Anda di halaman 1dari 25

Pertemuan-1

Pengantar Data Mining (DM)


Motivasi Mengapa? Apa? Aplikasi Proses KDD Tinjauan DM

Isu Utama
Pengantar DM

Motivasi: Kebutuhan Merupakan Sumber Penemuan


Problem ledakan data
Tool koleksi data otomatis dan perkembangan teknologi database menyebabkan banyak sekali data yang bisa dikumpulkan di dalam database, data warehouse, dan alat peyimpanan informasi lainnya, untuk dianalisa

Kita berkubang data tetapi kelaparan pengetahuan!


Pengantar DM

Motivasi: Kebutuhan Merupakan Sumber Penemuan


Solusi: Penggudangan data dan penambangan data (Data warehousing and data mining)
Data warehousing dan on-line analytical processing (OLAP) Penyaringan pengetahuan yang menarik (kaidah, keberaturan, pola, kendala) dari data dalam database yang besar
Pengantar DM

Komputer Tahun 1940-an (ENIAC)

Pengantar DM

Personal Home Network Tahun 2000-an


FileEdit Locate View 500 400 300 200 100 0 1 2 3 4 5 6 Network Traffic 7 E D C B A Help

Storage

Mount 431 7437 1950 79% / 0263196347358 Help 93% /us

Storage

Storage Storage Storage

Storage

Storage

Internet
Storage

Pengantar DM

Evolusi atau Perkembangan Teknologi Database


1960an: Koleksi data, pembuatan data, IMS dan network DBMS 1970an: Model data relasional dan implementasi DBMS relasional 1980an: RDBMS, model data lanjut (extendedrelational, OO, deduktif, dsb.) DBMS berorientasi aplikasi(spasial, saintifik, teknik, dsb.) 1990an 2000an: Data mining dan data warehousing, database multimedia, teknologi Web
Pengantar DM

Apa Itu Data Mining?


Pada dasarnya: Perolehan pengetahuan dari data

Ekstraksi informasi atau pola yang menarik (tidak sepele, implisit, tak-diketahui sebelumnya, mungkin bermanfaat) dari data didalam database yang besar" Seringkali hanya:
Memberitahu sesuatu yang menarik dari data ini", Menguraikan data ini" Penyelidikan: analisa data semi-otomatis atas sekumpulan data yang besar
Pengantar DM

Apa Itu Data Mining?


Istilah yang rada baku:
Data mining Biasanya DM adalah salah satu proses KDD Knowledge discovery in databases (KDD) Istilah umum yang meliputi, preprocessing data, DM, dan postprocessing Istilah yang tidak terlalu sering digunakan: Ekstraksi pengetahuan, arkeologi data, pengerukan data, penuaian informasi, analisa data/pola Publisitas terbaru: Kecerdasan bisnis, manajemen pengetahuan
Pengantar DM

Mengapa Data Mining?


Ketersediaan data dalam jumlah yang sangat besar:
Tool koleksi data otomatis dan perkembangan teknologi database menyebabkan banyak sekali data yang bisa dikumpulkan di dalam database, data warehouse, dan alat peyimpanan informasi lainnya Pemeriksaan data manual adalah membosankan dan terkadang tidak masuk akal
Pengantar DM

Apa Manfaat Dari DM?


Meningkatkan pengetahuan agar bisa membuat keputusan berdasarkan:

Marketing
Misal, pengaruh pada marketing Peran dan pengaruh DM yang bertumbuh pesat dan masih bertumbuh! Tetapi DM tidaklah sekedar marketing...
Pengantar DM
Database Marketing

Data Warehousing

KDD & Data Mining

Potensi Aplikasi?
Analisis database dan dukungan keputusan: Analisis dan manajemen pasar Target pasar, manajemen relasi customer (CRM), analisis keranjang pasar, penjualan silang, segmentasi pasar Analisis dan manajemen resiko Peramalan, tindakan mempertahankan customer, peningkatan asuransi, kontrol kualitas, analisis kompetitif Deteksi dan manajemen kecurangan
Pengantar DM

Potensi Aplikasi?
Aplikasi lain:
Text mining (news group, email, dokumen) dan Web mining Stream data mining Analisis DNA dan bio data

Pengantar DM

Analisis dan Manajemen Pasar


Dari mana data berasal?
Transaksi kartu kredit, loyalty cards, kupon discount, keluhan customer, kajian lifestyle publik

Target Pasar
Mendapatkan kelompok model customer yang berbagi karakteristik yang sama: minat, tingkat pendapatan, kebiasaan belanja, dsb. Menentukan pola pembelian customer berdasarkan waktu

Analisis lintas pasar


Asosiasi/korelasi antara penjualan produk & taksiran berdasarkan asosiasi demikian
Pengantar DM

Analisis dan Manajemen Pasar


Profil customer
Tipe customer apa membeli produk apa (pengelompokan atau klasifikasi)

Analisa kebutuhan customer


Mengenali produk terbaik untuk customer berbeda Meramalkan faktor apa yang akan memikat customer baru

Penyediaan rangkuman informasi


Rangkuman laporan multidimensi Rangkuman informasi statistik (kecenderungan data terpusat dan variasi)
Pengantar DM

Analisis dan Manajemen Resiko Perusahaan


Perencanaan keuangan dan evaluasi aset

Analisis dan peramalan cash flow


Analisis ganti rugi yang mungkin untuk mengevaluasi aset Analisis cross-sectional dan time series (financialratio, analisa trend, dsb.) Perencanaan sumberdaya

Merangkum dan membandingkan sumberdaya dan pengeluaran


Pengantar DM

Analisis dan Manajemen Resiko Perusahaan


Kompetisi

Memantau pesaing dan arah pasar


Mengelompokkan customer kedalam kelas dan prosedur harga berbasis kelas Menetapkan strategi harga dalam suatu pasar dengan kompetitif tinggi

Pengantar DM

Aplikasi Lain
Olah raga IBM Advanced Scout menganalisa statistik (shots blocked, assists, dan fouls) pertandingan NBA untuk mendapatkan keuntungan kompetitif bagi New York Knicks dan Miami Heats Astronomi Observatory JPL dan Palomar menemukan 22 quasars dengan bantuan data mining Internet Web Surf-Aid IBM Surf-Aid menerapkan algoritma data mining untuk akses logs halaman Web yang terkait dengan pasar dalam upaya mendapatkan kesukaan dan perilaku customer, mengenalisa efektifitas pemasaran Web, perbaikan situs Web organisasi, dsb.
Pengantar DM

Contoh (1)
Anda seorang manajer marketing untuk perusahaan telepon cellular: Pelanggan menerima sebuah telepon gratis (nilai 1.5 juta) dengan kontrak satu tahun; anda memberikan suatu komisi penjualan sebesar 2.5 juta per kontrak Problem: Turnover (setelah kontrak berakhir) adalah 25% Memberikan suatu telepon baru ke setiap orang yang kontraknya habis sangatlah mahal Membawa kembali customer setelah keluar adalah juga sukar dan mahal
Pengantar DM

Contoh (1)
Tiga bulan sebelum suatu kontrak berakhir, cari tahu customer mana yang akan keluar: Jika anda ingin mempertahankan customer yang diduga akan keluar, tawarkan customer tersebut suatu telepon baru

Yippee! I won't leave!

Pengantar DM

Contoh (2)
Anda seorang petugas asuransi dan anda harus mendefinisikan suatu pembayaran bulanan yang pantas untuk seorang pemuda berusia 18 tahun yang membeli sebuah Ferrari apa yang anda akan lakukan?

Oh, yes! I love my Ferrari!

Pengantar DM

Contoh (2)
Kaji seluruh data customer dan data kompensasi pembayaran sebelumnya Kaji peluang penyebab kecelakaan paling banyak berdasarkan dugaan Kelamin pengendara (pria/wanita) dan usia Model dan usia mobil, tempat tinggal

dsb.
Jika peluang kecelakaan lebih besar dari rata-rata, aturlah pembayaran bulanan yang sesuai!
Pengantar DM

Contoh (3)
Anda berada diluar negeri dan seseorang mencuri atau menggandakan kartu kredit atau telepon mobile anda
Perusahaan kartu kredit Menggunakan data histori untuk membangun model prilaku penipuan dan gunakan data mining untuk membantu didalam mengenali kejadian yang mirip Perusahaan telepon Menganalisis pola yang menyimpang dari suatu kebiasaan yang diharapkan (tujuan, durasi, dsb.)
Pengantar DM

Contoh (4)
Log pengaksesan Web bisa dianalisis untuk
Excellent surfing experience!

Mendapatkan apa kesukaan customer Memperbaiki situs Web organisasi

Demikian pula
Seluruh jenis analisis log informasi Adaptasi antarmuka/layanan user

Pengantar DM

Selesai
Pengantar DM