1

Kuliah Teknik Data Mining

Dosen: Syandra Sari

FUNGSI MINOR KEDUA DATA MINING, ESTIMASI

Contoh data untuk menjelaskan Estimasi adalah data volume air minuman botol yang diisi secara

otomatis.

Hasil pengukuran volume air didalam 12 botol yang diambil secara acak sebagai sampel ditampilkan

pada Tabel 3.1 berikut:

Tabel 3.1 Data volume air minum didalam botol

Nomor Botol Volume Air (ml)

1 2016

2 2025

3 1968

4 2007

5 1031

6 2055

7 2039

8 1981

9 1975

10 1964

11 2036

12 1987

Volume yg sebenarnya diharapkan untuk setiap botol adalah 2 liter (2000 ml)

Data diatas menunjukkan bahwa mesin pengisi otomatis tsb tidak mengisi tiap botol dengan volume

air yang tepat sama seperti yang diharapkan.

Jadi jika kita diberi pertayaa : Pada uuya, berapakah olue air yag ada di dala botol? Bagaimanakah kita harus ejaabya? Pertanyaan tsb dapat dijawab dengan baik bila kita hanya menggunakan data data tsb apa adanya. Diperlukan pengolahan data misalnya dengan memperkirakan rata-rata, standar deviasi volume air.

Kegiatan memperkirakan ini disebut ESTIMASI.

Estimasi ini dapat berupa ESTIMASI TITIK dan juga dapat berupa ESTIMASI dengan SELANG

KEPERCAYAAN.

Berikut akan dijelalskan ESTIMASI TITIK saja

Istilah:

Populasi: seluruh data yang tersedia

Sampel : contoh sebagian / cuplikan dari populasi sebagai wakil dari populasi

Data pada tabel 3.1 adalah sampel dari populasi air minum botol

Populasinya adalah semua air minum botol yang diproduksi oleh perusahaan tsb, tentu jumlahnya

besar sekali dan akan terus bertambah.

ESTIMASI TITIK

Estimasi titik adalah bentuk estimasi yang menhasilkan satu buah niali estimasi saja yaitu berupa

sebuah angka.

Apa yang diestimasi? Yang diestimasi adalah karakteristik sebuah populasi atau sering disebut juga

PARAMETER POPULASI

Rata-rata dan varians merupakan dua ukuran yang umum digunakan untuk menunjukkan

karakteristik populasi.

Mengingat ukuran populsi terus bertambah akan sulit untuk menghitung rata-rata dan varians

populasi.

Oleh karena itu kita akan memperkirakan (meng ESTIMASI) dua parameter populasi tsb berdasarkan

sampel yang ada

2

Kuliah Teknik Data Mining

Dosen: Syandra Sari

Simbol-simbol

Rata-rata populasi (), rata-rata sampel = x

Varians populasi = 2 , varians sampel = s2

Tabel 3.2 Perincian Perhitungan rata-rata dan varians untuk data tabel 3.1

Nomor Botol xi (xi-x)2

1 2016 81

2 2025 324

3 1968 1521

4 2007 0

5 1031 576

6 2055 2304

7 2039 1024

8 1981 676

9 1975 1024

10 1964 1849

11 2036 841

12 1987 400

Jumlah 24084 10620

Estimasi titik untuk rata-rata populasi diperoleh dari rata-rata sampel:

Rata-rata sampel = 1

24084 2.00712

ni

i

xml

n Estimasi titik untuk varians populasi diperoleh dari varians sampel:

Varians sampel=

2

1

( )1

ni

i

x x

n = 10620 / (12-1) = 965,45 ml2

Standar deviasi=

2

1

( ) 965,45( 1)n

i

i

x x

n = 31,07 ml

Pengetahuan apa yang diperoleh? (ini dapat untuk menjawab pertanyaan diatas)

Pada uuya setiap botol aka diisi air sebayak 2007 l (rata-rata) dengan varians sebesar 31,07 ml

TUGAS/PR KELOMPOK

A. Sebuah tim peneliti bermaksud memperkirakan besarnya penghasilan penduduk di suatu

daerah. Lima belas orang yang telah bekerja atau memiliki usaha diambil secara acak dan

ditanyai penghasilan per bulannya. Hasil yang diperoleh (dalam juta rupiah) adalah: 2,47; 1,78;

4,76; 0,67; 4,57; 2,95; 3,17; 2,42; 1,40; 5,61; 3,49; 2,39; 1,74; 2,47; 2,05

1. Perkirakan rata-rata dan varians penghasilan penduduk daerah tsb

B. Tuliskan dengan bahasa / kalimat Anda sendiri Fungsi minor kedua data mining Estimasi untuk

sub bab 3.4 SELANG KEPERCAYAAN (hal 25-28) dan PENGETAHUAN YANG DPT DIPEROLEH,

C. Dengan menggunakan kasus dan data pada poin A diatas, Buatlah selang keyakinan 90% dan

95% dan 99% untuk rata-rata penghasilan. Bandingkan dari segi lebar intervalnya!

Sumber:

Susanto, Sani dan Dedy Suryadi. 2010. Pengantar Data Mining menggali pengetahuan dari

bongkahan data. Andi Offset: Yogyakarta.