Predictions :
Menjelaskan tentang sifat dari dasar kejadian di masa yang akan datang terhadap berbagai peristiwa tertentu berdasarkan data historis yang telah terjadi di masa lalu, seperti memprediksi pemenang dari riwayat aktivitas ‘Super Shopping atau memprediksi suhu pada hari suatu waktu untuk acara tertentu.Prediction pada umumnya berbasis opini dan pengalaman, forecasting berbasis data dan model. Itulah, secara urutan reliabilitas, orang akan mengurutkan istilah itu seperti berikut: guessing, predicting, dan forecasting. Dalam terminologi data mining, prediction dan forecasting digunakan secara sinonim, dan istilah prediksi digunakan sebagai penyajian yang umum. Bergantung dimana sifat yang alami akan diprediksikan, prediksi ini bisa disebut secara lebih spesifik menjadi klasisifikasi (dimana hal yang diprediksi, seperti ramalan esok hari, di beri label class misalnya rainy atau sunny) atau regresi (dimana hal yang diprediksi, misalnya suhu esok)
Contoh :
a) Proses Prediksi Kelulusan Mahasiswa di Perguruan Tinggi
Dari data diatas adalah salah bentuk contoh indikasi dalam kelulusannya sebagai mahasiwa, seorng mahasiswa yang akn lulus harus menempuh SKS yang penuh, apalia SKS nya tidak Penuh Maka otomatis tidak Lulus. Kemudian dengan SKS yng penuh Mahasiwa juga harus Memenuhi Standar IPK, apabila IPK rendah maka mahasiwa tidak bisa Lulus. Kalau IPK sedang dan tinggi maka mahasisiwa bisa lulus.
Sequential Relationships :
Proses nya dengan menemukan serangkaian peristiwa, menemukan berupa event denganindikator waktu yang beruntut. Sebuah sistem database, biasa disebut DBMS, terdiri dari kumpulan data yang berelasi dan saling berkorelasi antara data satu dengan data yang lainnya, diketahui dengan database, dan perangkat program yang perangkat lunak untk mengolah serta mengakses data itu. Program perangkat lunak tersebut, memberikan serangkaian tahabapan dalam menentukan jenjang dan penyimpanan database , termasuk keamanan dan distribusi data . masing table dari data itu berisi attribute (kolom/field) dan umumnya menyimpan banyak rekaman dari data (baris). Tiap tiap rekaman pada table yang berelasi lalu disajikan menjdi sebuah objek yang memiliki keyatau kunci pola data yang unik dan dapat dijelaskan dengan masing-masing point atribut. Sebuah model data semantik seperti model data entity-relationship (ER), sering digunakan untuk membangun database relasional. Model ER merepresentasikan database sebagai kumpulan dari entitas dan hubungan (relationship) nya.
Contoh :
a) Seorang Nasabah bank yang telah lama menabung di sebuah Bank, lalu ole pihak bank Memprediksi bahwa seorang nasabah bank yang sudah memiliki akun untuk checking akan segera membuka akun untuk savings dan kemudian akan membukukan akun investment dalam setahun kemudian.hal ini dilihat berdasarkan riwayayat aktivitas keuangan nya selama menabung di bank tersebut. Dari sini bisa dilihat peluang relaitions kedepannya.
b) Seseorang mencari katalog fashion di salah satu marketplace,kemudian dia melakukan pembelian dimarket place toko pedia, orang itu mencari produk katalog fashion di kolom pencarian kemudian dilanjutkan dengan pembelian di toko pedia.untuk pembelian selanjutnya pada halaman pertama maka yang muncul produk-produk fashion yang pernah dicari. Lengkap dengan atribut produk produk yang pernah dia beli sebelumnya. Misalnya dia beli celana maka pas di dashboard yang keluar adalaha baju, topi, sepatu, dan sebgaiinya. Hal ini dilihat dari kecenderungan aktivitas nya masala lalu.
*dikutip dari sumber website dan blog
Proses Predictions dan Proses Sequential Relationships