RANGKUMAN MATERI KULIAH

Untuk memenuhi tugas mata kuliah Metodologi Penelitian yang diampu

Oleh Bapak Bambang Purnomosidhi, SE., MBA., Ak.

Dibuat Oleh:

Adi Satia Darmawan 165020300111023 2016

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS BRAWIJAYA
MALANG
2019
 CHAPTER 14
QUANTITATIVE DATA ANALYSIS

A. MENYIAPKAN DATA UNTUK ANALISIS

Langkah berikutnya yang dilakukan oleh peneliti setelah mengumpulkan data baik melalui
kuisioner, wawancara, observasi, atau data yang sifatnya sekunder yang sudah siap gunakan
untuk analisis. Adapun tahapan yang biasa dilakukan dalam persiapan data untuk dianalisis
adalah sebagai berikut;
1. Mengodekan dan Memasukkan Data
Pengkodekan data merupakan salah satu tahapan sebelum melakukan analisis data
untuk mentraskripsi data dari koisioner dan kemudian memasukkan data tersebut
sebagai bahan analisis. Metode ini biasanya dilakukan dengan cara menelusuri setiap
kuisioner untuk setiap item supaya terhindar dari kebingungan jika data yang digunakan
berupa kuisioner (Sekaran: 2006).
Langkah yang tidak kala penting dalam persiapan analisis data adalah memasukkan
data pada perangkat lunak (yang digunakan) dalam pengujian seperti SPSS dan lainnya.
Setelah data dimasukkan dimungkinkan peneliti untuk melakukan editing.
2. Mengedit Data
Mengedit data dilakukan untuk memastikan tidak adanya kesalahan dari data yang
diperoleh melalui kuisioner, wawancara, observasi, dan lain-lain. Sebagaimana
disebutkan bahwa pengeditan dilakukan pada hari yang sama saat pengumpulan data
sehingga responden bisa dikontak untuk informasi lebih lanjut jika diperlukan. Dalam
proses editing sebaiknya menggunakan tinta warna yang berbeda, manakalah ada
kesalahan dikemudian hari mudah ditemukan. Data yang yang harus diperiksa adalah
ketidaklengkapan dan konsistensinya (Sekaran: 2006).
Hal-hal yang perlu diperhatikan dalam pengeditan data antara lain sebagai berikut.
a. Kelengkapan dan kesempurnaan data. Semua pertanyaan yang diajukan dalam
kuesioner harus terjawab semua dan jangan ada yang kosong.
b. Kejelasan tulisan. Tulisan pengumpul data yang tertera dalam kuesioner harus dapat
dibaca.
c. Kejelasan makna jawaban. Pengumpul data harus menuliskan jawaban ke dalam
kalimat-kalimat yang sempurna dan jelas.
d. Konsistensi data. Data harus memerhatikan konsistensi jawaban yang diberikan
responden.
 e. Keseragaman satuan yang digunakan dalam data (uniformitas data). Ini
dimaksudkan untuk menghindari kesalahan-kesalahan dalam pengolahan dan
analisis data. Misalnya penggunaan satuan kilogram dalam pengukuran berat.
Apabila dalam kuesioner tertulis satuan berat lainnya, maka harus diseragamkan
terlebih dahulu sebelum masuk dalam proses analisis.
f. Kesesuaian jawaban. Jawaban yang diberikan responden harus bersangkut paut
dengan pertanyaan dan persoalan yang diteliti.
3. Transformasi Data
Tujuan utama dari transformasi data ini adalah untuk mengubah skala pengukuran data
asli menjadi bentuk lain sehingga data dapat memenuhi asumsi-asumsi yang mendasari
analisis ragam. Adapun jenis-jenis transformasi adalah sebagai berikut, diantaranya:
a. Transformasi Square Root (Akar),
b. Tansformasi Logaritma,
c. Transformasi Arcsin,
d. Transformasi Square (Kuadrat),
e. Transformasi Cubic (Pangkat Tiga),
f. Transformasi Inverse (Kebalikan),
g. Transformasi Inverse Square Root (Kebalikan Akar),
h. Transformasi Inverse Square (Kebalikan Kuadrat),
i. Transformasi Inverse Cubic (Kebalikan Pangkat Tiga), dan
j. Transformasi Reverse Score (Balik Skor).

B. PERASAAN TERHADAP DATA

1. Frekuwensi
Frekuensi mengacu pada berapa kali berbagai subkategori dari sustu fenomena
tertentu terjadi, dari mana prosentase dan prosentase kumulatif jumlah kejadiannya
dapat dengan mudah dihitung. Informasi berkaitan dengan hasil frekuensi dapat
ditampilkan dalam bentuk histogram dan grafik batang (Sekaran: 2006).
2. Ukuran Tendensi Sentral dan Dispersi
Peneliti dapat memperoleh perasaan terhadap data dengan memeriksa tendensi
sentral dan dispersi. Pengukuran dispersi adalah pengukuran seberapa jauh
penyimpangan nilai-nilai data dari nilai pusatnya (rata-ratanya) atau bagaimana
penyebaran suatu kelompok data. Ada tiga ukuran tendensi sentral yaitu mean,
 median, dan modus. Sedangkan untuk ukran disperse meliputi range, standart
deviasi, varians, dan kisaran antarkuartil.
3. Hubungan antar Variabel
Selain distribusi frekwensi, mean, dan strandar deviasi adalah baik untuk
mengetahui bagaimana variabel terikat dan bebas dalam penelitian berkaitan satu
sama lain. Maka, suatu matriks interkorelasi variabel juga dapat disusun.

C. STATISTIK DESKRIPTIF; Penelitian yang di Lakukan dalam Excelsior

Enterprises
Excelsior Enterprises adalah sebuah perusahaan yang berukuran menengah, diamana
perusahaan tersebut memproduksi dan menjual peralatan dan persediaan yang
diperlukan oleh industry perawatan kesehatan, termasuk peralatan tekanan darah,
pembedahan, perawatan gigi, dan sebagainya. Alhasil dari penelitian perusahaan
tersebut beberapa langkah yang harus dilakukan untuk melakukan analisis datanya,
yaitu:
1. Penentuan alfa cronbach untuk pengukuran
2. Distribusi frekwensi variabel
3. Statistik deskriptif; (rata-rata dan standar deviasi)
4. Matriks korelasi personal
5. Hasil pengujian hipotesis

D. MENGUJI KETEPATAN DATA

 Reliabilitias
Reliabilitas bentuk pengukuran yang dibuktikan dengan menguji konsistensi
dan stabilitas. Konsistensi menunjukkan seberapa baik item-item yang
mengukur sebuah konsep bersatu menjadi sebuah kumpulan. Menurut
Yogiyanto (2010) suatu pengukuran dikatakan reliebel jika pengukuran tersebut
dapat dipercaya, supaya dapat dipercaya makahasil dari pengukuran harus
konsisten. Dan dikatakan konsisten manakalah beberapa pengukuran terhadap
subyek yang sama diperoleh hasil yang tidak berbeda.
Adapun bentuk pengukuran reliabilitas yang sering digunakan adalah alfa
cronbach, split-half reliability coefficient, parallel form reliability, dan test-
retest reliability.
 Validitas
Validitas merupakan seberapa jauh suatu tes atau satu set dari operasi-operasi
mengukur apa yang seharusnya diukur (Yogiyanto: 2010). Atau definisi lainnya
mengartikan validitas sebagai sejauhmana ketepatan dan kecermatan suatu alat
ukur dalam melakukan fungsi ukurnya. Ada tiga kategori validitas yang sering
dijumpai, yaitu validitas berdasarkan kreteria, validitas konvergen, validitas
diskriminan.
 CHAPTER 15
QUANTITATIVE DATA ANALYSIS : HYPOTHESIS TESTING

A. PENGUJIAN HIPOTESIS
Uji hipotesis adalah metode pengambilan keputusan yang didasarkan dari analisis data,
baik dari percobaan yang terkontrol, maupun dari observasi (tidak terkontrol).
Dalam statistik sebuah hasil bisa dikatakan signifikan secara statistik jika kejadian
tersebut hampir tidak mungkin disebabkan oleh faktor yang kebetulan, sesuai dengan
batas probabilitas yang sudah ditentukan sebelumnya.
Menurut Furchan (2007) untuk menguji hipotesis peneliti harus:
a. Menarik kesimpulan tentang konsekuensi-konsekuensi yang akan dapat diamati
apabila hipotesis tersebut benar.
b. Memilih metode-metode penelitian yang akan memungkinkan pengamatan,
eksperimentasi, atau prosedur lain yang diperlukan untuk menunjukkan apakah
akibat-akibat tersebut terjadi atau tidak, dan
c. Menerapkan metode ini serta mengumpulkan data yang dapat dianalisis untuk
menunjukkan apakah hipotesis tersebut didukung oleh data atau tidak.

1. Type Kesalahan 1, Kesalahan 2 dan Kekuatan Statistik

Sugiyono (2010) menyatakan bahwa dalam menaksir populasi berdasarkan data sampel
kemungkinan akan terdapat dua kesalahan, yaitu:
a. Kesalahan Tipe I adalah suatu kesalahan bila menolak hipotesis nol (Ho) yang benar
(seharusnya diterima). Dalam hal ini tingkat kesalahan dinyatakan dengan a.
b. Kesalahan tipe II, adalah kesalahan bila menerima hipotesis yang salah (seharusnya
ditolak). Tingkat kesalahan untuk ini dinyatakan dengan b.
Berdasarkan hal tersebut, maka hubungan antara keputusan menolak atau menerima
hipotesis dapat digambarkan sebagai berikut:
 Hubungan Antara Keputusan Menolak atau Menerima Hipotesis
Keadaan Sebenarnya
Keputusan
Hipotesis Benar Hipotesis Salah
Tidak membuat
Terima hipotesis Kesalahan tipe II (b)
kesalahan
Tolak hipotesis Kesalahan tipe I (a) Tidak membuat kesalahan

2. Memilih Pengujian Statistik yang Tepat

Statistical navigator adalah suatu sistem pakar yang merekomendasikan satu atau lebih
prosedur statistic setelah mengumpulkan informasi mengenai sasaran (yaitu, tujuan
analisis misalnya untuk memahami buhungan antara dua variabel), dan data (yaitu,
kategori, skala). Statistical navigator merupakan panduan bagi mereka yang tidak
menguasai statistic tetapi ingin memastikan bahwa mereka memaki teknik statistik
yang tepat.
Adapun dalam penggunaannya statistical navigator dijumpai dalam membuat
keputusan yang berkaitan dengan berbagai aspek desain penelitian antara lain; sifat
studi, horizon waktu, jenis studi, situasi studi, unit analisis, desain pengambilan sampel,
metode pengumpulan data, dan lain-lain.
3. Pengujian Rata-Rata Sampel Tunggal
Pengujian rata-rata sampel tunggal digunakan ketika kita ingin mengetahui apakah
sampel kita berasal dari populasi tertentu tetapi kita tidak memiliki informasi populasi
yang tersedia bagi kita. Sebagai contoh, kita mungkin ingin tahu apakah nilai ujian
sampel mahasiswa tertentu mirip atau berbeda dari nilai ujian mahasiswa pada
umumnya. Berikut bentuk hipotesisnya:
Pengujian rata-rata sampel tunggal terbagi menjadi dua bagian, yaitu One sample
means Z test atau Uji z rata-rata sampel tunggal dan One sample means t test atau Uji t
rata-rata sampel tunggal.
4. Pengujian Dua Sampel Rata-Rata Berpasangan
Dua sampel berpasangan artinya sampel dengan subjek yang sama namun mengalami
dua perlakuan atau pengukuran yang berbeda. Pengujian ini dilakukan pada waktu:
a. Uji komparasi antar dua nilai pengamatan berpasangan, misalnya: sebelum dan
sesudah
b. Digunakan pada uji parametrik dimana syaratnya sebagai berikut:
- Satu sampel (setiap elemen mempunyai 2 nilai pengamatan)
 - Merupakan data kuantitatif (rasio-interval)
- Berasal dari populasi dgn distribusi normal (di populasi terdapat distribusi
difference = d yang berdistribusi normal dengan mean μd=0 dan variance =1)
5. Pengujian Dua Sampel Rata-Rata tidak Berpasangan
Pengujian ini digunakan untuk membandingkan rata-rata dari dua group yang tidak
berhubungan satu dengan yang lain, apakah kedua group tersebut mempuyai rata-rata
yang sama ataukah tidak secara signifikan. Data kuantitatif dengan asumsi data
berdistribusi normal dan jumlah data sedikit yakni di dibawah 30.

B. ANALISIS REGRESI
Analisis regresi merupakan salah satu analisis yang bertujuan untuk mengetahui
pengaruh suatu variabel terhadap variabel lain.
Ada beberapa tujuan penggunaan analisis regresi, antara lain:
a. Membuat estimasi rata-rata dan nilai variabel tergantung dengan didasari pada nilai
variabel bebas.
b. Menguji hipotesis karakteristik dependensi.
c. Untuk meramalkan nilai rata-rata variabel bebas dengan didasarkan pada nilai
variabel bebas diluar jangkauan sample.

1. Regresi dengan Variabel Dummy

Variabel dummy adalah variabel yang digunakan untuk mengkuantitatifkan variabel
yang bersifat kualitatif (misal: jenis kelamin, ras, agama, perubahan kebijakan
pemerintah, perbedaan situasi dan lain-lain). Variabel dummy merupakan variabel yang
bersifat kategorikal yang diduga mempunyai pengaruh terhadap variabel yang bersifat
kontinue.
Variabel dummy hanya mempunyai 2 (dua) nilai yaitu 1 dan nilai 0, serta diberi simbol
D.
D = 1 untuk suatu kategori (wanita, Batak, Islam, damai dan sebagainya).
D = 0 untuk kategori yang lain (pria, Jawa, Kristen, perang dan sebagainya).

2. Multikolinearitas
Multikolinearitas adalah kondisi terdapatnya hubungan linier atau korelasi yang tinggi
antara masing-masing variabel independen dalam model
regresi. Multikolinearitas biasanya terjadi ketika sebagian besar variabel yang
 digunakan saling terkait dalam suatu model regresi. Adapun indikasi terdapat
masalah multikolinearitas dapat kita lihat dari kasus-kasus sebagai berikut:
a. Nilai R2 yang tinggi (signifikan), namun nilai standar error dan tingkat signifikansi
masing-masing variabel sangat rendah.
b. Perubahan kecil sekalipun pada data akan menyebabkan perubahan signifikan pada
variabel yang diamati.
c. Nilai koefisien variabel tidak sesuai dengan hipotesis, misalnya variabel yang
seharusnya memiliki pengaruh positif (nilai koefisien positif), ditunjukkan dengan
nilai negatif.
Untuk melihat indikasi adanya multikolinearitas dengan tolerance value (TOL),
eigenvalue, dan yang paling umum digunakan adalah varians inflation factor (VIF),
dengan nilai toleransi kurang dari 1 atau VIF lebih besar dari 10 menunjukkan
multikolinearitas signifikan. Klein (1962) menunjukkan bahwa, jika VIF lebih
besar dari 1/(1 – R2) atau nilai toleransi kurang dari (1 – R2),
maka multikolinearitas dapat dianggap signifikan secara statistik.

C. PENGUJIAN DAN ANALISIS MULTIVARIAT LAINNYA

1. Analisis diskriminan
Analisis diskriminan adalah analisis statistik peubah ganda (multivariate statistical
analysis) yang bertujuan untuk memisahkan beberapa kelompok data yang sudah
terkelompokkan dengan cara membentuk fungsi diskriminan. Menurut Johnson and
Wichern (1982), tujuan dari analisis disriminan adalah untuk menggambarkan ciri-ciri
suatu pengamatan dari bermacam-macam populasi yang diketahui, baik secara grafis
maupun aljabar dengan membentuk fungsi diskriminan. Adapun tujuan analisis
diskriminan secara umum:
a. Mengetahui apakah ada perbedaan yang jelas antara kelompok pada variabel
dependen.
b. Jika ada perbedaan, untuk mengetahui variabel bebas mana yang membuat
perbedaan tersebut.
c. Membuat fungsi atau model diskriminan yang pada dasarnya mirip dengan
persamaan regresi.
d. Melakukan klasifikasi terhadap objek (dalam terminology spss disebut baris)
Sedangkan untuk asumsi dan sampel dalam analisis diskriminan adalah:
a. Sejumlah p variabel independen harus berdistribusi normal.
 b. Matriks ragam-peragam variabel independen berukuran pxp pada kedua kelompok
harus sama.
c. Tidak ada korelasi antar variabel independen.
d. Tidak terdapat data yang outlier pada variabel independen.
2. Regresi Logistik
Analisis regresi logistik adalah salah satu bentuk analisis data dengan menggunakan
teknik regresi yang dapat diaplikasikan ketika kita ingin mengetahui hubungan antara
variabel dependen dengan satu atau lebih variabel independen dimana variabel
dependen yang kita punyai berbentuk katagorikal baik itu secara dikotomus maupun
polikotomus. Regresi logistik adalah bagian dari analisis regresi yang digunakan ketika
variabel dependen (respon) merupakan variabel dikotomi. Model yang digunakan
pada regresi logistik adalah:
Log (P / 1 – p) = β0 + β1X1 + β2X2 + …. + βkXk
3. Contjoint Analysis
Contjoint analysis atau analisis konjoin adalah sebuah teknik analisis yang dapat
digunakan untuk menentukan tingkat kepentingan relatif berdasarkan persepsi
pelanggan yang dibawa oleh suatu produk tertentu dan nilai kegunaan yang muncul
dari atribut-atribut produk terkait. Dalam model multivariat lainnya analisis konjoin
dapat digunakan untuk mengembangkan skor dari beberapa individu dan
mengembangkan model untuk tiap individu.
Menurut Green dan Krieger (1991) analisis ini dapat juga dimanfaatkan untuk:
a. Merancang harga
b. Memprediksi tingkat penjualan atau penggunaan produk (market share), uji coba
konsep produk baru.
c. Segmentasi preferensi
d. Merancang strategi promosi
Asumsi yang harus dipenuhi dalam Contjoint Analysis antara lain:
a. Subyek berpikiran rasional dalam mempertimbangkan atribut
b. Atribut bisa diidentifikasi
c. Preferensi bersifat additive
4. Two-way ANOVA 358
Two way ANOVA digunakan untuk menguji hipotesis komparatif rata-rata k sampel
bila peneliti melakukan kategorisasi terhadap sampel kedalam beberapa blok. Berikut
adalah langkah-langkah dalam perhitungan ANOVA dua jalur (Two-way ANOVA):
 a. Identifikasi nilai: t (jumlah perlakuan), r (jumlah blog)
b. hitung jumlah pengamatan total (n), yaitu: n = r x t
c. Hitung jumlah kuadrat total dengan rumus
d. Hitung jumlah kuadrat perlakuan dengan rumus
e. Hitung jumlah kuadrat antar blok dengan rumus
f. Cari harga F-Hitung dengan menggunakan rumus yang tertera pada tabel
g. Cari harga F tabel dengan mempertimbangkan (1) tingkat signifikansi (α), (2) df1
yaitu df dari MS terbesar, dan (3) df2 yaitu df dari MS terkecil.
h. Bandingkan harga F Hitung dengan F tabel.
1) Bila F Hitung < F tabel, maka Ho diterima, yang berarti rata-rata kedua
perlakuan tidak berbeda secara signifikan,
2) Bila F Hitung >F tabel, maka Ho ditolak dan H1 diterima, yang berarti rata-
rata kedua perlakuan berbeda secara signifikan.
5. MANOVA
MANOVA adalah teknik statistik yang digunakan untuk memeriksa hubungan antara
beberapa variabel bebas (biasa disebut perlakuan) dengan dua atau lebih variabel tak
bebas secara simultan. Menurut Johnson (1992) asumsi yang harus dipenuhi sebelum
melakukan pengujian MANOVA adalah :
1. Data berasal dari populasi yang berdistribusi normal
2. Homogenitas Matriks Varian Kovarians
Adapun prosedur pengujian hipotesisnya dapat dinyatakan dalam pernyataan
berikut:
H0 = Tidak terdapat perbedaan pengaruh perlakuan
H1 = Ada perbedaan pengaruh perlakuan
6. Korelasi kanonik
Analisis korelasi kanonik (canonical analysis) pertama kali diperkenalkan oleh
Hotelling (1936), sebagai suatu teknik statistika peubah ganda (Multivariat) yang
menyelidiki keeratan hubungan antara dua kelompok variabel. Satu variabel
diidentifikasikan sebagai gugus variabel penduga (independent variables), sedangkan
satu variabel lainnya diperlakukan sebagai gugus variabel respon (dependent variabel).
Analisis ini dapat mengukur tingkat keeratan hubungan antara satu kumpulan peubah
dependen dengan satu kumpulan peubah independen. Disamping itu, analisis korelasi
kanonik juga mampu menguraikan struktur hubungan di dalam kumpulan peubah
independen.
 Hair, et al, memberikan langkah-langkah dalam membentuk analisis korelasi kanonik,
yaitu:
a. Menentukan tujuan dan menspesifikasikan masing-masing kumpulan peubah.
b. Menentukan jumlah observasi per peubah dan total ukuran sampel.
c. Pengujian asumsi.
d. Memilih fungsi kanonik
e. Menginterpretasikan peubah kanonik.

D. INTERPRETASI DAN REKOMENDASI

Interpretasi
Setelah data diolah sedemikian rupa langkah selanjutnya adalah melakukan analisis dan
interpretasi data. Dalam melakukan kegiatan analisis, data yang ada disederhanakan
sedemikian rupa sehingga mudah untuk dibaca dan diinterpretasikan. Proses analisis
seringkali menggunakan statistik. Hal ini dilaksanakan dengan tujuan untuk
menyederhanakan data penelitian yang jumlahnya relatif banyak sehingga menjadi lebih
sederhana dan mudah dimengerti.
Kegiatan analisis dalam penelitian sosial dapat dibagi dalam dua kelompok, yaitu kegiatan
analisis untuk data kategorial yang biasanya menggunakan tabulasi silang dan kegiatan
analisis untuk data bersambungan yang biasanya menggunakan bermacam-macam teknik
statistik seperti distribusi frekuensi. Adapun data sambungan yang sudah diformat menjadi
data kategorial juga dapat menggunakan teknik tabulasi silang.
Melalui kegiatan analisis itulah peneliti dapat menginterpretasikan berbagai data sehingga
memiliki makna dan mudah dimengerti. Interpretasi data dapat dilakukan dengan dua cara.
Pertama, interpretasi yang dilakukan secara terbatas, yakni peneliti hanya melakukan
interpretasi terhadap data dan hubungan-hubungan yang terdapat dalam penelitian. Kedua,
interpretasi yang dilakukan dengan cara mencari pengertian yang lebih luas tentang hasil-
hasil penelitian yang diperoleh dari analisis.

Kesimpulan
Kegiatan analisis dan kegiatan interpretasi merupakan landasan bagi peneliti dalam
menarik suatu kesimpulan. Sebelum melakukan penarikan kesimpulan, terlebih dahulu
peneliti melakukan proses generalisasi. pada dasarnya generalisasi merupakan suatu
kegiatan yang berhubungan dengan pembentukan gagasan atau simpulan umum dari suatu
hal. Proses generalisasi yang dilakukan harus mengacu pada teori yang mendasari
 penelitian tersebut. Berdasarkan generalisasi itulah suatu kesimpulan diambil. Dengan
demikian, generalisasi dan penarikan kesimpulan merupakan dua kegiatan yang saling
berkaitan.

E. PERGUDANGAN DATA, DATA MINING, DAN RISET OPERASI DATA

Data setiap fakta, angka, atau teks yang dapat diproses oleh komputer. Hari ini, organisasi
yang mengumpulkan sejumlah besar dan berkembang dari data dalam format yang berbeda
dan database yang berbeda. Ini termasuk:
a. Data operasional atau transaksional yaitu seperti, penjualan, biaya, persediaan,
penggajian, dan akuntansi.
b. Data nonoperational, seperti penjualan industri, data perkiraan, dan data
ekonomi makro.
c. Meta data, data tentang data itu sendiri, seperti desain database logis atau
definisi kamus data.
Pergudangan Data
Pergudangan didefinisikan sebagai proses manajemen data terpusat dan pengambilan.
Data pergudangan, seperti data mining, adalah istilah yang relatif baru meskipun konsep
itu sendiri telah ada selama bertahun-tahun. Data pergudangan merupakan visi ideal
mempertahankan repositori pusat dari semua data organisasi. Sentralisasi data yang
diperlukan untuk memaksimalkan akses pengguna dan analisis.
Data Mining
Data mining didefinisikan sebagai satu set teknik yang digunakan secara otomatis untuk
mengeksplorasi secara menyeluruh dan membawa ke permukaan relasi-relasi yang
kompleks pada set data yang sangat besar. Data mining menggunakan
pendekatan discovery-based dimana pencocokan pola (pattern-matching) dan
algoritmaalgoritma yang lain digunakan untuk menentukan relasi-relasi kunci di dalam
data yang diekplorasi. Data Mining memiliki banyak fungsionalitas, antara lain
pembuatan ringkasan data, analisis asosiasi antar data, klasifikasi data, prediksi, dan
pengelompokan data. Setiap fungsionalitas akan menghasilkan pengetahuan atau pola
yang berbeda satu sama lain.