DATA MINING

-DATA MINING-

Penggalian data (bahasa Inggris: data mining) adalah ekstraksi pola yang menarik dari data dalam jumlah besar. Suatu pola dikatakan menarik apabila pola tersebut tidak sepele, implisit, tidak diketahui sebelumnya, dan berguna. Pola yang disajikan haruslah mudah dipahami, berlaku untuk data yang akan diprediksi dengan derajat kepastian tertentu, berguna, dan baru. Penggalian data memiliki beberapa nama alternatif, meskipun definisi eksaknya berbeda, seperti KDD (knowledge discovery in database), analisis pola, arkeologi data, pemanenan informasi, dan intelegensia bisnis. Penggalian data diperlukan saat data yang tersedia terlalu banyak (misalnya data yang diperoleh dari sistem basis data perusahaan, e-commerce, data saham, dan data bioinformatika), tapi tidak tahu pola apa yang bisa didapatkan.

Fungsi Data Mining

Teknik – teknik data mining telah digunakan untuk menemukan pola yang tersembunyi dan meprediksi tren masa depan. Dan keuntungan kompetitif dari data mining termasuk dengan meningkatnya pendapatan, berkurangnya pengeluaran, dan kemampuan pemasaran yang meningkat.

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.

Pola Pencarian Proses

Data mining merupakan salah satu bagian dari proses pola pencarian. Berikut pola urutan proses pencarian :

• Data Cleaning: yaitu menghapus data gangguan (noise) dan mengisi data yang hilang.
• Data Integrasi: yaitu menggabungkan berbagai sumber data.
• Pemilihan Data: yaitu memilih data yang relevan.
• Transformasi data: yang mengubah data menjadi format untuk diproses dalam data mining.
• Penggalian Data: yaitu menerapkan metode cerdas untuk ekstraksi pola.
• Pola evaluasi: yang mengenali pola yang menarik saja.
• Pola presentasi: pengguna untuk memvisualisasikan pola.

       Contoh Implementasi Datamining

Analisa Pasar dan Manajemen : Untuk analisa pasar, banyak sekali sumber data yang dapat digunakan seperti transaksi kartu kredit, kartu anggota club tertentu, kupon diskon, keluhan pembeli, ditambah dengan studi tentang gaya hidup publik.

      Sumber :

      https://id.wikipedia.org/wiki/Penggalian_data

     http://hariannetral.com/2014/09/pengertian-data-mining-apa-itu-data-mining.html

    http://globallavebookx.blogspot.co.id/2015/01/pengertian-definisi-dan-fungsi-data.html

   http://hasanxch.blogspot.co.id/2015/12/fungsi-data-mining.html

http://www.dosenpendidikan.com/10-pengertian-dan-pola-proses-data-mining/

http://ifan89.blogspot.co.id/2010/10/contoh-implementasi-datamining.html

‘TUGAS ARBI PRAMANA 3’