Halo Guys, Mari kita belajar sambil Ngeteh, Materi Data Mining : Konsep Dasar Data Mining. Sebelum belajar mari berdoa terlebih dahulu ya😊.
PENDAHULUAN
Perkembangan teknologi informasi memiliki dampak perubahan yang sangat besar terutama aktivitas penggunaan internet yang sangat besar. Salah satu dampak positif dengan hadirnya teknologi internet ini mengubah pola kebiasaan dan aktivitas masyarakat dengan memiliki kecenderungan memanfaatkan dan menggunakan internet. Setiap tahun pertumbuhan pengguna internet selalu bertambah dan beragam fungsi kegunaanya. Berselancar dengan jejaring media sosial seperti aplikasi facebook, linkedin, instagram dan lainnya, dapat menghubungkan keseluruh penjuru dunia. Mari kita renungkan, seberapa besar data yang bertebaran di dunia maya dan seberapa besar data-data tersebut yang tersimpan didalam cloud atau server. Bila data dengan ukuran besar tidak dilakukan pengolahan atau digunakan untuk analisis bisa jadi nanti data tersebut akan jadi sampah data. Pengambilan ekstraksi data dari tumpukan data besar perlu dilakukan untuk menggali informasi atau insight atau knowledge dari data besar tersebut yang diperuntukkan kebutuhan bisnis dari organisasi atau perusahaan atau personal pengguna data.
Gambar 1. Tumpukan Data
(Sumber : Liza Goudzwaard, pexel.com)
Bahkan ada ungkapan dari buku yang berjudul Megatrends (1988) dengan penulis John Naisbitt mengatakan "We are drowning in data, but starving for knowledge (Arti dalam Bahasa Indonesia : Kita tenggelam dalam data, namun haus akan pengetahuan". Ungkapan tersebut bersirat bahwa dengan data dapat pengetahuan baru yang bisa diimplikasikan dalam realita keseharian. Jadi sangat diperlukan suatu ilmu dan keahlian tertentu untuk penggalian atau penambangan data yang bertujuan menjadi pengetahuan yang bermanfaat dan memiliki nilai (value) yang lebih.
DEFINISI DATA MINING
Pengetahuan perlu sekali untuk manusia agar dapat melakukan beragam kegiatan seperti dapat menganalisis mengenai korelasi antar data dan atribut (variabel) tertentu, sebagai dasar pengambilan kebijakan, dan lainnya. Hal tersebut dampak bila data-data yang besar tersebut telah diolah menjadi informasi dan pengetahuan yang bermanfaat. Maka data mining dapat didefinisikan sebagai multidisiplin ilmu yang mempelajari metode untuk ekstrak pengetahuan atau menemukan pola dari tumpukan data yang besar. Pengertian lain dari Santosa (2007) bahwa data mining merupakan kegiatan yang meliputi pengumpulan, pemakaian data historis untuk menemukan keteraturan, pola dan hubungan didalam set data yang besar.
Menurut referensi dicoding, tujuan data mining itu diantaranya:
- Exploratory (eksplorasi) : data mining akan mencari pola-pola yang baru dari dataset yang sebelum dilakukan proses data mining dan tidak terdeteksi.
- Confirmatory (konfirmasi) : data mining akan memastikan pernyataan hipotesis
- Explonatory (menjelaskan) : data mining akan menjelaskan suatu kondisi dari temuan hasil analisis.
Mungkin, ada beberapa orang yang mendengar kata lain dari data mining, yang sering dibicarakan seperti Knowledge Discovery in Database (KDD), Big Data, Business Intelligence, Knowledge Extraction, Pattern Analysis, dan Information Harvesting. Nama-nama tersebut hampir metode pengolahannya sama, berikut ini gambaran langkah atau metode pengolahan Data Mining.
Gambar 2. Gambaran Langkah Proses Data Mining
CONTOH PENERAPAN DATA MINING
Misalkan kita bekerja sebagai tenaga kependidikan di kampus ABC, kampus ini memiliki puluhan ribu data mahasiswa. aktivitas akademik kampus ABC memiliki sistem informasi akademik yang mencatat data mahasiswa dengan variabel atau atribut objek mahasiswa seperti NIM, Gender, Nilai UN, Asal Sekolah, IPS 1, dst. Pernahkah tim akademik kampus ABC tersebut menggunakan data tersebut mengambil atau menemukan pengetahuan. Mungkin saja dari dataset tersebut nantinya akan digunakan oleh sistem sebagai informasi untuk alarm pemberitahuan apakah mahasiswa tersebut dapat lulus tepat waktu atau tidak. Dengan penerapan Data Mining bisa membantu tim akademik kampus ABC untuk mengklasifikasikan mahasiswa mana yang dapat lulus tepat waktu atau tidak dari dataset yang dimiliki.
Gambar 3. Teknik Klasifikasi Data Mining (Sumber ilmukomputer.com)
contoh lain dari penerapan data mining pada sektor asuransi dan perbankan. Data Mining digunakan untuk mengklusterkan karakteristik jenis minat dan kebutuhan nasabah guna perusahaan dapat menawarkan hal-hal yang menarik bagi nasabah. Selain itu dengan teknik-teknik data mining bantu perusahaan meminimalisirkan resiko resiko dalam pengajuan peminjaman dana atau klaim asuransi.
BEBERAPA TEKNIK DATA MINING
Metode atau teknik pengolahan data mining yang sering digunakan antara lain:
- Klasifikasi
- Clustering
- Asosiasi
- Regresi
- Estimasi / Forecasting
😊 😊 masih penasaran mengenai materi ini, mari kita lanjut ke Pertemuan 2, Mk.Data Mining. Jangan Lupa di download materi atau slide ppt perkuliahan. Terimakasih 🙏
Posting Komentar untuk "MK.Data Mining - Materi 1 : Konsep Dasar Data Mining"