Data Maining
Data Mining adalah
Serangkaian proses untuk menggali nilai tambah berupa informasi yang
selama ini tidak diketahui secara manual dari suatu basisdata dengan
melakukan penggalian pola-pola dari data dengan tujuan untuk
memanipulasi data menjadi informasi yang lebih berharga yang diperoleh
dengan cara mengekstraksi dan mengenali pola yang penting atau menarik
dari data yang terdapat dalam basisdata.
Fungsi & Tujuan Data Maining
Data Mining mengidentifikasi fakta- fakta atau kesimpulan-kesimpulan
yang di sarankan berdasarkan penyaringan melalui data untuk menjelajahi
pola-pola atau anomali-anomali data. Data Mining mempunyai 5 fungsi:
a. Classification
Classification, yaitu menyimpulkan definisi-definisi karakteristik
sebuah grup. Contoh: pelanggan-pelanggan perusahaan yang telah berpindah
kesaingan perusahaan yang lain.
b. Clustering
Clustering, yaitu mengindentifikasikan kelompok-kelompok dari
barang-barang atau produk-produk yang mempunyai karakteristik
khusus(clustering berbeda dengan classification, dimana pada clustering
tidak terdapat definisi-definisi karakteristik awak yang di berikan pada
waktu classification.)
c. Association
Association, yaitu mengidentifikasikan hubungan antara kejadian-kejadian
yang terjadi pada suatu waktu, seperti isi-isi dari keranjang belanja.
d. Sequencing
Hampir sama dengan association, sequencing mengidentifikasikan
hubungan-hubungan yang berbeda pada suatu periode waktu tertentu,
seperti pelanggan-pelanggan yang mengunjungi supermarket secara
berulang-ulang.
e. Forecasting
Forecasting memperkirakan nilai pada masa yang akan datang berdasarkan
pola-pola dengan sekumpulan data yang besar, seperti peramalan
permintaan pasar.
Tujuan data mining antara lain:
a. Explanatory
Untuk menjelaskan beberapa kondisi penelitian, seperti mengapa penjualan truk pick up meningkat di colorado.
b. Confirmatory
Untuk mempertegas hipotesis, seperti halnya 2 kali pendapatan keluarga
lebih suka di pakai untuk membeli peralatan keluarga, di bandingkan
dengan satu kali pendapatan keluarga.
c. Exploratory
Menganalisis data untuk hubungan yang baru yang tidak di harapkan,
seperti halnya pola apa yang cocok untuk kasus penggelapan kartu kredit.
Proses Data Maining
Fase-fase dimulai dari data mentah dan berakhir dengan pengetahuan atau
informasi yang telah diolah, yang didapatkan sebagai hasil dari
tahapan-tahapan berikut:
- Data Cleansing, juga dikenal sebagai data cleansing, ini adalah sebuah fase dimana data-data tidak lengkap, mengndung error dan tidk konsisten dibuang dari koleksi data, sehingga data yang telah bersih relevan dapat digunakan untuk diproses ulang untuk penggalian pengetahuan(discovery knowledge)
- Data Integration, pada tahap ini terjadi integrasi data,dimana sumber-sumber data yang berulang(multiple data), file-file yang berulang(multiple file), dapat dikombinasikan dan digabungkan kedalam suatu sumber.
- Data Selection, pada langkah ini, data yang relevan terhadap analisis dapat dipilih dan diterima dari koleksi data yang ada.
- Data Transformation, juga dikenal sebagai data consolidation. Pada tahap ini, dimana data-data yang telah terpilih, ditransformasikan kedalam bentuk-bentuk yang cocok untuk prosedur penggalian (meaning proedure) dengan cara melakukan normalisasi dan agregasi data.
- Data Mining, tahap ini adalah tahap yang paling penting, dengan menggunakan teknik-teknik yang diaplikasikan untuk mengekstrak pola-pola potensial yang berguna.
- Pattern Evaluation, pada tahap ini, pola-pola menarik dengan jelas mempresentasikan pengetahuan telah diidentifikasi berdasarkan measure yang telah diberikan.
- Knowledge Representation, ini merupakan tahap terakhir dimana pengetahuan yang telah ditemukan secara visual ditampilkan kepada user.Tahap penting ini menggunakan teknik visualisasi untuk membantu user dalam mengerti dan menginterpresentasikan hasil dari data mining.
Implementasi Data Maining
Telekomunikasi : Sebuah perusahaan
telekomunikasi menerapkan data mining untuk melihatdari jutaan transaksi
yang masuk, transaksi mana sajakah yang masih harusditangani secara
manual (dilayani oleh orang). Tujuannya tidak lain adalahuntuk menambah
layanan otomatis khusus untuk transaksi-transaksi yangmasih dilayani
secara manual. Dengan demikian jumlah operator penerimatransaksi manual
tetap bisa ditekan minimal
Keuangan : Financial Crimes Enforcement Network di Amerika Serikat baru-baru ini menggunakan data mining untuk me-nambang trilyunan dari berbagai subyek seperti property, rekening bank dan transaksi keuangan lainnya untuk mendeteksi transaksi-transaksi keuangan yang mencurigakan (seperti money laundry). Mereka menyatakan bahwa hal tersebut akan susah dilakukan jika menggunakan analisis standar Mungkinsudah saatnya juga Badan Pemeriksa Keuangan Republik Indonesia menggunakan teknologi ini untuk mendeteksi aliran dana BLBI.
Keuangan : Financial Crimes Enforcement Network di Amerika Serikat baru-baru ini menggunakan data mining untuk me-nambang trilyunan dari berbagai subyek seperti property, rekening bank dan transaksi keuangan lainnya untuk mendeteksi transaksi-transaksi keuangan yang mencurigakan (seperti money laundry). Mereka menyatakan bahwa hal tersebut akan susah dilakukan jika menggunakan analisis standar Mungkinsudah saatnya juga Badan Pemeriksa Keuangan Republik Indonesia menggunakan teknologi ini untuk mendeteksi aliran dana BLBI.
sumber:
https://en.wikipedia.org/wiki/Data_mining
http://hasanxch.blogspot.co.id/2015/12/fungsi-data-mining.html
http://ifan89.blogspot.co.id/2010/10/contoh-implementasi-datamining.html
Tidak ada komentar:
Posting Komentar