Nah, pada artikel kali ini kita akan membahas sedikit tentang data mining yang saya pelajari pekan lalu dikelas kuliah data mining.Â
Sebelum itu kita perlu mengetahui tentang apa sih itu data mining?
Secara sederhana, data mining dikatakan juga sebagai penggalian data. Penggalian data yang mengekstraksi suatu pola yang digunakan untuk menarik data dalam jumlah besar.Â
Kemudian selanjutnya setelah mengetahui pengertian data mining, muncul pertanyaan kenapa sih data mining itu di perlukan?
Jadi, data mining diperlukan karena dengan adanya sejumlah data yang besar maka akan dapat digunakan untuk menghasilkan informasi-informasi dan knowledge (pengetahuan) yang berguna. Dimana informasi dan pengetahuan tersebut akan digunakan sebagai acuan pengambilan keputusan seorang manager. Nah informasi dan knowledge tersebut dapat digunakan dibanyak bidang pekerjaan, mulai dari manajemen bisnis, kontrol produksi, pendidikan, kesehatan, dan masih banyak lagi.
Dalam data mining, untuk melakukan proses penambangan dan penggalian data tentu terdapat metode dan tahapan-tahapan yang diperlukan.
Metode data mining
Metode dapat diartikan sebagai cara-cara yang diterapkan atau dilakukan yang berkesesuaian dengan tujuan awalnya. Metode data mining diketahui terbagi dalam beberapa cara atau teknik:
1. Classification (Klasifikasi)
Klasifikasi ini merupakan metode yang paling umum dan paling sering digunakan. Klasifikasi merupakan pengelompokkann untuk mengelompokkan data dengan menggunakan class label atau label prediction. Klasifikasi dilakukan dengan melakukan pengelompokkan berdasarkan kesamaan karakteristik suatu data pada suatu Class atau kelompok.
2. Clustering
Metode Clustering ini sebenarnya hampir sama dengan metode Classification, yaitu sama sama mengelompokkan data. Â Akan Tetapi clustering tidak memiliki kelas label. Pengelompokan dilakukan berdasarkan kesamaan dari atribut yang telah ditentukan. Â Clustering Analysis ini menggunakan prinsip maximizing intra. Class similarity dan minimizing interclass similarity.
3. Association
Teknik asosiasi ini dilakukan untuk mencari keterkaitan antara data yang saling berelasi dan relevan.
Sebenarnya 3 metode diatas sudah sangat cukup dalam data mining, namun dalam beberapa sumber disebutkan metode lain yang digunakan dalam data mining yaitu regression, forecasting, sequencing, dan metode descriptive.
Selain metode, terdapat tahapan-tahapan dalam data mining, tahapan tersebut adalah sebagai berikut.
a. Data Cleaning (pembersihan data)
Pada tahap ini data-data yang dimiliki dalam sebuah database, data yang tidak konsisten dan noise akan dibersihkan dan dibuang. Data-data kotor yang tidak konsisten ini nantinya akan diubah menjadi data-data yang berkualitas melalui proses pembersihan data.
b. Data Integration ( integrasi data)
Tahapan ini adalah tahapan penggabungan data dari  beberapa sumber sehingga menjadi data. Ini merupakan proses penggabungan informasi dari beberapa database yang terpisah menjadi database baru yang nantinya akan digunakan untuk melakukan analisis data lebih dalam.
c. Â Data Transformation ( transformasi data)
Transformasi data merupakan upaya yang dilakukan untuk mengubah skala pengukuran data asli menjadi  bentuk lain sehingga diharapkan dapat memenuhi kebutuhan asumsi-asumsi yang beragam. Dalam tahapan ini menggunakan beberapa teknik diantaranya normalization, pemilihan atribut, dan discretization.
d. Data mining
Nah, pada tahap ini adalah tahap penambangan dari data itu sendiri, dan dibutuhkan pola ekstraksi yang tepat untuk melakukan penambangan.
e. Â Pattern Evaluation (Evaluasi Pola)
Ini merupakan tahapan proses menginterpretasi pola menjadi pengetahuan yang nantinya dapat digunakan untuk pengambilan keputusan.
f. Knowledge
Setelah melalui beberapa tahapan mulai dari pembersihan data hingga asosiasi pola kemudian didapat sebuah pengetahuan (knowledge) yang akan berguna untuk pengambilan keputusan.
