RapidMiner & WEKA

BAB I

PEMBAHASAN

A.    Pengertian dan Sejarah RapidMiner

RapidMiner adalah platform perangkat lunak ilmu data yang dikembangkan oleh perusahaan bernama sama dengan yang menyediakan lingkungan terintegrasi untuk persiapan data, pembelajaran mesin, pembelajaran dalam, penambangan teks, dan analisis prediktif. Hal ini digunakan untuk bisnis dan komersial, juga untuk penelitian, pendidikan, pelatihan, rapid prototyping, dan pengembangan aplikasi serta mendukung semua langkah dalam proses pembelajaran mesin termasuk persiapan data, hasil visualisasi, validasi model, dan optimasi.^[1] RapidMiner dikembangkan pada model inti terbuka. Dengan RapidMiner Studio Free Edition, yang terbatas untuk 1 prosesor logika dan 10.000 baris data, tersedia di bawah lisensi AGPL.^[2] Harga komersial dimulai dari $2.500 dan tersedia dari pengembang.

RapidMiner sebelumnya dikenal sebagai YALE (Yet Another Learning Environment), mulai dikembangkan pada tahun 2001 oleh Ralf Klinkenberg, Ingo Mierswa, dan Simon Fischer dari Unit Kecerdasan Buatan Universitas Teknik Dortmund.^[3] Mulai tahun 2006, perkembangannya didorong oleh Rapid-I, sebuah perusahaan yang didirikan oleh Ingo Mierswa dan Ralf Klinkenberg pada tahun yang sama.^[4] Pada tahun 2007, nama perangkat lunak itu berubah dari YALE menjadi RapidMiner. Pada tahun 2013, perusahaan melakukan rebranding dari Rapid-I menjadi RapidMiner.^[5]

RapidMiner merupakan sebuah perangkat lunak untuk melakukan analisis terhadap data mining, text mining dan analisis prediksi.RapidMiner menggunakan berbagai teknik deskriptif dan prediksi dalam memberikan wawasan kepada pengguna sehingga dapat membuat keputusan yang paling baik.RapidMiner memiliki kurang lebih 500 operator data mining, termasuk operator untuk input, output, data preprocessing dan visualisasi.

1. Beberapa sifat RapidMiner

·    Ditulis dengan bahasa pemrograman Java sehingga dapat dijalankan di berbagai sistem operasi.

·    Proses penemuan pengetahuan dimodelkan sebagai operator trees

·    Representasi XML internal untuk memastikan format standar pertukaran data.

·    Bahasa scripting memungkinkan untuk eksperimen skala besar dan otomatisasi eksperimen.

·    Konsep multi-layer untuk menjamin tampilan data yang efisien dan menjamin penanganan data.

·    Memiliki GUI, command line mode, dan Java API yang dapat dipanggil dari program lain.

2. Beberapa Fitur RapidMiner

·    Banyaknya algoritma data mining, seperti decision treee dan self-organization map.

·    Bentuk grafis yang canggih, seperti tumpang tindih diagram histogram, tree chart dan 3D Scatter plots.

·    Banyaknya variasi plugin, seperti text plugin untuk melakukan analisis teks.

·    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

·    Mengintegrasikan proyek data mining Weka dan statistika

3. Sistem Operasi  yang dibutuhkan software RapidMiner

·    Microsoft Windows (x86-32) à Windows XP, Windows Server 2003, Windows Vista, Windows Server 2008, Windows 7

·    Microsoft Windows (x64) à Windows XP untuk x64, Windows Server 2003 untuk x64, Windows Vista untuk x64, Windows Server 2008 untuk x64, Windows 7 untuk x64

·    Unix sistem 32 atau 64 bit

·    Linux sistem 32 atau 64 bit

·    Apple Macintosh sistem 32 atau 64 bit

B.     Instalasi RapidMiner

1. RapidMiner dapat diunduh pada situs resminya, yaitu www.rapid-i.com.

2. Untuk memulai instalasi software RapidMiner pada sistem operasi Microsoft Windows, jalankan file installer RapidMiner-5.3.000x32-install.exe

C.     Pengenalan Interface

Ø Tampilan pada RapidMiner dikenal dengan istilah Perspective.

Ø Pada RapidMiner terdapat 3 Perspective, yaitu;

a.       Welcome Perspective

b.      Design Perspective

c.       Result Perspective

a. Welcome Perspective

Ø Perspectives               : terdiri dari ikon-ikon untuk menampilkan perspective dari RapidMiner.

Ø  News                           : menampilkan berita terbaru mengenai RapidMiner (Jika komputer Anda terhubung dengan internet)

Ø Last Processes            : menampilkan daftar proses analisis yang baru saja dilakukan

Ø Actions                       : menunjukkan daftar aksi yang dapat Anda lakukan setelah membuka RapidMiner

Actions

1. New : Aksi ini berguna ntuk memulai proses analis baru. Untuk memulai proses analisis, pertama-tama Anda harus menentukan nama dan lokasi proses dan Data Repository. Setelah itu, Anda bisa mulai merancang sebuah analisis baru.

2. Open Recent Process : Aksi ini berguna untuk membuka proses yang baru saja ditutup. Selain aksi ini, Anda juga bisa membuka proses yang baru ditutup dengan mengklik dua kali salah satu daftar yang ada pada Recent Process. Kemudian tampilan Welcome Perspective akan otomotasi beralih ke Design Perspective.

3. Open Process : Aksi ini untuk membuka Repository Browser yang berisi daftar proses. Anda juga bisa memilih proses untuk dibuka pada Design Perspective.

4. Open Template : Aksi ini menunjukkan pilihan lain yang sudah ditentukan oleh proses analisis.

5. Online Tutorial : Aksi digunakan untuk memulai tutorial secara online (terhubung internet). Tutorial yang dapat secara langsung digunakan dengan RapidMiner ini, memberikan perkanalan dan beberapa konsep data mining. Hal ini direkomendasikan untuk Anda yang sudah memiliki pengetahuan dasar mengenai data mining dan sudah akrab dengan operasi dasar RapidMiner.

Wellcome View

Ø Close : Aksi ini untuk menutup view yang ditampilkan pada perspective. Anda bisa menampilkan view kembali dengan mengklik menu view dan memilih view yang ingin ditampilkan.

Ø Maximize : Aksi ini untuk memperbesar ukuran view pada perspective.

Ø Minimize : Aksi ini untuk memperkecil ukuran view pada perspective.

Ø Detach : Aksi ini untuk melepaskan view dari perspective menjadi jendela terpisah, kemudian Anda juga dapat memindahkannya sesuai dengan keinginan Anda.

b. Design Perspective

Design Perspective merupakan lingkungan kerja RapidMiner. Dimana Design Perspective ini merupakan perspective utama dari RapidMiner yang digunakan sebagai area kerja untuk membuat dan mengelola proses analisis.

Nb : Anda bisa mengganti perspective dengan mengklik menu view, kemudian pilih perspective, lalu pilih perspective yang ingin Anda tampilkan, atau dengan memilih icon perspektif yang terdapat pada menu utama

a) Design Perspective - Operator View

Semua operator atau langkah kerja dari RapidMiner disajikan dalam bentuk kelompok hierarki di Operator View, sehingga operator-operator tersebut dapat digunakan pada proses analisis

Ø Process Control : Operator ini terdiri dari operator perulangan dan percabangan yang dapat mengatur aliran proses.

Ø Utility : Operator bantuan, seperti operator macros, loggin, subproses, dan lain-lain.

Ø Repository Access : Kelompok ini terdiri dari operator-operator yang dapat digunakan untuk membaca atau menulis akses pada repository.

Ø Import : Kelompok ini terdiri dari banyak operator yang dapat digunakan untuk membaca data dan objek dari format tertentu seperti file, database, dan lain-lain.

Ø Export : Kelompok ini terdiri dari banyak operator yang dapat digunakan untuk menulis data dan objek menjadi format tertentu.

Ø Data Transformation : kelompok ini terdiri dari semua operator yang berguna untuk transformasi data dan meta data.

Ø Modeling : kolompok ini berisi proses data mining untuk menerapkan model yang dihasilkan menjadi set data yang baru.

Ø Evaluation : kelompok ini berisi operator yang dapat digunakan untuk menghitung kualitas pemodelan dan untuk data baru.

b) Design Perspective – Repository View

View ini dapat Anda gunakan untuk mengelola dan menata proses Analisis Anda menjadi proyek dan pada saat yang sama juga dapat digunakan sebagai sumber data dan yang berkaitan dengan meta data.

c) Design Perspective – ProcessView

Process View menunjukkan langkah-langkah tertentu dalam proses analisis dan sebagai penghubung langkah-langkah tersebut.

Pada dasarnya bekerja dengan RapidMiner ialah mendefinisikan proses analisis, yaitu dengan menunjukkan serangkaian langkah kerja tertentu. Dalam RapidMiner, komponen proses ini dinamakan sebagai operator.

Operator pada RapidMiner didefinisikan sebagai berikut: 

•      Deskripsi dari input yang diharapkan.

•      Deskripsi dari output yang disediakan.

•      Tindakan yang dilakukan oleh operator pada input, yang akhirnya mengarah dengan penyediaan output.

Sejumlah parameter yang dapat mengontrol action performed.

d)Design Perspective – Parameter View

Beberapa operator dalam RapidMiner membutuhkan satu atau lebih parameter agar dapat diindikasikan sebagai fungsionalitas yang benar. Namun terkadang parameter tidak mutlak dibutuhkan, meskipun eksekusi operator dapat dikendalikan dengan menunjukkan nilai parameter tertentu.

Huruf tebal berarti bahwa parameter mutlak harus didefinisikan oleh analis dan tidak memiliki nilai default. Sedangkan huruf miring berarti bahwa parameter diklasifikasikan sebagai parameter ahli dan seharusnya tidak harus diubah oleh pemula untuk analisis data.

Poin pentingnya ialah beberapa parameter hanya ditunjukkan ketika parameter lain memiliki nilai tertentu.

e) Design Perspective – Help&Comment View

Setiap kali Anda memilih operator pada Operator View atau Process View, maka jendela bantuan dalam Help View akan menunjukkan penjelasan mengenai operator ini.

Sedangkan Comment View merupakan area bagi Anda untuk menuliskan komentar pada langkah-langkah proses tertentu. Untuk membuat komentar, Anda hanya perlu memilih operator dan menulis teks di atasnya dalam bidang komentar. Kemudian komentar tersebut disimpan bersama-sama dengan definisi proses Anda. Komentar ini dapat berguna untuk melacak langkah-langkah tertentu dalam rancangan nantinya.

f)  Design Perspective – Problem & Log View

Problem View merupakan komponen yang sangat berharga dan merupkan sumber bantuan bagi Anda selama merancang proses analisis. Setiap peringatan dan pesan kesalahan jelas ditunjukkan dalam Problem View.

Pada kolom Message, Anda akan menemukan ringkasan pendek dari masalah.

Kolom Fixes memberikan gambaran dari kemungkinan solusi tersebut, baik secara langsung sebagai teks (jika hanya ada satu kemungkinan Solusi) atau sebagai indikasi dari berapa banyak kemungkinan yang berbeda untuk memecahkan masalah.

Kolom Location berisi tempat di mana masalah muncul dalam bentuk nama Operator dan nama port input yang bersangkutan.

c.  Cara Menggunakan Repositori

Repositori merupakan Tabel, database, koleksi teks, yang kita miliki untuk dapat digali datanya untuk mendapatkan informasi yang kita inginkan. Ini merupakan awal dari seluruh proses Data Mining.RapidMiner menyediakan contoh database yang dapat digunakan

§ Sample Data Repository

Pada bagian Repositori terdapat 3 buah lokasi repositori : yakni Samples, DB, Local Repository. 

Untuk mengambil Sample Data Repository,  buka hirarki Samples, masuk ke folder Data.

§ Import Repository

  RapidMiner menyediakan layanan agar pengguna dapat mengimport database miliknya.

  RapidMiner memiliki kelebihan tersendiri yakni dapat langsung melakukan import file dengan ekstensi .xls atau .xlsx, yakni file dari Microsoft Excel, Program yang relatif sering digunakan oleh pengguna.

  Berikut adalah cara untuk melakukan import file Microsoft Excel.

  

 

D.    WEKA

Gambar 1. WEKA Graphical User Interface

WEKA merupakan sebuah perangkat lunak yang menerapkan berbagai algoritma machine learning untuk melakukan beberapa proses yang berkaitan dengan sistem temu kembali informasi atau data mining. Beberapa fitur unggulan yang dimiliki oleh WEKA yaitu:

·         Classification
Di dalam WEKA terdapat banyak algoritma yang mendukung untuk proses klasifikasi sebuah objek serta pengguna dimudahkan dalam melakukan implementasi secara langsung. User dapat melakukan load dataset, melakukan pemilihan algoritma untuk klasifikasi, kemudian diberikan beberapa representasi data yang mewakili hasil akurasi, tingkat kesalahan dari proses klasifikasi.

·         Regression
Regression merupakan sebuah proses yang dapat melakukan suatu prediksi terhadap berbagai pola yang sudah terbentuk sebelumnya yang dijadikan sebagai model data. Tujuan dari regression adalah menciptakan suatu variabel baru yang mewakili suatu representasi perkembangan data pada masa yang akan datang. WEKA mendukung proses regression dan hal tersebut dipermudah dengan user interface/user experience yang sederhana.

·         Clustering
Clustering merupakan salah satu cabang konsep dari unsupervised method dari machine learning yang bertujuan untuk melakukan pengelompokan data dan juga menjelaskan hubungan/relasi yang ada di antara data tersebut dan memaksimalkan kesamaan antar satu kelas/cluster tetapi meminimumkan kesamaan antar kelas/cluster. Clustering digunakan untuk analisa suatu data dan diharapkan menghasilkan suatu representasi data yang mewakili suatu pola yang terbentuk akibat relasi yang ada antar data. 

Di dalam WEKA tersedia beberapa pendekatan algoritma untuk menangani permasalahan clustering dan pada fitur ini juga terdapat bagian kesimpulan dari proses clustering data yang memberikan secara garis besar perhitungan dan hasil yang diberikan dalam implementasi algoritma clustering.

·         Association Rules
Association Rules merupakan metode yang digunakan untuk menemukan berbagai relasi antara banyaknya variabel yang terdapat di dalam sebuah basis data dengan jumlah yang besar.

·         Visualization
WEKA memiliki fitur untuk memberikan sebuah representasi data hasil sebuah proses data mining dalam bentuk gambar atau chart yang juga dapat dilakukan pemilihan berbagai parameter yang mendukung dalam membentuk representasi data yang ada dalam aplikasi WEKA.

Gambar 2. Fitur Visualisasi WEKA

Data PreprocessingWEKAmenyediakan fitur dalam hal data preprocessing yaitu stemming dan stopword removal. Proses stemming dan stopword removal yang ada di dalam perangkat lunak WEKA berbasiskan Bahasa Inggris, sehingga untuk implementasi bahasa diluar bahasa inggris diharuskan untuk melakukan proses processing data di luar aplikasi WEKA. Beberapa algoritma stemming yang telah disediakan oleh WEKA adalah Interated Lovins Stemmer, Lovins Stemmer dan Snowball Stemmer.

Gambar 3. WEKA: Algoritma Stemming

Data yang digunakan pada Weka adalah dengan format ekstensi .arff. Anda bisa membuka file dengan ekstensi ini dengan berbagai macam text editor, misalnya Notepad.

Contoh file berformat .arff adalah sebagai berikut:

https://intanoktaria07.blogspot.com/2018/05/rapid-miner.html

https://id.wikipedia.org/wiki/RapidMiner

https://socs.binus.ac.id/2018/11/29/weka-software-untuk-memahami-konsep-data-mining/