Data mining merupakan teknik ekstraksi informasi berguna dari data besar melalui analisis semi-otomatis. Teknik ini digunakan untuk menemukan pola dan pengetahuan dari berbagai jenis data seperti transaksi, rekam medis, dan citra astronomi guna memudahkan pengambilan keputusan. Tantangan utama data mining adalah skalabilitas dan dimensionalitas tinggi dari data.

1. KonsepData Mining
Pendahuluan
Bertalya
UniversitasGunadarma
2009

2. LatarBelakang
•Data ygdikumpulkansemakin
bertambahbanyak
–Data web, e-commerce
–Data pembelianditoko2 / supermarket
–TransaksiBank/KartuKredit
–Detail panggilantelepon
–Statistikpemerintahan
–Rekammedis
–Database molekul
–Citra astronomis
Pendahuluan 2

3. LatarBelakang(lanj.)
•Komputersekarangmurahdanpowefull
•Tekanankompetisisemakinkuat
–Menyediakanlayananyglbhbaik& customized(misdalamCustomer Relationship Management)
•Teknikpenyimpanandata semakintinggidengankecepatantinggi(GB/jam)
•Prosesekstraksiinformasididalamkumpulandata ygbesarmenjaditantangan
•Pendekatananalisisdata tradisionaltidakdapatdigunakanutkmengekstrakdata dlmjumlahbesar
•Data mining merupakanteknikygmenggabungkanteknikanalisisdata tradisionaldenganalgoritmaygsophisticatedutkpemrosesandata dlmjumlahbesar
Pendahuluan 3

4. LatarBelakang(lanj.)
•Informasiygdibutuhkanmisalnya:
–Kebutuhandaripelanggan(data layanantelepon)
–target respondenuntukpromosiproduk
–Jenisprodukygpaling banyakterjual
–Historistransaksidariseorangpelanggan
–Pelangganyang paling loyal
–Mengetahuiperilakugen2 dalamberbagaisituasi
–Mengetahuiawaldanakhirmusimpadasuatuarea
Informasi yang dibutuhkan seperti di atas dapat
diekstrak dengan data mining
Pendahuluan 4

5. DefinisiData Mining
•Mengekstrakatau“mining”pengetahuandarikumpulandata ygsangatbesar
•Ekstraksiinformasiygbergunadaridata, dimanasebelumnyatidakdiharapkan, tidakdikenal& implisit
•Eksplorasi& analisis, secaraotomatisatausemi- otomatisdarisekumpulandata ygsangatbesaruntukmemperolehpola2 data ygberarti
•Prosesanalisisdatabase ygbesarsecarasemi-otomatisutkmenemukanpolayang valid, baru, bergunadandapatdipahamimanusia
Pendahuluan 5

6. AsalData Mining
•Berasaldarimachine learning/AI, pattern recognition, statistics, & database systems•Tekniktradisionaltidaksesuaidisebabkankarena–Data ygsangat2 besar–Data dengandimensiygbesar–Data ygtersebar& heterogenMachine Learning/ Pattern RecognitionStatistics/ AIData MiningDatabase systems
Pendahuluan 6

7. Ilmuyang BerkaitanDenganData Mining
•Statistik
Merupakandasarteoritetapihasilnyasulitdiinterpretasisertabutuhbantuandaripemakaiutkmelakukananalisisdata.
•Machine Learning
Merupakanprosespembelajaransecaraotomatis& pem- belajaraninisetaradgnkonstruksiaturan2 berbasispadakeadaan& transisidarilingkungansekitar.
•SistemDatabase
Data dikumpulkandandisimpandalamdatabase.
Pendahuluan 7

8. TantanganData Mining
•Skalabilitas, dikrnkanpenyimpanandata menggunakanukuranbesar(gigabyte, terabyte dst) makapadaprosesdata mining, kumpulandata harusdiskala
•Dimensionalitasygtinggi, dimanadata ygdisimpanmemilikiatributdlmjumlahbesar, Sepertidata pengukuransuhudibeberapalokasiygmemilikikomponenwaktu& spasial
•Data ygheterogen& kompleks, dimanadata mempunyaiatributygheterogen, cthkumpulanhalweb ygterdiriatasteksygsemi terstruktur& banyakterdapatlink. Teknikdata mining harusmempunyaiteknikotokorelasispasial& waktu, graph connectivity& keterhubunganparent-child antaraelementekssemi terstruktur& dokumenXML
Pendahuluan 8

9. TantanganData Mining (lanj.)
•Pendistribusian& kepemilikandata, dimanadata tersimpandilebihdarisatulokasi& dimilikilebihdarisatuorganisasi. Untukituteknikdata mining harusdapatal : (1)berkonsolidasi terhadaphasildata mining ygberasaldarisumberberbeda, (2) mengurangijumlahkomunikasiutkkomputasiygtersebar
•Analisisygnon-tradisional, membutuhkanteknikevaluasi& penurunanribuanhipotesis
Pendahuluan 9

10. Data mining merupakanbagiandariprosesKnowledge Discovery in Databases(KDD) –Prosestransformasidata mentahmenjadiinformasiberguna.
Pendahuluan 10

11. Tahap2 padaKDD
•Selection, penyeleksianatausegmentasidata berdasarkankriteriattt.
•Preprocessing, tahappembersihandimanainfo. tidakbergunadibuang. Selainitudata dikonfigurasiulangutkmenjaminformat tetapkonsisten.
•Transformation, prosestransformasisehinggadata dapatdigunakandanditelusuri. Pemetaan data
kompleks
•Data mining, prosesekstraksipoladaridata ygada.
•Interpretation & evaluation, prosesinterpretasipolamenjadipengetahuanygdapatdigunakanutkmen- dukungpengambilankeputusan(cthprediksi& klasifikasi, ringkasankontendatabase sertapenjelasanfenomenaygdiamati.
Pendahuluan 11

12. TugasData Mining
•MetodePrediksi
Menggunakanbeberapaatribututkmemprediksinilaidariatributygakandatang. Atributygakandiprediksidisbttargetataudependent variable. Atributygdigunakan disbt
explanatoryatauindependent variable.
2 tipe:
-classification, digunakanuntukvariabeltarget diskrit
-regression, digunakanuntukvariabeltarget kontinu
•MetodeDeskripsi
Menemukanpola2 (ygmenggambarkandata) ygdapatdiinterpretasikanmanusia
•Clustering
•Association Rule Discovery
•Sequential Pattern Discovery
Pendahuluan 12

13. AplikasiData Mining
•Pemasaran/ Penyewaan
–Identifikasipolapembayaranpelanggan
–Menemukanasosiasidiantarakarakteristikdemografikpelanggan
–Analisiskeranjangpemasaran
•Perbankan
–Mendeteksipolapenyalahgunaankartukredit
–Identifikasipelangganygloyal
–Mendeteksikartukreditygdihabiskanolehkelompokpelanggan
•Asuransi& PelayananKesehatan
–Analisisdariklaim
–Memprediksipelangganygakanmembelipolis baru
–Identifikasipolaperilakupelangganygberbahaya
•Transformasi
–Menentukanjadualdistribusikeoutlet2
Pendahuluan 13

14. AplikasiData Mining (lanj.)
•Pengobatan
–Identifikasiterapipengobatanygberhasilutkpenyakitberbeda
–Mengkarakterisasikanperilakupasienutkmemprediksikunjungan
–Menganalisissejarahpenyakitpasien, sertamenemukanhubunganantarapenyakit2 ygada
•Duniailmuwan
–Mendeteksigalaksibaru
Pendahuluan 14