topik-topik lanjutan sistem informasi
DESCRIPTION
06-PFM/01. Topik-Topik Lanjutan Sistem Informasi. Data Mining. Johanes Kevin Lumadi 1501151501 Deny Setiawan 1501152580 Machliza Devi Sasmita 1501169511 Silvia Line1501171466 Billie Enceil 1501171951. Definisi data mining. - PowerPoint PPT PresentationTRANSCRIPT
Topik-Topik Lanjutan Sistem Informasi
Johanes Kevin Lumadi 1501151501Deny Setiawan 1501152580Machliza Devi Sasmita 1501169511Silvia Line 1501171466Billie Enceil 1501171951
Data Mining06-PFM/01
DEFINISI DATA MINING Data mining merupakan suatu proses yang
digunakan untuk mendapatkan informasi dan pengetahuan yang bermanfaat dimana informasi tersebut didapatkan dari data-data yang telah dikumpulkan.
Data mining seringkali digunakan untuk melakukan praktek profil seperti pemasaran, pengawasan, penipuan deteksi dan penemuan ilmiah.
DEFINISI DATA MINING Data mining menjadi suatu alat yang
penting karena selain dapat digunakan untuk mengubah data menjadi informasi, data mining juga dapat digunakan untuk menganalisis kumpulan penelitian perilaku.
MANFAAT DATA MINING
Kemampuan Data Mining yaitu kemampuan untuk mereduksi data.
Dapat dilakukan dengan Katalogisasi klasifikasi Segementasi
MANFAAT DATA MINING
Pemanfaatan data mining dapat dilihat dari dua sudut pandang, yaitu : Sudut pandang komersial Sudut pandang keilmuan
SUDUT PANDANG KOMERSIALManfaatnya yaitu : Menangani meledaknya volume data
(menyimpan, mengestrak serta memanfaaatkan) Menghasilkan informasi yang dapat menjadi asset
untuk meningkatkan daya saing suatu institusi. Menggudangkan data tanpa kehilangan informasi
yang penting (warehousing) Menyelesaikan permasalahan atau menjawab
kebutuhan bisnis itu sendiri
SUDUT PANDANG KEILMUAN
Manfaatnya yaitu : Mengcapture, menganalisis serta
menyimpan data yang bersifat real-time dan sangat besar
KELEBIHAN & KEKURANGAN
Kelebihan Data Mining : Kemampuan dalam mengolah data dalam
jumlah yang besar. Pencarian Data secara otomatis.Kekurangan Data Mining : Kendala Database ( Garbage in garbage
out ). Tidak bisa melakukan analisa sendiri.
LANGKAH-LANGKAH PROSES DATA MINING
Berikut adalah cara kerja dalam data mining :1. Identify the business problems
Pada tahap pertama ini, kita harus mengidentifikasi masalah bisnis yang terjadi karena data tidak bisa diolah apabila kita tidak mengetahui permasalahan yang sedang dihadapi. Setelah mengetahui masalah tersebut, maka kita dapat menentukan data-data apa saja yang diperlukan.
LANGKAH-LANGKAH PROSES DATA MINING
2. Mine the data for afectionable information
setelah mengetahui masalah yang dihadapi dan data apa saja yang diperlukan maka pada tahap ini akan dilakukan analisa pada data-data tersebut. Melalui tahap analisa ini, kita mendapatkan pengetahuan(knowledge) baru yang akan digunakan dalam mengambil suatu keputusan.
LANGKAH-LANGKAH PROSES DATA MINING
3. Take the action
Dari keputusan yang telah diambil tersebut, maka kita akan melakukan implementasi yang berupa sebuah tindakan yang konkrit ke dalam suatu proses bisnis.
LANGKAH-LANGKAH PROSES DATA MINING
4. Measure the results
tahap ini merupakan tahap terakhir dalam proses data mining. Pada tahap ini, kita akan memantau hasil dari implementasi tersebut apakah hasil tersebut sudah mencapai target yang diinginkan atau belum dan apakah hasil tersebut dapat menjadi solusi pemecahan masalah atau dapat mengatasi masalah-masalah yang sedang dihadapi.
6 TEKNIK DALAM DATA MINING
1. Market Basket analysis
Merupakan teknik data mining yang digunakan untuk melakukan analisis pada kebiasaan pelanggan yang menyimpan produk yang diinginkannya kedalam cart/keranjang belanja. Teknik ini juga menganalisis data transaksi penjualan untuk mencari pola dari Produk yang terdapat dalam suatu transaksi kemudian pola tersebut akan digunakan untuk merancang strategi penjualan maupun pemasaran agar menjadi lebih efektif.
6 TEKNIK DALAM DATA MINING
2. Memory-based reasoning
Merupakan suatu teknik yang melakukan penalaran berbasis memori dengan menggunakan sekumpulan data untuk mengasumsikan pembuatan objek baru.
6 TEKNIK DALAM DATA MINING
3. Cluster detection
Dalam teknik ini terdapat 2 pendekatan , yaitu:- Memberikan asumsi bahwa kumpulan cluster sudah disimpan ke dalam data. Tujuan pendekatan ini adalah untuk membagi data kedalam bentuk cluster.-Clustering agglomerative, pendekatan ini melakukan penggabungan pada cluster meskipun menggunakan proses komputasi yang sama dan proses tersebut dilakukan secara berulang-ulang.
6 TEKNIK DALAM DATA MINING4. Link analysis
Merupakan suatu teknik yang mengidentifikasi dan membangun hubungan suatu objek dengan sekumpulan data serta menganilisis sifat yang berhubungan antara kedua objek tersebut. Teknik ini biasanya digunakan untuk mengambil suatu kesimpulan dengan mengandalkan teori grafik dan sering juga dipakai untuk melakukan proses optimasi.
6 TEKNIK DALAM DATA MINING
5. Rule induction
Teknik yang digunakan untuk mengidentifikasi aturan-aturan bisnis yang telah disimpan kedalam data.
6. Neural Networks
Merupakan sebuah teknik yang berbentuk struktur jaringan neural dan berguna dalam mengubah data yang rumit/sulit dipahami oleh manusia menjadi data yang dapat dimengerti selain itu juga dapat digunakan untuk mendeteksi tren yang rumit tetapi sering didiskusikan/dicari.
TUGAS DATA MINING Classification
Membagi data menjadi beberapa bagian/kelas kemudian mengecek atribut-atribut dari objek setelah itu memutuskan objek tersebut masuk ke kelas yang mana.
EstimationMelakukan estimasi/memperkirakan nilai numerik secara terus menerus. Dapat dikatakan sebagai bagian dari klasifikasi.
TUGAS DATA MINING Prediction
prediksi ini berbeda dengan klasifikasi maupun estimasi karena dalam prediksi, objek akan dibagi sesuai dengan behaviour yang telah ditetapkan/ diinginkan dari candidate behaviour.
Affinity GroupingMelakukan evaluasi hubungan atau mengelompokkan unsur-unsur data yang terdiri dari atribut/behaviour yang akan menunjukkan tingkat afinitas antar objek tersebut.
TUGAS DATA MINING Clustering
Sering disebut dengan segmentasi/pembagian. Hampir sama dengan klasifikasi namun dalam clustering, data dibagi menjadi beberapa bagian kemudian dilakukan indentifikasi setelah itu data akan dikelompokkan sesuai dengan atribut yang sama.
DescriptionMendeskripsikan atau memberikan gambaran secara umum mengenai hasil akhir dari proses data mining.
DAFTAR PUSTAKAhttps://fairuzelsaid.files.wordpress.com/2009/10/data-mining-bab-01.pdfhttp://irwan-manullang.blogspot.com/2011/04/dasar-data-mining.html