NPM: 2231056

Posisi: Frontend

NPM: 2231025

Posisi: Backend

NPM: 2231018

Posisi: Data Scientist

NPM: 2231051

Posisi: Data Collection

NPM: 2231069

Posisi: Backend

NPM : 2231123

Posisi : Data Scientist

Kelebihan SEMMA:

1. Struktur yang Jelas: Tahapan SEMMA mengikuti proses yang terorganisir dengan baik, sehingga memudahkan implementasi data mining.

2. Berfokus pada Data: Proses ini menekankan pada pemahaman dan persiapan data yang baik sebelum melakukan pemodelan.

Kekurangan SEMMA:

1. Tidak Menekankan Pemahaman Bisnis: SEMMA lebih teknis dan tidak banyak memperhatikan fase pemahaman masalah bisnis atau tujuan akhir.

2. Fokus pada Sampel: Metodologi ini lebih menekankan pada pengambilan sampel data, yang kadang bisa mengabaikan analisis menyeluruh dari seluruh dataset jika tidak dilakukan dengan hati-hati.

Studi kasus:

ANALISIS SENTIMEN VAKSINASI COVID-19

PADA KOMENTAR YOUTUBE DENGAN MENGGUNAKAN ALGORITMA NAIVE BAYES CLASSIFIER (NBC) DAN SUPPORT VECTOR MACHINE (SVM)

Tahapan penyelesaian :

a.Sample

Pada tahap pengumpulan data, dilakukan pengumpulan data terkait dengan proses vaksinasi Covid-19 pada kolom komentar YouTube di kanal TVOneNews dan KompasTV dengan teknik web scrapping dari bulan Maret 2021 sampai Desember 2021 yang disimpan ke dalam local database.

b.Explore

Pada tahap ini dijelaskan deskripsi data dan visualisasi data mengenai apa gambaran besar dari informasi data yang digunakan. Visualisasi data akan memperlihatkan informasi secara visual dari data.

c.Modify

Pada tahap ini dilakukan beberapa metode persiapan data (Data Preprocessing). Data dimodifikasi dengan membuat, memilih, dan mengubah variabel untuk memusatkan pemilihan model.

d.Model

Tahap ini terbagi menjadi dua, yaitu data uji dan data latih. Kemudian mengekstraksi fitur dari data yang sudah diambil sehingga data tersebut dapat dilakukan proses pemodelan machine learning. Data latih untuk melakukan prediksi label pada sentimen data yang diuji.

e.Assess

Pada tahap ini dilakukan evaluasi terhadap pemodelan yang telah dibuat, lalu membandingkan hasil yang didapat dari model prediksi terhadap data uji dengan label sentimen pada data uji yang sebelumnya sudah diberi label. Hasil evaluasi yang dilakukan dihitung berdasarkan besaran dari precision, recall dan akurasi.

SEMMA adalah metodologi yang dikembangkan oleh SAS institute untuk proses data mining. SEMMA singkatan dari lima Langkah Utama : Sample, Explore, Modify, Model, dan Assess.

SEMMA digunakan untuk membangun model Machine Learning dengan cara yang sistematis dan efisisen.

Langkah -Langkah SEMMA :

SAMPLE (sampel) : memilih subset data yang representative dari dataset yang lebih besar

EXPLORE (eksplorasi): menganalisis data untuk memahami pola, anomaly, dan hubungan antar variable (Visualisasi Data)

MODIIFY (modifikasi) : membersihkan dan mentransformasi data

MODEL (modeling) : menerapkan data mining pada data yang telah diproses untuk membuat prediksi atau klasifikasi

ASSESS (penilaian) : Mengevaluasi kinerja model terhadap data uji untuk memastikan keandalann dan kegunaan bisnis.

Kelebihan :

- struktur yang jelas : langkah-langah terdefinisi dengan baik memudahkan implementasi

- efisiensi waktu : penggunaan sampel data mengurangi waktu pemrosesan

- fleksibel : dapat diterapkan pada berbagai jenis data dan masalah bisnis

Kekurangan :

- ketergantungan pada Software : SEMMA sangat terkait dengan SAS Enterprise Miner, yang mungkin tidak tersedia di semua organisasi

- Kebutuhan Keahlian : Memerlukan pemahaman tentang statistik dan pemodelan data

Studi Kasus

ANALISIS SENTIMEN TERHADAP LAYANAN APLIKASI GRAB INDONESIA MENGGUNAKAN METODE NAÏVE BAYES

source : https://ejournal.itn.ac.id/index.php/jati/article/view/8425

Penilitian ini membahas permasalahan dari apliaksi Grab untuk mengetahui klasifikasi dari ulasan yang bersentimen positif atau negatif.

Penulis menggunakan metode SEMMA pada penelitian ini karena memiliki tahapan yang sederhana. Adapaun Tahapan Metode SEMMA yang diterapkan pada penelitian ini :

1. SAMPLE

   • melakukan crawling data dengan menghubungkan script python dan disimpan dalam bentuk CSV

2. EXPLORE

   • Melakukan filter select atribut : pada penelitian ini penulis hanya mengambil atribut text saja untuk mempermudah analisis data

   • melakukan cleaning data

   • melakukan tokenize untuk memecah kalimat menjadi pototngan kata

3. MODIIFY

   • Melakukan transform case (pemetaan huruf) dengan mengubah semua huruf menjadi huruf kecil

   • Stopword removal : menghapus kata yang tdak mempengaruhi sentimen suatu kalimat

   • Filtering kata yang memiliki huruf terlalu pendek/ disingkat

   • Wordcloud : visualisasi data set dengan mengambil kata yang sering muncul

   • data yang sudah melalui preprocessing akan dilakukan pelabelan

4. MODEL

   • menggunakan model : Naïve Bayes

   • Operator yang digunakan: CSV, Replace, Nominal to Text, dan Proses Dokumen.

   • Data preprocessing: Tokenisasi dan casefolding.

   • Penyeimbangan data: Dilakukan upsampling.

   • Evaluasi model: Diuji dengan cross-validation.

   • Hasil klasifikasi: 1667 teks diklasifikasikan sebagai sentimen positif, 69 teks sebagai sentimen negatif.

   • Persentase: Hasil sentimen positif dan negatif dihitung berdasarkan jumlah dokumen.

5. ASSESS

   • melakukan evaluasi model menggunakan cross validation. Model klasifikasi akan ditentukan nilai akurasi yang menentuan ektepatan record data yang diklasifikasi secara benar.

SEMMA adalah metodologi yang dikembangkan oleh SAS untuk analisis data dan proses data mining. SEMMA memiliki 5 langkah : Sample, Explore, Modify, Model, & Assess. SEMMA bermanfaat untuk memaksimalkan pemahaman terhadap data dan meningkatkan kualitas hasil analisis.

Kelebihan:

1. Struktur yang Jelas: memberikan langkah-langkah yang terstruktur untuk analisis data, memudahkan pemahaman dan implementasi

2. Fleksibilitas: dapat diterapkan pada berbagai jenis data dan model

3. Fokus pada Model: membantu dalam pengembangan model prediktif

   
   

Kekurangan:

1. Kompleksitas: memerlukan waktu yang cukup lama, terutama dalam pengumpulan dan pembersihan data

2. Ketergantungan pada Data: memerlukan upaya tambahan untuk memastikan data bersih supaya mendapat kualitas hasil yang bagus

3. Membutuhkan Keahlian: memerlukan keahlian dalam statistik dan pemodelan data

Studi Kasus:

Implementasi Data Mining untuk Memprediksi Kesehatan Mental Mahasiswa menggunakan Algoritma Naïve Bayes

Tahapan metode:

1. Sample

   Pada penelitian ini, dataset yang digunakan adalah dataset Student Mental Health dari Kaggle, yang berisi 101 titik data dengan 9 variabel prediktor dan 1 variabel target. Dataset tersebut kemudian dibagi menjadi data training dan testing dengan perbandingan 70:30 untuk dianalisis lebih lanjut.

   
   

2. Explore

   Pada tahap ini, data diperiksa untuk memahami struktur dan karakteristiknya. Hal ini termasuk mengidentifikasi pola, tren, dan anomali dalam kumpulan data, yang membantu dalam pengambilan keputusan yang tepat untuk langkah selanjutnya.

3. Modify

   Tahap ini berfokus pada pembersihan dan penyiapan data untuk analisis. Tahap ini mencakup memperbaiki kesalahan dalam kumpulan data, seperti memperbaiki kesalahan ejaan dalam klasifikasi jurusan (misalnya, memperbaiki “KOP” menjadi “KOE”) dan memastikan bahwa data diformat dengan benar untuk analisis.

4. Model

   Pada tahap ini, algoritma Naïve Bayes diterapkan pada set data yang telah disiapkan untuk membuat model prediksi. Model ini menghitung probabilitas hasil yang berbeda berdasarkan variabel input, yang memungkinkan klasifikasi status kesehatan mental siswa.

5. Assess

   Tahap terakhir adalah mengevaluasi kinerja model. Hal ini dilakukan dengan menggunakan Confusion Matrix untuk menganalisis keakuratan prediksi. Studi ini melaporkan akurasi 93,33% ketika menggunakan rasio pelatihan 70% dan pengujian 30%, yang menunjukkan keefektifan model dalam memprediksi hasil kesehatan mental.

Kelebihan SEMMA

• Pendekatan Terstruktur: SEMMA memberikan kerangka kerja yang jelas, memudahkan tim dalam mengikuti langkah-langkah yang sistematis.

• Fokus pada Kualitas Data: Dengan penekanan pada sampling dan eksplorasi, SEMMA mendorong pemahaman mendalam terhadap data, yang berkontribusi pada hasil yang lebih andal.

• Fleksibilitas: Metodologi ini dapat diterapkan di berbagai industri dan jenis data, sehingga relevan untuk beragam tujuan bisnis.

Kekurangan SEMMA

• Kompleksitas untuk Pemula: Bagi mereka yang baru dalam data mining, SEMMA bisa terasa membingungkan dan memerlukan waktu untuk memahami setiap langkah.

• Boros Sumber Daya: Eksplorasi dan modifikasi data bisa memakan waktu dan sumber daya komputasi, terutama dengan dataset yang besar.

• Tidak Selalu Sesuai untuk Semua Proyek: Beberapa proyek mungkin lebih cocok menggunakan metodologi lain yang lebih spesifik untuk konteks tertentu.

STUDI KASUS

Studi kasus SEMMA di dunia nyata dapat dilihat dalam prediksi penjualan ritel. Sebuah perusahaan ritel mengumpulkan data penjualan historis (Sample), menganalisis tren musiman dan outliers (Explore), memodifikasi variabel seperti diskon menjadi kategori baru (Modify), lalu membangun model prediksi penjualan menggunakan algoritma machine learning (Model). Akhirnya, mereka menilai keakuratan model tersebut dengan membandingkan prediksi dengan hasil aktual menggunakan metrik seperti MAE atau RMSE (Assess). Hasilnya memungkinkan perusahaan untuk mengoptimalkan strategi penjualan dan promosi.

Perkembangan data mining ini menghasilkan suatu metodologi yang bernama SEMMA. SEMMA dibangun oleh SAS Institute, sebuah perusahaan software Sesuai kepanjangannya, SEMMA memiliki 5 tahapan untuk melakukan eksplorasi data yaitu Sample, Explore, Modify, Model and Assess. SEMMA akan memudahkan pengguna untuk menerapkan  teknik-teknik visualisasi dan statistik yang bersifat mencari atau menjelajah, memilih dan men-transformvariable – variabel prediksi yang paling signifikan, memodelkan variable – variabel untuk memprediksi berbagai hasil, dan menkonfirmasi keakurasian suatu model. Berikut gambar penyajian SEMMA:

5 tahapan pada metode SEMMA:

1. Sample

Tahap ini merupakan opsional yaitu mengambil sampel data dengan mengkstrasi sebagian data yang besar untuk menampung informasi yang signifikan.

2. Explore

Pada tahap ini data yang sudah dikumpulkan akan diekplorasi dengan mencari tren yang tak terduga dan anomali dalam rangka untuk mendapatkan pengertian dan ide-ide.

3. Modify

Tahapan ini ialah memodifikasi data dengan menciptakan, menyeleksi dan mentransformasi variabel-variabel untuk fokus pada proses pemilihan model.

4. Model

Data yang sudah dimodifikasi akan dimodelkan dengan suatu perangkat lunak untuk mencari secara otomatis kombinasi data yang dapat diandalkan untuk memprediksi hasil yang diinginkan.

5. Assess

Tahap terakhir ialah menilai data dengan mengevaluasi kegunaan dan keandalan penemuan dari proses data miningdan mengevaluasi sebaik mana data tersebut bekerja.

Tahapan SEMMA:

1. Sample: Mengambil sampel dari dataset besar untuk analisis.

2. Explore: Menganalisis sampel untuk menemukan pola dan tren.

3. Modify: Menyesuaikan data dengan menciptakan, memilih, dan mentransformasi variabel.

4. Model: Menggunakan algoritma untuk membangun model prediktif.

5. Assess: Mengevaluasi keandalan dan kegunaan model yang dibuat.

Kelebihan:

• SEMMA memberikan kerangka kerja yang sistematis, membuat proses data mining lebih terstruktur dan mudah diikuti.

• Tahap modifikasi dan model memungkinkan pengguna untuk mempersiapkan data yang lebih sesuai dan mengembangkan model yang akurat.

• Tahap assess memungkinkan pengguna untuk mengevaluasi keandalan model dan memastikan hasilnya relevan.

Kekurangan:

• SEMMA sangat bergantung pada kualitas data awal. Jika data tidak akurat atau lengkap, maka hasilnya juga tidak akan akurat.

• Memerlukan biaya dan sumber daya yang signifikan, terutama dalam tahap modifikasi dan model.

Studi Kasus Analisis Penerapan Data Mining pada App Store dengan Matriks Korelasi dengan metode SEMMA

Apple menggunakan data mining pada App Store untuk menemukan pola dan inovasi yang dapat meningkatkan pendapatan.

1. Sample: Apple mengambil sebagian kecil data dari aplikasi di App Store, seperti jumlah unduhan dan ulasan pengguna.

2. Explore: Mereka mencari pola dan tren dalam data tersebut, misalnya aplikasi apa yang paling populer.

3. Modify: Data dimodifikasi agar lebih siap untuk analisis, seperti membersihkan data dan membuat variabel baru.

4. Model: Apple membangun model prediktif untuk memprediksi kesuksesan aplikasi di masa depan.

5. Assess: Model dievaluasi untuk memastikan keakuratannya dan kegunaannya.