsional dan teknologi terdepan nya. Aplikasi dari RapidMiner memiliki penyebaran yang luas dalam data mining di seluruh dunia. Cakupan fungsionalnya meliputi :

·         dedicated dan berorientasi hasil Analis Analis Bisnis / Data dengan Enam tahun pengalaman di berbagai domain seperti Keuangan , asuransi, E-commerce, pemerintah dengan pengetahuan yang mendalam dalam Analisis Statistik ,Data mining ,SPSS dan Analisis Data .

·         Mahir dalam Menciptakan dan Transformasi Bisnis Persyaratan menjadi kebutuhan perangkat lunak spesifikasi ( SRS ) menggunakan MS Word.

·         Ahli dalam menciptakan Rencana Manajemen Risiko , kebutuhan pengguna Specification ( URS ) , Fungsional Spesifikasi Kebutuhan ( FRS ) , Kebutuhan Bisnis Dokumen ( BRDs ) .

·         Pengalaman yang luas dalam metodologi Agile dan Waterfall .

·         Kemahiran dalam menganalisa dan Menciptakan Gunakan kasus , Use Case Diagram , Activity diagram , Bisnis Flow Diagram dan urutan diagram menggunakan MS Visio .

·         Keahlian dalam MS Office Suite , MS Visio , SPSS , alat statistik , Alat Keuangan , Model Diskon Dividen dan HP Pusat Kualitas .

·         Diselenggarakan banyak perkembangan Aplikasi Bersama ( JAD ) dan sesi Bersama Perencanaan Kebutuhan ( JRP ) , Wawancara , lokakarya dan sesi persyaratan elisitasi dengan pemegang end-user/clients/stake dan kelompok pengembangan .

·         ekstensif berinteraksi dengan Tim QA dalam penciptaan Rencana Uji , Uji Memberikan Data, Membuat dan Kasus Uji .

·         Pengalaman di Black Box Testing dan Pengujian Penerimaan Pengguna ( UAT ) .

·         ketajaman bisnis yang kuat , pemikiran strategis , kemampuan interpersonal dan presentasi , mahir menciptakan , mengedit , dan mengkoordinasikan jaringan komunikasi yang luas dengan komunikasi yang baik , kemampuan analisis dan keterampilan resolusi konflik .

·         pengalaman komprehensif dalam merancang disesuaikan metodologi pengembangan sistem .

·         Pengalaman yang luas dalam bekerja dengan pengumpulan data AIG metodologi yang terdiri dari kompleks Template pengumpulan data , penyimpanan data dan pembuatan laporan.

·         System Development Life Cycle ( SDLC ) , Microsoft Access , Excel , Word, Power Point , Visio , Makro , Vlook - up , Hlook -up , meja Pivot , Waterfall Metodologi , Microsoft Visio , SPSS , Filemaker Pro , Agile Metodologi , backlog produk , Sprint Perencanaan , pertemuan retrospektif , praktek Scrum ,JAVA , SQL , EMC Documentum , Pre - UAT pengujian , Spesifikasi Fungsional , Pusat Kualitas HP , data mining , kurang

F.     Link Download Rapidminer

      Software olap yang diangkat penulis yaitu menggunakan software dengan rapidminer versi 5.3.013x32 software ini dapat diunduh secara gratis dengan alamat link dibawah ini :

http://sourceforge.net/projects/rapidminer/files/1.%20RapidMiner/5.3/

\