5 Teori Para Ahli Tentang Data Mining

5 teori para ahli tentang data mining :

Teori pertama dari menurut David Hand, Heikki Mannila, dan Padhraic Smyth dari MIT menyebutkan bahwa data mining  adalah analisa terhadap data (biasanya data yang berukuran besar) untuk menemukan hubungan yang jelas serta menyimpulkannya yang belum diketahui sebelumnya dengan cara terkini dipahami dan berguna bagi pemilik data tersebut.

Teori kedua dari Han & Kamber mengemukakan bahwa data Mining (Penambangan data) merupakan bidang ilmu multidisplin, menggambarkan area-area kerja yang termasuk didalamnya adalah teknologi basis data, pembelajaran mesin, statistik, pengenalan pola, pengambilan informasi, jaringan saraf tiruan, sistem berbasis pengetahuan, kecerdasan buatan, komputasi kinerja-tinggi, dan visualisasi data.

Teori ketiga dari SUSANTO  & Heri SUDIYATNO menyebutkan definisi sederhana dari data mining adalah ekstraksi informasi atau pola yang penting atau menarik dari data yang ada di database yang besar. Dalam jurnal ilmiah, data mining juga dikenal dengan nama Knowledge Discovery in Databases (KDD).

Teori keempat dari UTOMO, dkk mengartikan bahwa data mining merupakan analisis dari peninjauan kumpulan data untuk menemukan hubungan yang tidak diduga dan meringkas data dengan cara berbeda dengan cara yang berbeda dengan sebelumnya, yang dapat dipahami dan bermanfaat bagi pemilik data. Data mining merupakan bidang dari beberapa bidang keilmuan yang menyatukan teknik dari pembelajaran mesin, pengenalan pola, statistic, database, dan visualisasi untuk penanganan permasalahan pengambilan informasi dari database yang besar.

Dan teori keterakhir Menurut Turban, dkk  mengatakan bahwa data Mining adalah proses yang menggunakan teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk mengekstraksi dan mengidentifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai database besar.

Kesimpulan :

Data mining adalah proses menemukan hubungan baru yang mempunyai arti, pola dan kebiasaan dengan memilah-milah sebagian besar data yang disimpan dalam media penyimpanan dengan menggunakan teknologi pengenalan pola seperti teknik statistik dan matematika. Kerangka proses data mining yang akan dibahas tersusun atas tiga tahapan, yaitu pengumpulan data (data collection), transformasi data (data transformation), dan analisis data (data analysis). Istilah data mining kadang disebut juga knowledge discovery. 

Knowledge discovery sebagai suatu proses terdiri atas pembersihan data (data cleaning), integrasi data (data integration), pemilihan data (data selection), transformasi data (data transformation), data mining, evaluasi pola (pattern evaluation) dan penyajian pengetahuan (knowledge presentation).

Sumber Referensi :

Mardi, Yuli. "Data Mining: Klasifikasi Menggunakan Algoritma C4. 5." Jurnal Edik Informatika Penelitian Bidang Komputer Sains dan Pendidikan Informatika 2.2 (2017): 213-219.

MEILINA, Popy. Penerapan data mining dengan metode kalsifikasi menggunakan decision tree dan regresi. Jurnal Teknologi, 2015, 7.1: 11-20.

SUSANTO, Heri; SUDIYATNO, Sudiyatno. Data mining untuk memprediksi prestasi siswa berdasarkan sosial ekonomi, motivasi, kedisiplinan dan prestasi masa lalu. Jurnal pendidikan vokasi, 2014, 4.2.

UTOMO, Dito Putro; MESRAN, Mesran. Analisis Komparasi Metode Klasifikasi Data Mining dan Reduksi Atribut Pada Data Set Penyakit Jantung. Jurnal Media Informatika Budidarma, 2020, 4.2: 437-444.

NOFRIANSYAH, Dicky; ERWANSYAH, Kamil; RAMADHAN, Mukhlis. Penerapan Data Mining dengan Algoritma Naive Bayes Clasifier untuk Mengetahui Minat Beli Pelanggan terhadap Kartu Internet XL (Studi Kasus di CV. Sumber Utama Telekomunikasi). Jurnal Saintikom, 2016, 15.2.