Analysis of the Gender Inequality using knowledge discovery in databases

Analiza rodne nejednakosti korištenjem otkrivanja znanja iz baza podataka izučava prisutnost rodne nejednakosti sukladno podacima o Indeksu rodne nejednakosti Programa Ujedinjenih naroda za razvoj. Navedeni indeks mjeri rodnu nejednakost u tri važna aspekta ljudskog razvoja – reproduktivno zdravlje, osnaživanje i ekonomski status, odnosno tržište rada. Indeks rodne nejednakosti analizirat će se pomoću besplatnog softverskog alata – Weke – kao jednog sveobuhvatnog alata za potrebe otkrivanja znanja iz baza podataka. Rudarenje podataka, odnosno otkrivanje znanja iz baza podataka proces je traženja vrijednih i značajnih informacija u velikim količinama podataka. Dobiveni podaci i izvedeni zaključci mogu se koristiti za unapređenje poslovanje poduzeća. U ovom radu, pomoću softvera za rudarenje podataka provest ćemo klaster analizu i analizu vremenskih serija nad indeksom rodne nejednakosti. Klaster analiza će pronaći pojedine atribute u setu podataka koji su na određeni način povezani te će ih podijeliti u skupinu odnosno klastere. Prognoziranjem vremenskih serija dobit ćemo uvid u buduće predviđeno kretanje vrijednosti Indeksa rodne nejednakosti.Cilj prognoziranja vremenskih serija je predvidjeti kretanje indeksa u budućnosti za promatrane države na temelju podataka koje posjedujemo.Gender Inequality analysis using knowledge discovery in databases studies the presence of gender inequality according to Gender Inequality Index of the United Nations Development Programme. Specified index measures gender inequalities in three important aspects of human development – reproductive health, empowerment and economic status (labour market). The Gender Inequality Index will be analyzed using a free software tool - Weka - as a comprehensive tool for discovering knowledge in databases. Data mining, i.e. discovering knowledge from databases, is a process of searching for valuable and significant information in large amounts of data. The obtained data and derived conclusions can be used to improve the business results of the company. In this paper, using data mining software, we will perform cluster analysis and time series analysis over the gender inequality index. Cluster analysis will find individual attributes in a data set that are linked in a certain way and will divide them into a group or clusters. By time series forecasting, we will gain insight into future projected trends in the value of the Gender Inequality Index. The goal of time series forecasting is to predict the movement of the index in the future for the observed countries based on the data we have