[In Media] - Data Mining Dengan R : Konsep dan Implementasinya

Kementerian Kesehatan RI telah merancang lompatan besar dunia kesehatan melalui Biomedical and Genome Science Initiative (BGSI) menuju precision medicine. Layanan kesehatan masa depan akan semakin personalized dan sesuai dengan genetika kita. Ke depannya kita membutuhkan sumber daya manusia yang memahami bioinformatika dalam jumlah besar untuk memenuhi kebutuhan implementasi program ini dan buku ini menyajikan salah satu bagian dari bioinformatika secara informatif yaitu transcriptomics dengan analisa ekspresi gen yang bermanfaat memperkaya pengetahuan. Buku ini memberikan contoh-contoh analisis dan langkah-langkah sehingga sangat memudahkan pembaca buku ini untuk mempratikkannya dari ahli hingga pemula. Harapannya dengan lahimya buku ini menjadi pemantik untuk peneliti- peneliti lain berperan dalam pengembangan data mining dalam bioinformatika untuk kemajuan Biomedical and Genome Science Initiative dan layanan kesehatan masa depan Indonesia.

Setiaji, ST., M.Si (Staf Ahli Menteri Kesehatan bidang Teknologi Kesehatan)

Penggunaan Bahasa R telah meluas dalam Analisa data statistika termasuk teknologi penginderaan jauh. Praktisi penginderaan jauh memanfaatkan Bahasa R untuk klasifikasi objek permukaan bumi yang diinderaja oleh satelit. Walaupun buku ini belum menyentuh implementasi dalam bidang penginderaan jauh (mudah-mudahan untuk buku berikutnya), namun dapat memberikan dasar pemahaman tentang Bahasa R dan dapat dimanfaatkan oleh praktisi penginderaan jauh. Buku ini tidak hanya sekedar menyajikan teori dan praktek, namun dapat menjadi panduan untuk mempelajari Bahasa R untuk data mining. Jika Anda membaca buku ini dengan selesai (tentunya dengan mengimplementasikan contoh-contoh didalamnya), maka Anda akan menguasai data mining dengan R.

(Prof. Dr. M. Rokhis Khomarudin - Periset Bidang Penginderaan Jauh)

Adapun yang dibahas dalam buku ini:

• Pengenalan Sains data dan Data Mining

• Eksplorasi dan Visualisasi Data

• Analisis Regresi

• Analisis Komponen Utama

• Analisis Faktor

• Frequent Pattern Mining

• Multivariate Anova

• Unsupervised Learning

• Supervised Learning

• Text Mining

• Analisis Sentimen

• Implementasi di bidang Bioinformatika