Tugas Pertemuan 9 Data Maining

Intelijen Bisnis
(Dosen : DR. (c) Franciscus Dwikotjo Sri Sumantyo, S.T., M)

Disusun Oleh :
Della Millenia Sari
(201910325290)
Kelas : 4A04 Manajemen

PRODI MANAJEMEN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS BHAYANGKARA JAKARTA RAYA
2021
1. Jelaskan apa yang dimaksud Data Mining ? Mengapa Data Mining penting sekali
dalam perusahaan (manfaat) ?
Data mining merupakan sebuah proses pengumpulan informasi penting dari
sebuah data yang besar. Pengumpulan informasi penting tersebut dilakukan melalui
beberapa proses yang meliputi metode statistika, matematikan maupun teknologi artificial
intelligence. Secara lebih khusus, definisi data mining yaitu sebuah alat serta aplikasi
yang memakai analisis statistik pada data dan menyaring serta menyimpan semuda data
tersebut.
Data mining sendiri dapat menggambarkan suatu pengumpulan beberapa teknik
yang bertujuan agar menemukan pola-pola yang belum diketahui pada data yang
terkumpul. Melalui data inilah para pengguna dapat menemukan pengetahuan berupa
database yang semula tidak mungkin bisa diketahui. Selain itu, pengumpulan data
tersebut juga menjadi bagian dari Knowledge Discovery in Database (KDD) yang terdiri
atas beberapa tahapan, diantaranya pemilihan data, pra pengolahan, tahap transformasi,
penerapan serta evaluasi hasil. Secara umum KDD sering dikenal dengan istilah
pangkalan data.
Data mining sekarang ini memiliki peran penting dalam memberikan informasi
yang berguna untuk menentukan arah bisnis perusahaan di era digital bahkan dengan
adanya permasalahan big data seperti sekarang ini. Pada era digital dan perkembangan
teknologi semakin pesat perusahaan sebagai pelaku bisnis dituntut untuk selalu
berinovasi dalam memperluas jangkauan bisnisnya dan juga mengatasi persaingan antar
pelaku bisnis yang semakin kompetitif dan ketat untuk memasuki dan mempertahankan
segmentasi pasar bisnisnya.
Fungsi Data Mining di Perusahaan
Data mining memiliki fungsi yang cukup banyak. Untuk fungsi utama dari data
mining adalah fungsi descriptive dan fungsi predictive. Apa itu fungsi descriptive dan apa
itu fungsi predictive, berikut penjelasan lengkapnya:
1. Fungsi Descriptive
Fungsi deskripsi (descriptive) pada data mining adalah sebuah fungsi untuk
memahami lebih jauh tentang data yang sedang dianalisis. Dengan melakukan sebuah
proses data mining diharapkan management dapat mengetahui perilaku bisnis dari sebuah
data. Data inilah yang nantinya dapat digunakan untuk mendapatkan gambaran trend
bisnis yang sedang berkembang. Dengan menggunakan fungsi descriptive dari data
mining maka baik data analyst maupun data scientist dapat menemukan pola tertentu
yang tersembunyi dalam sebuah data.
2. Fungsi Predictive
Fungsi prediksi (predictive) adalah sebuah fungsi dimana proses yang dilakukan
akan menemukan pola tertentu dari suatu data. Pola-pola tersebut dapat diketahui dari
berbagai variabel-variabel yang ada pada data maupun tidak ada dalam data. Ketika data
 scientist atau data analyst telah menemukan pola dari data mining maka pola yang
didapat tersebut dapat digunakan untuk memprediksi variabel lain yang belum diketahui
nilai ataupun jenisnya. Dengan melakukan data mining maka akan menguntungkan bagi
manajemen untuk melihat prediksi trend pasar guna membuat keputusan dalam hal bisnis
perusahaan.

2. Berikan contoh manfaat aplikasi Data Mining dalam bidang usaha dan fungsinya ?
Manajemen Manajemen Resiko Manajemen
Pemasaran Proses
Target pemasaran Peramalan Optimisasi
inventori
Manajemen relasi Retensi pelanggan Quality control
Manajemen Analisa erosi Peramalan
channel kebutuhan
Optimisasi Underwriting Business
berbasis pasar scorecards
Penjualan silang Analisa kompetitif
Segmentasi pasar Healthcare fraud
Analisa
penggunaan web

Sebagaimana terlihat dalam Gambar diatas, aplikasi didukung oleh operasi data
mining. Kategori utama operasi ini dijelaskan dibawah ini beserta dengan contohnya.
Pemodelan prediktif: memrediksi nilai atribut dengan menggunakan contoh. Contoh
aplikasi: menentukan kategori resiko pada pelanggan baru, atau memrediksi
kemungkinan pelanggan menjawab surat. Segmentasi basisdata: menggunakan atribut
untuk mencari kelompok record yang tiap kelompok mempunyai kesamaan atribut, dan
perbedaan antar kelompok cukup jelas. Contoh aplikasi: mengelompokkan pelanggan
berdasarkan sifatnya, atau sebagai langkah persiapan untuk pemodelan prediktif. Analisa
hubungan: mencari hubungan antar records dalam transaksi atau atas waktu. Contoh
aplikasi: menganalisa produk mana yang dijual secara bersama untuk mengoptimalkan
tata ruang toko atau inventori. Operasi tipe ini dapat digunakan untuk menganalisa
pertanyaan atau rangkaian pengobatan medis. Deteksi penyimpangan: mencari records
atau rangkaian records dalam basisdata yang berisi nilai yang tidak diinginkan. Contoh
aplikasi: mengidentifikasi pola perilaku curang atau mengontrol kualitas proses produksi.

3. Gambarkan proses Data Mining dan jelaskan ?

 Fase-fase dimulai dari data mentah dan berakhir dengan pengetahuan atau informasi
yang telah diolah, yang didapatkan sebagai hasil dari tahapan-tahapan berikut:

a. Data Cleansing, juga dikenal sebagai data cleansing, ini adalah sebuah fase
dimana data-data tidak lengkap, mengndung error dan tidk konsisten dibuang dari
koleksi data, sehingga data yang telah bersih relevan dapat digunakan untuk
diproses ulang untuk penggalian pengetahuan(discovery knowledge).
b. Data Integration, pada tahap ini terjadi integrasi data,dimana sumber-sumber data
yang berulang(multiple data), file-file yang berulang(multiple file), dapat
dikombinasikan dan digabungkan kedalam suatu sumber.
c. Data Selection, pada langkah ini, data yang relevan terhadap analisis dapat dipilih
dan diterima dari koleksi data yang ada.
d. Data Transformation, juga dikenal sebagai data consolidation. Pada tahap ini,
dimana data-data yang telah terpilih, ditransformasikan kedalam bentuk-bentuk
yang cocok untuk prosedur penggalian (meaning proedure) dengan cara
melakukan normalisasi dan agregasi data.
e. Data Mining, tahap ini adalah tahap yang paling penting, dengan menggunakan
teknik-teknik yang diaplikasikan untuk mengekstrak pola-pola potensial yang
berguna.
f. Pattern Evaluation, pada tahap ini, pola-pola menarik dengan jelas
mempresentasikan pengetahuan telah diidentifikasi berdasarkan measure yang
telah diberikan.
g. Knowledge Representation, ini merupakan tahap terakhir dimana pengetahuan
yang telah ditemukan secara visual ditampilkan kepada user.Tahap penting ini
menggunakan teknik visualisasi untuk membantu user dalam mengerti dan
menginterpresentasikan hasil dari data mining.

4. Jelaskan hubungan antar Data Mining dan Bussiness Inteligence, dengan gambar
dan jelaskan!
 Business Intelligence merupakan proses pengumpulan data, penyediaan akses,
serta analisa data. Business Intelligence dapat membantu suatu organisasi dalam
mendapatkan informasi yang kemudian akan menjadi pengetahuan perusahaan tentang
hal-hal yang berhubungan dengan perusahaan yang dapat mempengaruhi kinerja
perusahaan sehingga dapat digunakan oleh organisasi dalam membantu pengambilan
keputusan. Selain itu Business Intelligence juga dapat digunakan untuk membantu
organisasi dalam mengetahui trend yang sedang terjadi sehingga dapat digunakan oleh
organisasi dalam penentuan strategi perusahaan agar organisasi siap menghadapi trend
pasar yang dinamis. Di business inttelegence memrlukan data penyimpanan yaitu data
mining.
Data mining ditujukan untuk mencari pola penting dari data yang tidak bisa kita
temukan secara langsung mengingat jumlah data yang sangat beragam dan faktor-faktor
yang dapat mempengaruhi pola-pola tersebut. Tujuan menggunakan Data Mining adalah
agar pola-pola tersebut dapat dimanfaatkan untuk menghasilkan sesuatu yang berguna
bagi perusahaan. Coba dibayangkan berapa banyak data yang ada dalam sebuah
perusahaan, jika data tersebut tidak digunakan maka data tersebut hanya akan menjadi
 sebuah tumpukan data yang tidak ada nilainya. Padahal dengan Data Mining tumpukan
data tersebut dapat dianalisis sehingga dihasilkan pola yang dapat digunakan untuk
melakukan prediksi terhdapat perusahaan di masa yang akan datang.

5. Sebutkan dan jelaskan !

a. 7 step Data Mining
1) Menentukan masalah bisnis
2) Membangun (menentukan) database data mining
3) Menyelidiki data
4) Menyiapkan data untuk pemodelan
5) Membangun (menemukan model)
6) Mengevaluasi model
7) Bertindak atas hasil yang diperoleh
b. 10 kesalahan Data Mining
1) Memilih masalah yang salah
2) Mengabaikan apa yang dipikirkan oleh sponsor anda dalam soal apa yang dapat
dilakukan apa yang tidak
3) Tidak memberi cukup waktu persiapan data
4) Hanya melihat pada hasil yang dikumpulkan tidak pernah melihat arsip individu
5) Asal-asalan dalam pengawasan prosedur data mining
6) Mengabaikan penemuan yang mencurigakan dan langsung berpindah pada proses
selanjutnya
7) Menjalankan algoritma secara serampangan tanpa memikirkan tahapan-tahapanya
8) Mempercayai segala informasi yang diterima
9) Mempercayai segala informasi mengenai hasil analisis
10) Mengukur hasil data mining dengan cara yang berbeda dengan ukuran yang
digunakan oleh sponsor anda