RapidMiner Tutorial Bahasa Indonesia: Proyek Klasifikasi Pertama

RapidMiner adalah aplikasi data mining yang bikin kamu nyusun alur analisis lewat kotak operator, tanpa nulis satu baris kode.

Buat mahasiswa yang skripsinya butuh model klasifikasi dan belum siap belajar Python, ini jalan tercepat sampai ke hasil.

Tutorial ini bawa kamu dari pasang aplikasi sampai baca akurasi model, pakai data churn pelanggan 300 baris.

Apa itu RapidMiner?

RapidMiner adalah aplikasi data mining berbasis alur kerja visual. Kamu narik kotak yang namanya operator ke kanvas, nyambungin kabel antar kotak, lalu tekan tombol jalan. Tiap operator ngerjain satu tugas: baca file, bersihin data, latih model, atau ngukur hasilnya. Nggak ada kode yang perlu ditulis.

Satu catatan nama. RapidMiner diakuisisi Altair pada 2022, dan aplikasinya sekarang dirilis dengan nama Altair AI Studio.

Antarmuka dan konsepnya masih sama, jadi tutorial ini tetap jalan. Kalau kamu nyari unduhan dan nemu nama Altair, itu yang benar.

Apa yang perlu disiapkan sebelum mulai?

1. Unduh aplikasinya dari situs resmi, lalu pasang. Ukurannya sekitar 1 GB dan butuh Java yang udah ikut di dalam pemasangnya.
2. Daftar akun. Aplikasinya minta login sekali di awal.
3. Kalau kamu mahasiswa, ajukan lisensi pendidikan pakai email kampus. Batas jumlah barisnya jauh lebih longgar dari versi gratis biasa.
4. Siapkan data dalam format CSV atau Excel, satu baris per pelanggan.

Referensi lengkap tiap operator ada di dokumentasi resmi RapidMiner. Simpan tautannya, kamu bakal sering balik ke sana.

Datanya: churn pelanggan Toko Berkah

Aku pakai data latihan ngulikdata: 300 pelanggan langganan pengiriman sembako bulanan Toko Berkah. Kolomnya:

Kolom	Tipe	Contoh isi
id_pelanggan	teks	PLG-0142
umur	angka	34
lama_langganan_bulan	angka	11
total_belanja	angka	2450000
jumlah_komplain	angka	2
kota	teks	Bandung
churn	teks	ya / tidak

Dari 300 baris, 84 pelanggan berhenti langganan. Jadi porsi kelas churn 28%.

Angka itu penting diingat sampai akhir, soalnya dia yang nentuin apakah akurasi modelmu berarti atau nggak.

Langkah 1: Impor data ke repository

Klik menu File, pilih Import Data, lalu arahkan ke file CSV kamu.

Di layar pratinjau, cek tiga hal:

• Pemisah kolom benar. Data Indonesia sering pakai titik koma, bukan koma.
• Baris pertama dikenali sebagai nama kolom.
• Tipe tiap kolom benar. Kolom total_belanja harus integer atau real, bukan polynominal.

Kalau kolom angka kebaca sebagai teks, biasanya penyebabnya pemisah ribuan. Bersihin dulu di spreadsheet sebelum impor, karena data quality yang jelek bakal ngerusak semua langkah berikutnya.

Simpan hasilnya ke folder Local Repository dengan nama churn_toko_berkah.

Langkah 2: Bikin proses baru dan tarik data ke kanvas

Klik File lalu New Process, pilih Blank.

Dari panel Repository di kiri, seret churn_toko_berkah ke kanvas tengah. Kotak Retrieve muncul otomatis.

Sambungkan port keluaran kotak itu ke port res di tepi kanan, lalu tekan tombol jalan berwarna biru. Kalau tabel datamu muncul di tab Results, sampai sini semuanya benar.

Kebiasaan bagus: jalanin proses tiap nambah satu operator. Lebih gampang nemu masalahnya daripada nyusun tujuh kotak sekaligus lalu bingung mana yang error.

Langkah 3: Tentukan kolom mana yang jadi target

Cari operator Set Role di kotak pencarian panel Operators, lalu seret ke kanvas.

Klik operator itu, dan di panel Parameters isi:

attribute name : churn
target role    : label

Peran label ngasih tau RapidMiner bahwa kolom itu yang mau ditebak.

Kolom id_pelanggan juga perlu diatur. Tambahkan satu Set Role lagi dengan target role id, atau buang kolomnya pakai operator Select Attributes.

Kalau id_pelanggan dibiarkan sebagai atribut biasa, model bakal nganggap nomor pelanggan sebagai petunjuk. Itu salah satu penyebab paling umum akurasi palsu yang tinggi.

Langkah 4: Pasang Cross Validation

Cari operator Cross Validation dan seret ke kanvas, sambungkan setelah Set Role.

Di panel Parameters, atur:

number of folds  : 10
sampling type    : stratified sampling

Stratified sampling mastiin porsi kelas churn 28% tetap sama di tiap lipatan. Tanpa itu, satu lipatan bisa kebagian kelas churn terlalu sedikit dan hasilnya jadi kacau.

Cross Validation ini operator bersarang. Klik dua kali kotaknya buat masuk ke dalam, dan kamu bakal lihat dua ruang: Training di kiri, Testing di kanan.

Langkah 5: Isi ruang Training dan Testing

Di ruang Training, seret operator Decision Tree. Sambungkan port tra ke input operator, lalu keluarannya ke port mod.

Di ruang Testing, seret dua operator berurutan:

1. Apply Model. Port mod masuk ke input mod, port tes masuk ke input unl.
2. Performance (Classification). Keluaran lab dari Apply Model masuk ke sini, lalu sambungkan ke port per.

Di operator Performance, centang kotak yang kamu butuhkan: accuracy, precision, recall, dan f_measure.

Alur lengkapnya jadi tujuh operator:

Retrieve -> Set Role -> Cross Validation
                          |- Training: Decision Tree
                          |- Testing : Apply Model -> Performance

Langkah 6: Atur parameter Decision Tree

Klik operator Decision Tree dan lihat parameternya. Empat yang paling ngaruh:

Parameter	Nilai awal yang aman	Efeknya
criterion	gain_ratio	Cara milih kolom pemecah tiap cabang
maximal depth	5	Batas kedalaman pohon, makin dalam makin gampang hafalan
minimal leaf size	10	Jumlah minimal baris di tiap daun
apply pruning	dicentang	Motong cabang yang nggak nambah manfaat

Mulai dari kedalaman 5. Kalau pohonnya terlalu sederhana dan akurasinya jelek, naikin pelan-pelan ke 8 atau 10.

Kedalaman 20 di data 300 baris hampir pasti bikin model hafal data latih, dan hasilnya jelek waktu ketemu pelanggan baru.

Langkah 7: Jalankan dan baca hasilnya

Tekan tombol jalan. Setelah beberapa detik, tab Results kebuka dengan beberapa panel.

Hasil dari data latihan ini:

accuracy: 82,3% +/- 5,1%

              true tidak  true ya   class precision
pred. tidak       198        33         85,7%
pred. ya           20        49         71,0%
class recall      90,8%     59,8%

Sekarang bagian yang paling sering salah dibaca.

Akurasi 82,3% kedengeran bagus. Tapi kalau model asal nebak "tidak churn" ke semua pelanggan, akurasinya langsung 72% tanpa usaha apa-apa.

Jadi model ini cuma unggul 10 poin dari tebakan malas.

Yang lebih penting: recall kelas churn cuma 59,8%. Dari 82 pelanggan yang beneran berhenti, model cuma nangkap 49. Sisanya lolos tanpa peringatan.

Kalau tujuanmu nyegah pelanggan kabur, angka 59,8% itu yang harus kamu naikin, bukan akurasinya. Alasan lengkapnya ada di cara baca confusion matrix dari sisi bisnis.

Gimana cara naikin recall kelas churn?

Ada tiga cara di RapidMiner yang bisa kamu coba berurutan.

Pertama, pakai bobot kelas. Operator Decision Tree di RapidMiner nerima input weight, dan kamu bisa naikin bobot kelas churn lewat operator Generate Weight (Stratification).

Kedua, seimbangkan data latih pakai operator Sample (Bootstrapping) atau SMOTE dari extension. Ini nambah contoh kelas minoritas biar model lebih memperhatikan mereka.

Ketiga, ganti algoritmanya. Coba Random Forest atau Naive Bayes dan bandingin hasilnya di operator Performance yang sama. Cara kerja Naive Bayes bisa kamu pahami dulu lewat contoh hitung manualnya.

Uji satu perubahan per percobaan. Kalau kamu ganti tiga hal sekaligus, kamu nggak tau mana yang bikin angkanya bergerak.

Gimana cara lihat aturan pohonnya?

Di tab Results, klik panel Tree (Decision Tree). Kamu bakal lihat diagram pohon dan versi teksnya di tab Description.

Contoh potongan aturan dari model ini:

jumlah_komplain > 2
|   lama_langganan_bulan <= 6: ya (31 / 4)
|   lama_langganan_bulan > 6: tidak (12 / 9)
jumlah_komplain <= 2
|   total_belanja <= 850000: ya (18 / 11)
|   total_belanja > 850000: tidak (137 / 8)

Angka dalam kurung itu jumlah baris yang jatuh ke daun tersebut, dipisah antara yang cocok dan yang nggak.

Aturan paling atas gampang dijelasin ke tim: pelanggan baru yang udah komplain lebih dari dua kali punya risiko berhenti paling tinggi.

Kemampuan nunjukin aturan sejelas ini yang bikin decision tree sering dipilih buat presentasi, walau algoritma lain kadang lebih akurat.

Kesalahan umum pemula di RapidMiner

1. Lupa Set Role. Tanpa label, operator model nolak jalan dan pesan errornya nggak langsung jelas.
2. Naruh Decision Tree di luar Cross Validation. Modelnya kelatih sekali di semua data dan hasil ujinya jadi terlalu bagus.
3. Ninggalin kolom ID sebagai atribut. Akurasi melonjak, model nggak berguna.
4. Ngabaikan nilai kosong. Pakai operator Replace Missing Values sebelum masuk ke model.
5. Nggak ngecek nilai ekstrem. Satu pelanggan dengan total belanja 100 kali lipat bisa mendominasi pemecahan cabang. Cek dulu outlier di kolom angka.
6. Nyimpulin dari akurasi doang. Selalu bandingin sama porsi kelas mayoritas.

Kapan pakai RapidMiner, kapan pindah ke Python?

Situasi	Pilihan
Skripsi dengan data di bawah 10 ribu baris	RapidMiner
Perlu nunjukin alur ke dosen atau tim non-teknis	RapidMiner
Proses harus jalan otomatis tiap hari	Python
Butuh algoritma terbaru yang belum ada operatornya	Python
Kerja bareng lewat Git dan review kode	Python

Banyak orang mulai dari RapidMiner buat ngerti alurnya, lalu pindah ke Python setelah paham urutan langkahnya. Urutan belajar itu masuk akal, karena konsepnya sama persis cuma bungkusnya beda.

FAQ

RapidMiner gratis atau berbayar?

Ada versi gratis dengan batas jumlah baris data, dan ada lisensi pendidikan gratis buat mahasiswa serta dosen yang batasnya jauh lebih longgar. Buat skripsi dengan data di bawah 10 ribu baris, versi gratisnya biasanya cukup. Daftar lisensi pendidikan pakai email kampus lewat situs resminya.

Kenapa nama RapidMiner berubah jadi Altair AI Studio?

RapidMiner diakuisisi Altair pada 2022, dan produknya dirilis ulang dengan nama Altair AI Studio. Antarmuka dan konsep operatornya masih sama, jadi tutorial lama tetap bisa diikuti. Kalau kamu nyari unduhan dan yang muncul nama Altair, itu aplikasi yang benar.

Bedanya Split Data dan Cross Validation di RapidMiner apa?

Split Data motong data sekali jadi bagian latih dan bagian uji, jadi hasilnya cepat tapi tergantung potongan mana yang kebetulan kepilih. Cross Validation motong data jadi beberapa lipatan lalu ngelatih dan nguji bergantian. Buat data di bawah beberapa ribu baris, Cross Validation lebih bisa dipercaya.

Kenapa operator Decision Tree harus ditaruh di dalam Cross Validation?

Karena Cross Validation adalah operator bersarang yang punya dua ruang: Training dan Testing. Model harus dilatih ulang di tiap lipatan, jadi Decision Tree wajib ada di ruang Training. Kalau kamu taruh di luar, model dilatih sekali di seluruh data dan hasil pengujiannya jadi terlalu bagus buat dipercaya.

RapidMiner bisa diganti Python nggak?

Bisa, dan hasil modelnya setara. Yang beda cuma cara kerjanya: RapidMiner pakai kotak visual, Python pakai kode. RapidMiner unggul waktu kamu perlu nunjukin alur ke dosen atau tim non-teknis. Python unggul waktu kamu perlu ngulang proses yang sama otomatis.

Rangkuman

Tujuh operator udah cukup buat proyek klasifikasi pertama: Retrieve, Set Role, Cross Validation, Decision Tree, Apply Model, dan Performance.

Jalanin prosesnya tiap nambah satu kotak. Kebiasaan ini nghemat waktu debugging lebih banyak dari trik apapun.

Dan waktu hasilnya keluar, jangan berhenti di akurasi 82,3%. Bandingin sama porsi kelas mayoritas 72%, lalu lihat recall kelas yang beneran kamu pedulikan.

Lanjut belajar cara baca hasil modelnya di artikel confusion matrix, atau latihan nyiapin datanya dari database di NgulikSQL.