Big Data
#7. Data Analytics:
Data Mining
I’tishom Al Khoiry, [Link].
Topik Pembahasan
Pertemuan 7#
01 Introduction
02 Data Mining
Process
03 Metode
Data Mining 04 Implementasi
Data Mining
Data Today
Data Transformation
Introduction
Berawal dari berbagai disiplin ilmu, bertujuan untuk memperbaiki teknik
tradisional sehingga bisa menangani:
• Jumlah data yang besar
• Dimensi data yang tinggi
• Data heterogen, dan berbeda sifat
Data Mining?
Data Mining
Data Mining
Knowledge Discovery in Database (KDD)
Data Mining merupakan salah satu proses dari
pada Knowledge Discovery in Databases (KDD).
Data Mining
Definisi Data Mining?
Data mining adalah proses pengumpulan dan pengolahan data yang
bertujuan untuk mengekstrak informasi penting pada data yang dapat
menghasilkan suatu insight.
Beberapa komponen penting:
1. Pencarian non-trival, latent/hidden pattern pola pada data.
2. Prosesnya bersifat iterative.
3. Dengan Business Understanding, disusun beberapa hipotesis diawal
proses mining.
4. Actionable insight: Interpretasi > Akurasi
Tools Data Mining
Basis Data: MySQL – XAMPP
B. Pemrograman: Python
Interface: Jupyter Notebook
Driver: Twitter API
Aplikasi Data Mining:
Tujuan Data Mining
● Mengidentifikasi pola dan hubungan yang tersembunyi dalam data untuk
mendapatkan wawasan yang berharga.
● Menggunakan pola yang ditemukan untuk membuat prediksi, klasifikasi
dalam memahami perilaku data yang kompleks.
● Mengoptimalkan proses pengambilan keputusan dengan menggunakan
pengetahuan yang dihasilkan dari data mining.
Insight Data Mining:
Proses Data Mining:
CRISP – DM
(CRoss-Industry Standard Process for
Data Mining)
Data Preparation: Data preprocessing
Modeling: Metode Data Mining
Evaluasi: Model Evaluasi Data Mining
Tren dan Riset Data Mining
#1. Educational Data Mining
1. Predicting performance and characteristics
2. Detecting undesirable students behaviour
3. Profilling and grouping students
4. Social Network Analysis
5. Providing reports
6. Planning and scheduling
7. Constructing courseware
8. Generating recommendation
9. Adaptive system
10. Evaluation
Scr: taxonomy of applications in EDM
#1. Educational Data Mining
#1. Educational Data Mining
#2. Social Media Data Mining
#2. Social Media Data Mining
#3. Healthcare Data Mining
Data Mining Adv/[Link]
Data Mining Challenge
Some of the challenges of data mining include dealing with :
1. Incomplete data, dealing with noisy data.
2. High-dimensionality data.
3. High-complexity data.
4. Selecting appropriate algorithms and techniques.
5. Data privacy and security.
Data Mining & Decision Making
What can you do with data? Knowlegde
depends on how to process the data
Thanks.
KISI-KISI UTS
- Konsep Big Data
- Karakteristik Big Data 5V
- Kegunaan Hadoop dan Spark
- Data Mining Process
- Data Mining Challenge