ewasa ini, kita sedang hidup di era data (data age) dimana data dihasilkan dalam jumlah yang

sangat banyak setiap harinya. Pernahkah kita berpikir, dalam sehari berapa data yang kita
hasilkan? Contoh sederhana adalah data berupa pesan di whatsapp yang kita kirimkan atau
terima, status di facebook yang kita unggah, data transaksi belanja di supermarket, data
akademik di kampus, email, dan masih banyak lainnya. Apakah jumlah data yang dihasilkan
sebanding dengan besar manfaat dari adanya data tersebut? Apakah data yang tersimpan akan
selamanya dapat digunakan? Contoh data IPK seorang alumni di sistem informasi akademik
sebuah fakultas, yang jumlahnya akan terus semakin bertambah. Apakah data tersebut akan
berguna atau hanya menjadi “sampah” data? Dari fenomena ini muncullah ungkapan “We are
drowning in Data, but starving for Knowledge”. Data mining muncul sebagai bidang ilmu yang
berusaha menggali pengetahuan tersembunyi dari sebuah data. Setelah mempelajari modul ini
Anda diharapkan mampu menjelaskan konsep dasar Data Mining. Secara lebih rinci Anda
diharapkan mampu: 1. menjelaskan definisi data mining; 2. menjelaskan pentingnya data
mining; 3. menjelaskan peranan data mining; 4. menjelaskan implementasi data mining; 5.
menyebutkan bidang ilmu yang berkaitan dengan data mining; 6. menyebutkan prinsip dan
proses data mining; 7. menjelaskan atribut data dalam data mining; Untuk itu Anda diharapkan
mengikuti petunjuk belajar sebagai berikut. 1. Bacalah bagian uraian dan contoh dari setiap
Kegiatan Belajar dengan baik sampai dimengerti, dipahami, dan diterapkan. 2. Kerjakan Latihan
dengan baik dan jujur, penuh kesungguhan dan tanggung jawab. 3. Bacalah Rangkuman yang
disediakan untuk memberikan ringkasan pemahaman tentang Konsep Dasar Data Mining. 4.
Kerjakan Tes Formatif yang disediakan untuk mengecek seberapa jauh Anda mencapai tujuan
pembelajaran setiap kegiatan belajar tanpa melihat ramburambu jawaban yang tersedia. 5.
Bacalah Glosarium yang disediakan untuk menyamakan persepsi tentang istilah yang dipakai
dalam Konsep Dasar Data Mining. 6. Jika Anda merasa telah menjawab Tes Formatif dengan
baik dan benar, bandingkanlah jawaban tersebut dengan kriteria yang tersedia. Apabila setelah
dihitung ternyata Anda telah mencapai tingkat pengusaan minimal 80%, Anda dapat
meneruskan ke Kegiatan Belajar Berikutnya. D 1.4 Konsep Dasar Data Mining Definisi Data
Mining Kegiatan Belajar 1 stilah Data Mining sebenarnya mulai dikenal sejak tahun 1990, ketika
pekerjaan pemanfaatan data menjadi sesuatu yang dianggap penting dalam berbagai bidang,
mulai dari bidang akademik, bisnis, hingga bidang medis. Munculnya data mining didasarkan
pada jumlah data yang tersimpan dalam basis data semakin besar. Perkembangan yang cepat
dalam teknologi pengumpulan dan penyimpanan data telah memudahkan organisasi untuk
mengumpulkan sejumlah data berukuran besar sehingga menghasilkan gunung data. Misalnya
dalam sebuah universitas ada berapa data mahasiswa yang tersimpan dari tahun ke tahun.
Kemudian data di sebuah supermarket, ada berapa transaksi pelanggan yang terjadi dalam
sehari dan ada berapa juta data yang tersimpan dalam sebulan. Ekstraksi informasi yang
berguna dari basis data tersebut menjadi pekerjaan yang cukup menantang. Seringkali alat dan
teknik analisis data tradisional tidak dapat digunakan dalam mengekstrak informasi dari data
berukuran besar. Data mining adalah teknologi yang merupakan campuran teknik-teknik
analisis data dengan algoritmaalgoritma untuk memproses data berukuran besar. Data mining
telah banyak diaplikasikan dalam berbagai bidang, seperti dalam bidang bisnis dan kedokteran.
Dalam bidang bisnis, teknik data mining digunakan untuk mendukung cakupan yang luas dari
aplikasi-aplikasi bisnis inteligen seperti customer profiling, targeted marketing, workflow
management, store layout dan fraud detection. Teknik data mining dapat digunakan untuk
menjawab pertanyaan bisnis yang penting seperti “Siapakah pelanggan yang akan paling
banyak mendatangkan keuntungan?” dan ”Seperti apa perkiraan pendapatan perusahaan
tahun depan?”. Dalam bidang kedokteran, peneliti dalam bidang biomolekuler dapat
menggunakan teknik data mining untuk menganalisis sejumlah besar data genomic yang
sekarang ini telah banyak dikumpulkan untuk menjelaskan struktur dan fungsi gen,
memprediksi struktur protein, dan lain-lain. A. DEFINISI DAN KONSEP DATA MINING Kalau kita
membahas tentang Data Mining, tentulah kita harus mengetahui terlebih dahulu definisi dari
Data Mining. Secara umum Data Mining terbagi atas 2 (dua) kata berikut. I MSIM4403 Modul 01
1.5 1. Data yaitu Kumpulan Fakta yang terekam atau sebuah entitas yang tidak memiliki arti dan
selama ini terabaikan. 2. Mining yaitu proses Penambangan sehingga, Data Mining itu dapat
diartikan sebagai proses penambangan data yang menghasilkan sebuah ouput (keluaran)
berupa pengetahuan. Data mining adalah sebuah proses pencarian secara otomatis informasi
yang berguna dalam tempat penyimpanan data berukuran besar. Teknik data mining digunakan
untuk memeriksa basis data berukuran besar sebagai cara untuk menemukan pola yang baru
dan berguna. Namun tidak semua pekerjaan pencarian informasi dapat dinyatakan sebagai data
mining. Berikut ini adalah beberapa contoh yang merupakan data mining dan yang bukan data
mining. 1. Bukan Data Mining: Pencarian informasi tertentu di internet, misalnya dengan
mengetikkan keyword di mesin pencari. Data Mining: Pengelompokkan informasi yang mirip
dalam konteks tertentu pada hasil pencarian dengan mesin pencari. Contoh mengelompokkan
hasil pencarian Universitas berdasarkan nilai akreditasi, jumlah mahasiswa, kualitas alumni, dan
lain-lain. 2. Bukan Data Mining: Membandingkan data laporan keuangan bulan Januari dan
Februari untuk mencari berapa kenaikan permintaan. Data Mining: Hasil laporan keuangan saat
ini digunakan untuk mempredikasi pengeluaran dan pembelian selanjutnya. Istilah lain yang
sering dikaitkan dengan data mining diantaranya knowledge discovery (mining) in databases,
knowledge extraction, data/pattern analysis, data archeology, data dredging, information
harvesting, dan business intelligence. Data mining adalah bagian integral dari Knowledge
Discovery in Databases (KDD). Keseluruhan proses KDD untuk konversi raw data (data mentah)
ke dalam informasi yang berguna ditunjukkan dalam Gambar 1.1. Gambar 1.1 Proses dalam
KDD 1.6 Konsep Dasar Data Mining Data input dapat disimpan dalam berbagai format seperti
flat file, spreadsheet, atau tabel-tabel relasional, dan dapat menempati tempat penyimpanan
data terpusat atau terdistribusi pada banyak tempat. Selanjutnya dilakukan prepocessing data
untuk mentransformasikan data input mentah ke dalam format yang sesuai untuk analisis
selanjutnya. Langkah-langkah yang terlibat dalam preprocessing data meliputi menggabungkan
data dari berbagai sumber, membersihkan (cleaning) data untuk membuang noise dan
observasi duplikat, serta menyeleksi record dan fitur yang relevan untuk pekerjaan data mining.
Karena terdapat banyak cara mengumpulkan dan menyimpan data, tahapan preprocessing data
merupakan langkah yang banyak menghabiskan waktu dalam KDD. Hasil dari data mining sering
kali diintegrasikan dengan decision support system (DSS) atau sistem pendukung keputusan.
Sebagai contoh, dalam aplikasi bisnis informasi yang dihasilkan oleh data mining dapat
diintegrasikan dengan tool manajemen kampanye produk sehingga promosi pemasaran yang
efektif yang dilaksanakan dan dapat diuji. Integrasi demikian memerlukan langkah
postprocessing yang menjamin bahwa hanya hasil yang valid dan berguna yang akan
digabungkan dengan DSS. Salah satu proses yang dilaksanakan pada tahap postprocessing
adalah visualisasi yang memungkinkan analis untuk mengeksplor data dan hasil data mining
dari berbagai sudut pandang. Ukuran-ukuran statistik dan teknik pengujian hipotesis juga dapat
digunakan selama postprocessing untuk membuang hasil data mining yang palsu. Secara
khusus, data mining menggunakan ide-ide seperti (1) pengambilan contoh, estimasi, dan
pengujian hipotesis dari statistika dan (2) algoritma pencarian, teknik pemodelan, dan teori
pembelajaran dari kecerdasan buatan, pengenalan pola, dan machine learning. Data mining
juga telah mengadopsi ide-ide dari area lain meliputi optimisasi, evolutionary computing, teori
informasi, pemrosesan sinyal, visualisasi dan information retrieval. Sejumlah area lain juga
memberikan peran pendukung dalam data mining, seperti sistem basis data yang dibutuhkan
untuk menyediakan tempat penyimpanan yang efisien, indexing dan pemrosesan query. B.
PROSES DATA MINING Cross-Industry Standard Process for Data Mining (CRISP-DM) yang
dikembangkan pada tahun 1996 oleh analis dari beberapa industri seperti Daimler Chrysler,
NCR, dan SPPSS, menyediakan proses standar dari data mining sebagai strategi pemecahan
masalah secara umum dari bisnis maupun unit penelitian. MSIM4403 Modul 01 1.7 Gambar 1.2
Fase pada CRISP-DM Dalam CRISP-DM, sebuah proses data mining memiliki siklus hidup yang
terdiri dari enam fase. Keseluruhan fase berurutan yang ada tersebut bersifat adaptif. Seperti
terlihat pada gambar diatas, fase berikutnya dalam urutan bergantung pada keluaran dari fase
sebelumnya. Fase-fase dalam CRISP-DM dapat dijelaskan sebagai berikut. 1. Fase Pemahaman
Bisnis (Business Understanding Phase), yang terdiri dari tahapan: a. penentuan tujuan proyek
dan kebutuhan secara detail dalam lingkup bisnis atau penelitian secara keseluruhan, b.
menerjemahkan tujuan dan batasan menjadi formula dari permasalahan data mining, c.
menyiapkan strategi awal untuk mencapai tujuan. Contohnya adalah saat kita menentukan
permasalahan memprediksi berapa harga jual cabai di bulan depan, agar bisa memperoleh
keuntungan yang maksimal. 2. Fase Pemahaman Data (Data Understanding Phase), yang terdiri
dari tahapan: a. mengumpulkan data, b. menggunakan analisis penyelidikan data untuk
mengenali lebih lanjut data dan pencarian pengetahuan awal, c. mengevaluasi kualitas data.
Contoh pada fase ini adalah bagaimana kita melakukan tabulasi data penjualan sertai
memastikan tidak ada data yang kosong atau salah ketik. 1.8 Konsep Dasar Data Mining 3. Fase
Persiapan Data (Data Preparation Phase), yang terdiri dari tahapan: a. mempersiapkan data
awal yang akan digunakan untuk keseluruhan fase berikutnya, b. memilih variabel yang sesuai
dan akan dianalisis, c. melakukan perubahan pada beberapa variabel jika diperlukan. Contoh
pada fase ini adalah proses normalisasi data sehingga data memiliki range yang konsisten. 4.
Fase Pemodelan (Modeling Phase), yang terdiri dari tahapan: a. mengaplikasikan teknik
pemodelan yang sesuai, b. melakukan kalibrasi aturan model untuk mengoptimalkan hasil, c.
jika diperlukan, proses dapat kembali ke fase persiapan data untuk menjadikan data ke dalam
bentuk yang sesuai dengan spesifikasi kebutuhan teknik data mining tertentu. Pada fase ini kita
sudah menerapkan teknik-teknik data mining yang sesuai untuk menyelesaikan permasalahan.
Contoh melakukan klasifikasi dengan membuat sebuah model berupa decision tree. 5. Fase
Evaluasi (Evaluation Phase), yang terdiri dari tahapan: a. mengevaluasi satu atau lebih model
yang digunakan dalam fase pemodelan untuk mendapatkan kualitas dan efektivitas sebelum
digunakan atau disebarkan, b. menetapkan model yang memenuhi tujuan pada fase awal, c.
memastikan tidak terdapat permasalahan penting dari bisnis atau penelitian yang tidak
tertangani dengan baik, d. mengambil keputusan berkaitan dengan penggunaan hasil dari data
mining. Contohnya adalah melakukan pemilihan dan evaluasi model tree yang diperoleh.
Evaluasi dapat dilakukan dengan menggunakan k-fold cross validation dan melihat kinerja dari
teknik terssebut. 6. Fase Penyebaran (Deployment Phase), yang terdiri dari tahapan: a.
menggunakan model yang dihasilkan, b. contoh penyebaran misalkan pembuatan laporan dan
penerapan proses data mining secara paralel pada departemen lain. MSIM4403 Modul 01 1.9 C.
ARSITEKTUR DATA MINING Data mining merupakan proses pencarian pengetahuan yang
menarik dari data berukuran besar yang disimpan dalam basis data, data warehouse atau
tempat penyimpanan informasi lainnya. Dengan demikian arsitektur sistem data mining
memiliki komponen-komponen utama sebagai berikut. 1. Basis data, data warehouse atau
tempat penyimpanan informasi lainnya. Komponen ini bertanggung jawab dalam pengambilan
data yang relevan berdasarkan permintaan pengguna. 2. Basis pengetahuan. Komponen ini
merupakan domain knowledge yang digunakan untuk memandu pencarian atau mengevaluasi
pola-pola yang dihasilkan. Pengetahuan tersebut meliputi hierarki konsep yang digunakan
untuk mengorganisasikan atribut atau nilai atribut ke dalam level abstraksi yang berbeda.
Pengetahuan tersebut juga dapat berupa kepercayaan pengguna (user belief), yang dapat
digunakan untuk menentukan kemenarikan pola yang diperoleh. Contoh lain dari domain
knowledge adalah threshold dan metadata yang menjelaskan data dari berbagai sumber yang
heterogen. 3. Data mining engine. Bagian ini merupakan komponen penting dalam arsitektur
sistem data mining. Komponen ini terdiri modul-modul fungsional data mining seperti
karakterisasi, asosiasi, klasifikasi, dan analisis klaster. 4. Modul evaluasi pola. Komponen ini
menggunakan ukuran-ukuran kemenarikan dan berinteraksi dengan modul data mining dalam
pencarian pola-pola menarik. Modul evaluasi pola dapat menggunakan threshold kemenarikan
untuk memfilter pola-pola yang diperoleh. 5. Antarmuka pengguna grafis. Modul ini
berkomunikasi dengan pengguna dan sistem data mining. Melalui modul ini, pengguna
berinteraksi dengan sistem untuk menentukan queri atau task data mining. Antarmuka juga
menyediakan informasi untuk memfokuskan pencarian dan melakukan eksplorasi data mining
berdasarkan hasil data mining antara. Komponen ini juga memungkinkan pengguna untuk
mencari (browse) basis data dan skema data warehouse atau struktur data, evaluasi pola yang
diperoleh dan visualisasi pola dalam berbagai bentuk. 1.10 Konsep Dasar Data Mining Arsitektur
sebuah sistem data mining dapat dilihat dalam Gambar 1.3 Sumber: Han & Kamber (2001)
Gambar 1.3 Arsitektur Sistem Data Mining Data mining dapat diaplikasikan pada berbagai jenis
penyimpanan data seperti basis data relasional, data warehouse, transactional database,
object-oriented dan object-relational databases, spatial databases, time-series data dan
temporal data, text databases dan multimedia databases, heterogeneous dan legacy databases,
serta WWW. 1. Basis Data Relasional Basis data relasional merupakan koleksi dari tabel. Setiap
tabel berisi atribut (iield) dan biasanya menyimpan sejumlah besar tuple (record). Setiap tuple
dalam tabel relasional merepesentasikan sebuah objek yang diidentifikasikan oleh kunci unik
dan dideskripsikan oleh sekumpulan nilai atribut. Data relasional dapat diakses oleh queri basis
data yang ditulis dalam bahasa queri relasional seperti SQL atau dengan bantuan antarmuka
pengguna grafis. 2. Data Warehouse Data warehouse merupakan tempat penyimpanan
informasi yang dikumpulkan dari berbagai sumber, disimpan dalam skema yang dipersatukan
(unified schema) dan biasanya bertempat pada tempat penyimpanan tunggal. Data warehouse
dikonstruksi melalui sebuah proses data cleaning, data transformation, data integration, data
loading dan periodic data refreshing. Untuk memfasilitasi proses pembuatan keputusan, data
dalam data warehouse diorganisasikan ke dalam subjek utama seperti customer, item, supplier
atau aktivitas. Data disimpan untuk menyediakan informasi dari perspektif sejarah (seperti 5-10
tahun yang lalu) dan biasanya data tersebut diringkas (summarized). Sebagai contoh, daripada
menyimpan data rinci dari transaksi penjualan, data warehouse dapat menyimpan ringkasan
dari transaksi per tipe item untuk setiap toko atau diringkas dalam level yang lebih tinggi
seperti daerah pemasaran. MSIM4403 Modul 01 1.11 Data warehouse biasanya dimodelkan
oleh struktur basis data multidimensional, dimana setiap dimensi berkaitan dengan sebuah
atribut atau sekumpulan atribut dalam skema, dan setiap sel menyimpan nilai dari ukuran
agregasi seperti count dan sales_amount. Struktur fisik dari data warehouse dapat berupa
penyimpanan basis data relasional atau sebuah kubus data multidimensional. Selain data
warehouse, terdapat istilah penyimpanan data yang lain yaitu data mart. Sebuah data
warehouse mengumpulkan informasi mengenai subjek-subjek yang menjangkau seluruh
organisasi, dengan demikian cakupannya enterprise-wide. Sedangkan data mart merupakan sub
bagian dari data warehouse. Fokus data mart adalah pada subjek yang dipilih dan dengan
demikian cakupannya adalah departmentwide. 3. Basis Data Transaksional Secara umum, basis
data transaksional terdiri dari sebuah file dimana setiap record merepresentasikan transaksi.
Sebuah transaksi biasanya meliputi bilangan identitas transaksi yang unik (trans_id), dan
sebuah daftar dari item yang membuat transaksi (seperti item yang dibeli dalam sebuah took).
Basis data transaksi dapat memiliki tabel tambahan, yang mengandung informasi lain berkaitan
dengan penjualan seperti tanggal transaksi, customer ID number, ID number dari sales person
dan dari kantor cabang (branch) dimana penjualan terjadi. Untuk memperdalam pemahaman
Anda mengenai materi di atas, kerjakanlah latihan berikut! 1) Apa yang Anda pahami tentang
data mining? 2) Jelaskan secara singkat tujuan dari adanya data mining! 3) Sebutkan dan
jelaskan secara singkat proses data mining sesuai dengan CRISPDM! 4) Sebutkan dan jelaskan
komponen-komponen dalam sebuah arsitektur data mining! Petunjuk Jawaban Latihan 1) Data
mining adalah sebuah proses pencarian secara otomatis informasi yang berguna dalam tempat
penyimpanan data berukuran besar. Teknik data mining digunakan untuk memeriksa basis data
berukuran besar sebagai cara untuk menemukan pola yang baru dan berguna.