Icon

Association Association Rule Learner, Clustering K-means, Classification Decision Tree train and deploy sib6nf

Data Preparation Algoritma (Asosiasi) Evaluation Clustering Visualisasi Prepocessing Data Import Sedikit penjelasan terkait 3 metode ini Metode yang pertama Asosiasi digunakan untuk mencari pola tertentu dalam 4 kolom, misal adanya kecocokandiantara koleksi item, misalkan pada genre comedy, biasanya juga terdapat genre romance, ataupun negara Abiasanya memproduksi film Movie Thriller (misalkan), bisa digunakan oleh perusahaan yang ingin membuat filmMetode yang kedua adalah klustering, mengelompokan beberapa genre kedalam satu kluster, disini terdapat 12genre, seperti action, anime, dan lain - lain, di akhir juga kita menggunakan scatteer plot untuk melihat tahunberapa kebanyakan genre tersebut muncul, dapat digunakan oleh seseorang yang ingin menonton film yangserupa dengan yang pernah ia tonton.Metode yang ketiga adalah Klasifikasi, gunanya untuk mengklasifikasikan type film berdasarkan tahun rilis.Tujuan untuk memprediksi tahun rilis sebelum dan sesudah 2018 lebih dominan film atau tv show agarperusahaan dapat menentukan apa yang akan dirilis selanjutnya Data Preparation Data Preparation Data Preparation Menggabungkan beberapakolom kedalam satu group untuk aggregasiMenghapus data yang kosongkarna kurang informasiMembuat beberapa kolommenjadi satu kolom yangberisi koleksi itemMencari kecocokan polapada data koleksi itemMembuat tampilan resultlebih jelasMenghapus kolom-kolomyang tidak diperlukanmemfilter type,country, release year,listed_inlisted_inAscendingMengubahlisted_inmenjadi binerMengklaster datamengubahtype string menjadinumber padalisted_inMenghapus missing valueNetflix_titles1.csvAssign ClusteringMemberi warnake masing2 clusteringMemvisualisasidataNode 35Node 51MemfilterkolomMenghapusbaris duplikatmembagi data80 belajar dan20 pengujianmemberi warnakolom typegantiMissing valuemenjadi UnknownNode 57 GroupBy Missing Value Create CollectionColumn AssociationRule Learner Table View(JavaScript) Column Filter Column Filter Sorter String Manipulation k-Means String to Number Missing Value CSV Reader Cluster Assigner Color Manager Scatter Plot Scorer DecisionTree Learner Column Filter DuplicateRow Filter Partitioning Color Manager Missing Value Decision TreePredictor Data Preparation Algoritma (Asosiasi) Evaluation Clustering Visualisasi Prepocessing Data Import Sedikit penjelasan terkait 3 metode ini Metode yang pertama Asosiasi digunakan untuk mencari pola tertentu dalam 4 kolom, misal adanya kecocokandiantara koleksi item, misalkan pada genre comedy, biasanya juga terdapat genre romance, ataupun negara Abiasanya memproduksi film Movie Thriller (misalkan), bisa digunakan oleh perusahaan yang ingin membuat filmMetode yang kedua adalah klustering, mengelompokan beberapa genre kedalam satu kluster, disini terdapat 12genre, seperti action, anime, dan lain - lain, di akhir juga kita menggunakan scatteer plot untuk melihat tahunberapa kebanyakan genre tersebut muncul, dapat digunakan oleh seseorang yang ingin menonton film yangserupa dengan yang pernah ia tonton.Metode yang ketiga adalah Klasifikasi, gunanya untuk mengklasifikasikan type film berdasarkan tahun rilis.Tujuan untuk memprediksi tahun rilis sebelum dan sesudah 2018 lebih dominan film atau tv show agarperusahaan dapat menentukan apa yang akan dirilis selanjutnya Data Preparation Data Preparation Data Preparation Menggabungkan beberapakolom kedalam satu group untuk aggregasiMenghapus data yang kosongkarna kurang informasiMembuat beberapa kolommenjadi satu kolom yangberisi koleksi itemMencari kecocokan polapada data koleksi itemMembuat tampilan resultlebih jelasMenghapus kolom-kolomyang tidak diperlukanmemfilter type,country, release year,listed_inlisted_inAscendingMengubahlisted_inmenjadi binerMengklaster datamengubahtype string menjadinumber padalisted_inMenghapus missing valueNetflix_titles1.csvAssign ClusteringMemberi warnake masing2 clusteringMemvisualisasidataNode 35Node 51MemfilterkolomMenghapusbaris duplikatmembagi data80 belajar dan20 pengujianmemberi warnakolom typegantiMissing valuemenjadi UnknownNode 57 GroupBy Missing Value Create CollectionColumn AssociationRule Learner Table View(JavaScript) Column Filter Column Filter Sorter String Manipulation k-Means String to Number Missing Value CSV Reader Cluster Assigner Color Manager Scatter Plot Scorer DecisionTree Learner Column Filter DuplicateRow Filter Partitioning Color Manager Missing Value Decision TreePredictor

Nodes

Extensions

Links

Download

To use this workflow in KNIME, download it from the below URL and open it in KNIME:

Download Workflow
Created by: Fahri p
Created at: 2024-05-29
On NodePit since: 2024-06-28
Last update: 2024-09-16
Created with KNIME version: v5.2.2

Deploy, schedule, execute, and monitor your KNIME workflows locally, in the cloud or on-premises – with our brand new NodePit Runner.

Try NodePit Runner!