Buku ini layak dibaca dan dimiliki oleh mereka yang memerlukan dasar-dasar teori untuk Data Mining. Sangat mudah dipahami oleh pemula. Ada di toko-toko buku di Indonesia, terutama Toga Mas. Berisi beberapa teknik data mining seperti : klastering, decision tree, K-nearest neighbor, k-means, support vector machines, naive bayes, association rule, artificial neural networks, linear discriminant analysis, dll. Disertai juga bab pendahuluan untuk mengantar pembaca memahami data mining secara lebih mudah. Juga disertai contoh aplikasi dengan menggunakan software Matlab.
Isi Buku

1 Pendahuluan
2 Beberapa Konsep Dasar
2.2 Pengenalan Pola, Data Mining dan Machine Learning
2.3 Variabel, Fitur dan Atribut
2.4 Supervised dan Unsupervised Learning
2.5 Jenis Nilai Variabel
2.6 Klasifikasi dan Pendekatan Fungsi (Regresi)
2.7 Klasifikasi Dua Kelas dan Multi Kelas
2.8 Transformasi Data
2.9 Missing Value .
2.18 Lagrange Multiplier

3 Teknik Klastering
3.3 Klastering Hirarki (Hierarchical Clustering)
3.3.1 Kemiripan dan Ketidakmiripan .
3.3.2 Dendrogram
3.4 K-means
3.5 Fuzzy K-means
3.6 Fungsi Kriteria Untuk klastering
3.7 Implementasi Klastering dengan Matlab
3.8 K-Nearest Neighbor

4 Analisis Diskriminan
4.3 Ide Dasar LDA Dua kelas .
4.5 Analisis Diskriminan untuk Multi Kelas
5 Klasifikasi Berdasarkan Teorema Bayes
5.4 Bayes Learning .
5.5 Klasifier Naive Bayes

6 Decision Tree
6.4 Bagaimana Memilih Atribut? . . .
6.4.1 Beberapa Kriteria Pemilihan Atribut . . . .
6.5 Jenis-jenis Decision Tree . . . . .
6.5.1 CART . . . . . . . . . . . . . . . . . .
6.5.2 ID3 dan C4.5 . . . . . . . . . . . . . .

7 Artificial Neural Networks
7.3 Mengapa Perlu ANN? . . . .
7.4 Model Komputasi untuk Neuron . . .
7.5 Model Neuron . . . . . . . . . . . . . . . . . . .
7.6 Macam-macam Fungsi Aktivasi . . . . . . .
7.7 Single-Layer Perceptrons . . . . . .
7.8 Prosedur Learning . . . . . . . . . . . . . . . . . .
7.8.1 Perceptron . . . . . . . . . . . . . . . . . .
7.8.2 Gradient Descent . . . . . . . . .
7.8.3 Metoda Newton . . . . . . . . . . . . .
7.8.4 Least Mean Square . . . . . . . . . . . .
7.9 Algoritma Back-Propagasi . . . . .
7.10 Validasi . . . . . . . . . . . . . . . . . . .
7.12 Implementasi ANN dengan Matlab . . . . . . .

8 Support Vector Machines 145
8.1 Tujuan Instruksional . . . . . . . . . . . . . . . . . .
8.2 Ide Dasar Support Vector Machine . . . . . . .
8.3 Formulasi Matematis . . . . . . . . . . . . .
8.4 Metoda Kernel . . . . . . . . . . . . . . . . . . . .
8.5 Implementasi . . . . . . . . . . . . . . . . . . . . . . . .
8.6 Neural Networks (ANN) dan SVM . . . . . . . . . . . .
8.7 Implementasi SVM dengan Matlab . . . . . .

.
9 Support Vector Machines untuk Multi-Kelas
9.3 Metoda Satu-lawan-Semua (SLA) . . . . .
9.4 Metoda Satu-lawan-Satu (SLU) . . .
9.5 One Optimization Problem . . . . . .

10 Regresi Linier
10.2 Regresi Linier Sederhana . . . . . . . . .
10.3 Regresi Linier Multivariate . . . . . . . . .
10.4 Regresi Logistik

11 Support Vector Regresi
11.4 Formulasi SVR dalam QP Standar . . . . . . . .
11.5 Loss Function . . . . . . . . . . . . . . . . . . . . . . . . . .
11.6 Implementasi SVR Dengan Matlab

12 Pemilihan Variabel
12.3 Principal Component Analysis . . . . . . . . .
12.4 Seleksi Variabel dengan Branch and Bound . . . .
12.5 Metoda Sub-optimal . . . . . . .
12.5.1 Genetic algorithm . . . . . . .
12.5.2 Sequential search (direct) . . . . . . .
12.5.3 Sequential search (dynamic) . . . . .
12.6 Seleksi Variabel Dengan Support Vector Machine

13 Metoda Berbasis Kernel
13.3 Kernel K-means . . . . . . . . . . . . .
13.4 Kernel LDA . . . . . . . . . .
13.5 Least Square Support Vector Machine .
13.6 Minimax Probability Machines . . . .
13.6.1 Regresi . . . . . . .
13.6.2 Klasifikasi . . . . . .
13.7 Cross-validation . . . . . . . . . . . . . .
13.8 Pemilihan Metoda Prediksi . . . . .

14 Aturan Asosiasi
14.3 Aturan Asosiasi Dalam Transaksi . . . . . .
14.5 Memilih Aturan Yang Kuat . . . . .
14.6 Lift Rasio . . . . .
14.7 Format Data . .

Harga: Rp 60.000+ongkos kirim

Untuk memesan buku ini bisa menghubungi penulis, Budi Santosa di budi_s@ie.its.ac.id atau shima1907@yahoo.com