DAN DATA MINING
Data Mining adalah kegiatan untuk menemukan informasi
atau pengetahuan yang berguna secara otomatis dari data
yang jumlahnya besar.
Data Mining merupakan salah satu proses dari keseluruhan
proses yang ada pada Knowledge Discovery in Databases (KDD).
Knowledge Discovery in Databases (KDD) merupakan sekumpulan
proses untuk menemukan pengetahuan yang bermanfaat
dari data.
Kumpulan proses dalam KDD meliputi : pembersihan data (data
cleaning), integrasi data (data integration), pemilihan data (data
selection), transformasi data (data transformation), penambangan data
(data mining), evaluasi pola (pattern evaluation), dan presentasi
pengetahuan (knowledge presentation).
Berdasarkan definisi ini terlihat bahwa data mining hanya merupakan
salah satu proses dari keseluruhan proses yang ada pada KDD,
tetapi merupakan proses yang sangat penting dalam menemukan
pola-pola yang berguna dari sejumlah data yang besar (data
tersebut bisa disimpan dalam basisdata, Data Warehouse, atau media
penyimpanan informasi lainnya).
TAHAPAN KNOWLEDGE DISCOVERY IN
DATABASE
Menurut Peter Cabena, Tahapan – tahapan dalam KDD adalah sebagai
berikut :
Penentuan Sasaran Bisnis (Business Objective Determination)
Persiapan Data (Preparation Data)
Data Selection
Data Preprocessing
Data Transformation
Data Mining
Anaysis of Result
Assimilation of Knowledge
Persiapan Data
Data Selection
Mengidentifikasi semua sumber informasi internal dan eksternal dan memilih
sebagian saja dari data yang diperlukan untuk aplikasi data mining.
Data Preprocessing
Meyakinkan kualitas data yang telah dipilih pada tahapan sebelumnya. 2
issue yang sering dihadapkan pada tahapan ini adalah Noisy Data dan
Missing Value.
Data Transformation
Mengubah data ke dalam model analitis serta memodelkan data agar sesuai
dengan analisa yang diharapkan dan format data yang diperlukan oleh
algoritma data mining.
Data Mining
Melakukan proses pencarian pengetahuan terhadap data yang
ditransformasikan pada tahap sebelumnya.
Contoh Pengetahuan berbentuk Association Rule untuk kasus "Soft
Drink“:
IF soft drink sejenis dengan ukuran yang lebih besar (bukan
botol kecil) dibeli lebih dari 58% dalam sejarah pembelian soft
drink seorang consumer
THEN consumer tersebut diprediksi Loyal.
Pemilihan tugas data mining : pemilihan goal dari proses KDD
misalnya klasifikasi, regresi, clustering, dll.
Proses Data mining yaitu proses mencari pola atau informasi
menarik dalam data terpilih dengan menggunakan teknik
atau metode tertentu. Teknik, metode, atau algoritma
dalam data mining sangat bervariasi. Pemilihan metode atau
algoritma yang tepat sangat bergantung pada tujuan dan
proses KDD secara keseluruhan.
Menginterpretasikan dan mengevaluasi output dari tahap
mining: patterns.
Pendekatan analisa yang digunakan akan bervariasi
menurut operasi data mining yang digunakan, tetapi
biasanya akan melibatkan teknik visualisasi.
Menggunakan hasil mining yang telah dievaluasi ke dalam
perilaku organisasi dan sistem informasi perusahaan.
DATA MINING dan PROSES KDD - 1
DATA MINING dan PROSES KDD - 2
Pembersihan data (Data Cleaning)
Digunakan untuk membuang data yang tidak konsisten dan noise.
Intergrasi Data (Data Integration)
Data yang diperlukan untuk data mining tidak hanya berasal dari satu database
tetapi juga berasal dari beberapa database atau file teks. Hasil integrasi data sering
diwujudkan dalam sebuah data warehouse karena dengan data warehouse, data
dikonsolidasikan dengan struktur khusus yang efisien. Selain itu data warehouse
juga memungkinkan tipe analisa seperti OLAP.
Transformasi data
Transformasi dan pemilihan data ini untuk menentukan kualitas dari hasil data
mining, sehingga data diubah menjadi bentuk sesuai untuk di-Mining.
Aplikasi Teknik Data Mining
Aplikasi teknik data mining sendiri hanya merupakan salah satu bagian dari proses
data mining. Ada beberapa teknik data mining yang sudah umum dipakai.
Evaluasi pola yang ditemukan
Dalam tahap ini hasil dari teknik data mining berupa pola-pola yang
khas maupun model prediksi dievaluasi untuk menilai apakah hipotesa
yang ada memang tercapai.
Presentasi Pengetahuan
Presentasi pola yang ditemukan untuk menghasilkan aksi tahap terakhir
dari proses data mining adalah bagaimana memformulasikan keputusan
atau aksi dari hasil analisa yang didapat.
INPUT DAN OUTPUT DATA MINING
Jenis Data yg di-Mining Jenis Pengetahuan yg
didapat
1. Relational Database 1. Decision Tabel
2. Data Warehouse 1. Decision Tree
3. Transactional 1. Classification Rule
Database
4. Aplikasi Database 1. Association Rule
Lanjut Lainnya : 2. Berbagai tree untuk
a. Object Oriented Prediksi Numerik :
Database a. Regression Tree
b. Object Relational b. Model Tree
Database 1. Cluster
c. Spatial Database, dsb