Data Mining
Data
Mining
menemukan
merupakan
secara
otomatis
kegiatan
informasi
Databas
e
Algoritm
a
P. Pola
Data
Mining
M.
Pembela
jaran
Statistik
Visualis
asi
Clusterisasi
Prediksi
Deskripsi
Asosiasi
Peringkasan
Estimasi
Visualisasi
Klasifikasi
fungsi
yang
mampu
mendeskripsikan
dan
Regression
computes wi from
data to minimize
squared error to
fit the data
Not flexible enough
Y
if X > 5 then blue
else if Y > 3 then blue
else if X > 2 then green
else blue
Prediksi
Asosiasi
Estimasi
Clusterisasi
Clustering
adalah
pengelompokan
objek
dalam
suatu
Deskripsi
Peringkasan
Tugas
peringkasan
dalam
data
mining
adalah
untuk
Visualisasi
Se
& lect
Cl io
ea n
nin
g
DATA
Ware
house
ni n
Knowledge
__ __ __
__ __ __
__ __ __
Transformed
Data
Target
Data
Patterns
and
Rules
Understanding
Raw
Data
Tra
ns
for
ma
tio
n
Mi
Interpretation
& Evaluation
Segmentasi pelanggan
Segmentasi Kampanye
Pemasaran Langsung
Model Akuisisi
Model Cross-/deep-/upselling
Model Pengurangan
Sukarela
Segementasi Market
Basket dan Sequence
Analysis
Beberapa contoh aplikasi yang memanfaatkan data mining dalam CRM yaitu
aplikasi retail, perbankan, telekomunikasi dan aplikasi lainnya. Setiap bisnis yang
tertarik dalam memprediksi perilaku pelanggan melalui pengetahuan yang
diperoleh dalam data mining (Rygielski dkk, 2002).
Aplikasi Retail
Melalui penggunaan sistem point-of-sale, Retailer (pengecer) dapat
menyimpan catatan secara rinci dari setiap transaksi belanja yang
dilakukan. Hal ini memungkinkan mereka untuk lebih memahami berbagai
segmen pelanggan mereka.
Sales forecasting
Database marketing
Contoh aplikasi
HasilClustering
Hasil segmentasi
Perbankan
Bank dapat memanfaatkan penemuan pengetahuan untuk berbagai
aplikasi, termasuk (Rygielski dkk, 2002):
Card Marketing
Telekomunikasi
Perusahaan telekomunikasi di seluruh dunia menghadapi persaingan
yang semakin meningkat memaksa mereka untuk agresif memasarkan
program yang dimiliki dengan harga khusus yang ditujukan untuk
mempertahankan pelanggan yang ada dan menarik yang baru.
Pengetahuan penemuan di bidang telekomunikasi meliputi (Rygielski dkk,
2002):
- Call detail record analysis
- Customer loyalty (Loyalitas pelanggan)
Character
2.
Words
Words, merupakan kata-kata tertentu yang dipilih langsung dari sebuah dokumen asli
yang berada pada tingkat dasar kekayaan semantik. Secara umum, fitur kata pada suatu
tingkatan harus memiliki nilai dan tidak lebih dari satu token linguistik.
3.
Terms
Terms merupakan single word dan frasa multiword yang terpilih secara langsung dari
corpus. Representasi term-based dari dokumen tersusun dari subset term dalam
dokumen.
4.
Concept
Concept, merupakan feature yang di-generate dari sebuah dokumen secara manual,
rule-based, atau metodologi lain. Pada tugas akhir ini, concept di-generate dari argument
atau verb yang sudah diberi label pada suatu dokumen.
Characterization of data
Data mining
Dari data yang ada lalu dilakukan sebuah pencarian dengan algoritma
tertentu untuk mendapatkan pola dari data tersebut
3.
Data visualization
Hasil pencarian yang ada akan diinterpretasi dan dikeluarkan dalam bentuk output
yang dapat dimengerti dengan mudah.
Tokenizing
Tahap
Tokenizing
adalah
tahap
pemotongan string input berdasarkan tiap
kata yang menyusunnya
Filtering
Tahap Filtering adalah tahap mengambil kata-kata penting dari hasil token.
Bisa menggunakan algoritma stop list (membuang kata yang kurang
penting) atau word list (menyimpan kata penting)
Stemming
ahap stemming adalah tahap mencari root kata dari tiap kata hasil filtering.
Tagging
Tahap tagging adalah tahap mencari bentuk awal / root dari tiap kata
lampau atau kata hasil stemming
Analyzing
Tahap analyzing merupakan tahap penentuan seberapa jauh keterhubungan antar katakata antar dokumen yang ada.
Aplikasi biomedis.
Aplikasi Pemasaran
Sentiment Analysis
Aplikasi Akademik
Image Mining
Image Mining difokuskan pada pola penggalian pengetahuan,
secara implisit suatu citra atau pola yang tidak secara eksplisit
ditemukan dalam citra dari database atau koleksi suatu citra
(Zhang dkk, 2002). Beberapa metode yang digunakan untuk
mengumpulkan pengetahuan adalah: image retrivel, data
mining, pengolahan citra dan kecerdasan buatan.