Hi, guys
Balik lagi bersama Warham Aliansa nih,
Semoga selalu sehat dan bahagia ya guys yakkk !
Pada beberapa artikel sebelumnya sudah dibahas mengenai Apa sih itu Data Mining?, Tujuannya, serta Knowledge Discovery in Databases (KDD) Proccess; Metode-metode dalam Data Mining; dan juga Penerapannya.
Di kesempatan kali ini kita akan melanjutkan bahasan mengenai Data Mining dengan topik Peranan Data Mining serta Klasifikasinya, namun terlebih dahulu kita refresh bahasan materi sebelumnya yuk!
Data mining merupakan 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. Data mining merupakan bagian integral dari Knowledge Discovery in Databases (KDD).
Adapun tahapan proses data mining sesuai dengan CRISP-DM terdiri dari: Fase Pemahaman Data, Fase Persiapan Data, Fase Pemodelan, Fase Evaluasi, dan Fase Penyebaran.
Penerapan Data Mining dapat diimplementasikan ke dalam bidang edukasi, contohnya memahami karakteristik setiap siswa dengan menemukan pola belajar terbaik untuk digunakan dalam sesi belajar; bisnis, biasanya digunakan untuk pemasaran, analisis pasar, dan analisis kebutuhan pelanggan; dan perbankan, contohnya untuk meminimalisir risiko kerugian dengan memprediksi kemungkinan bahwa pelanggan tidak akan dapat membayar kembali pinjaman mereka.
Lalu, apa saja peranan Data Mining? serta bagaimana klasifikasi Data Mining itu sendiri?
Kebutuhan atau pentingnya bidang data mining tidak terlepas dari peran datamining itu sendiri. Peranan Data Mining secara umum dapat dibagi ke dalam dua kategori utama, yaitu prediktif dan deskriptif.
- Secara prediktif, Data Mining berperan untuk memperkirakan atau memprediksi nilai dari atribut tertentu berdasarkan nilai yang ada pada atribut-atribut lain;
- Secara deskriptif, berperan menurunkan pola-pola (korelasi, trend, cluster,trayektori, dan anomali) yang meringkas hubungan yang pokok dalam data.
Berdasarkan peran data mining dalam melakukan proses prediksi danmendeskripsikan data, tugas data mining dapat dibagi ke dalam empat kelompok utama,yaitu:
a. Estimasi
Teknik untuk melakukan estimasi terhadap sebuah data baru yang tidak memilikikeputusan berdasarkan histori data yang telah ada, dimana variabel target estimasi lebihke arah numerik daripada ke arah kategori. Contohnya melakukan estimasi tekanan darah sistolik padapasien rumah sakit berdasarkan umur pasien, jenis kelamin, indeks berat badan, danlevel sodium darah. Hubungan antara tekanan darah sistolik dan nilai variabel prediksidalam proses pembelajaran akan menghasilkan model estimasi. Model estimasi yangdihasilkan dapat digunakan untuk memprediksi kasus baru lainnya.
b. Klasifikasi
Teknik ini dapat memberikan klasifikasi pada data baru denganmemanipulasi data yang ada yang telah diklasifikasi dan dengan menggunakan hasilnyauntuk memberikan sejumlah aturan. Contohpemanfaatannya misalnya pada bidang akademik terkait klasifikasi siswa yang layakmasuk kedalam kelas unggulan atau akselerasi di sekolah tertentu.
c. Asosiasi
Teknik untuk mengenali kelakuan dari kejadian-kejadian khusus atau prosesdimana hubungan asosiasi muncul pada setiap kejadian. Adapun teknik pemecahanmasalah yang sering digunakan seperti Algoritma Apriori. Contoh pemanfaatanAlgoritma apriori yaitu pada bidang Marketing ketika sebuah Minimarket melakukantata letak produk yang dijual berdasarkan produk-produk mana yang paling sering dibelikonsumen.
d. Klasterisasi
Teknik untuk mengelompokkan data dan membentuk kelas objek-objek yangmemiliki kemiripan. Contoh klasterisasimisalkan proses mendapatkan kelompok-kelompok konsumen untuk target pemasarandari suatu produk bagi perusahaan yang tidak memiliki dana pemasaran yang besar.