NAMA : SITI NURJANAH

NPM : 022119046
KELAS : 6B AKUNTANSI
DATA MINING

Jelaskan secara singkat apa yang diketahui mengenai Data Mining?

Definisi Data Mining

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.

Fungsi Data Mining

Data mining mempunyai berbagai fungsi, termasuk fungsi utamanya
yaitu descriptive serta predictive. Untuk lebih jelasnya mengenai fungsi tersebut
berikut ini akan diberikan beberapa penjelasannya.
 Descriptive
 Descriptive merupakan suatu fungsi yang bertujuan memahami lebih jauh
mengenai data yang diamati sehingga dapat diketahui perilaku dari
sebuah data.
 Predictive
Fungsi ini adalah sebuah fungsi yang menjelaskan suatu proses dalam
menemukan pola tertentu dari sebuah data. Pola-pola yang digunakan
diketahui dari beragam variabel yang terdapat pada data.
 Classification
Fungsi ini bertujuan untuk menyimpulkan beberapa definisi karakteristik
dari sebuah grup. Misalnya, pelanggan perusahaan yang sudah berpindah
karena tersaingin oleh perusahaan lain.
 Clustering
Clustering adalah identifikasi kelompok dari produk-produk atau barang-
barang yang memiliki karakteristik khusus.
 Association
Association merupakan identifikasi hubungan dari kejadian-kejadian
yang sudah terjadi di suatu waktu.
 Sequencing
Sequencing sebetulnya hampir sama dengan association tetapi untuk
sequencing berfungsi untuk identifikasi hubungan-hubunga berbeda di
sebuah periode waktu tertentu. Contohnya, para pelanggan yang
berkunjung di supermarket secara berulang.
 Forecasting
Fungsi ini bertujuan untuk memperkirakan nilai di suatu masa di masa
mendatang sesuai dengan pola-pola dengan kumpula data dalam jumlah
besar. Contohnya, peralaman permintaan pasar.
Manfaat data mining
Dengan melakukan data mining, perusahaan dapat mendapatkan banyak
manfaat. Beberapa manfaat dari data mining adalah :
  Memudahkan pengambilan keputusan. Perusahaan dapat terus
menganalisa dan mengotomatisasi keputusan rutin tanpa adanya
penundaan karena penilaian manusia.
 Membuat prediksi akurat untuk perencanaan. Data mining membantu
tahapan perencanaan dan memberikan informasi tepat untuk membuat
prediksi berdasarkan tren masa lalu dan kondisi saat ini.
 Pengurangan biaya. Data mining memungkinkan perusahaan
menggunakan alokasi dana lebih efisien karena otomatisasi pengambilan
keputusan dapat mengurangi biaya.
 Mendapat wawasan tentang pelanggan. Perusahaan dapat mengetahui
karakteristik antara pelanggan sehingga dapat merancang strategi yang
dapat meningkatkan pengalaman pelanggan dengan tepat.
Tujuan data mining
Data mining dilakukan untuk memenuhi beberapa tujuan tertentu. Berikut
ini adalah tujuan-tujuan dari data mining:
 Sebagai sarana menjelaskan (Explanatory)
Data mining dapat digunakan sebagai sarana untuk menjelaskan suatu
kondisi penelitian.
 Sebagai sarana konfirmasi (Confirmatory)
Data mining dapat digunakan sebagai sarana untuk memastikan sebuah
pernyataan atau mempertegas suatu hipotesis.
 Sebagai sarana eksplorasi (Exploratory)
Data mining dapat digunakan sebagai sarana untuk mencari pola baru
yang sebelumnya tidak terdeteksi.

Metode data mining

Secara prosesnya, data mining memiliki perencanaan dan metodologi
yang menyeleraskan gagasan implementasi dari awal hingga akhir. Metode ini
dapat dirangkum dalam dua metode utama data mining yang adalah sebagai
berikut :
1. Pengambilan data
Proses pengambilan data ini dilakukan secara bertahap melalui data
mentah yang lantas diseleksi dan diolah menjadi sebuah informasi atau
benang merah dari sebuah data. Adapun tahapan prosesnya meliputi
beberapa hal seperti :
 Data cleansing, dalam tahapan awal menuju data mining ini data-
data mentah dibersihkan dari error atau ketidaklengkapan dan
inkonsistensi data.
 Data integration, tahapan ini dilakukan dengan proses
pengintegrasian data yang telah dibersihkan dan dikombinasikan
jika terjadi kesamaan data.
 Selection, tahapan ini dilakukan sebelum data mining untuk
memilih dan menyeleksi data yang sudah dibersihkan untuk dicari
relevansinya terhadap proses analisis atau basis data umum.
 Data transformation, tahapan ini dilakukan dengan menempatkan
data-data yang relevan ke dalam prosedur data mining dengan
proses agresi data.
 Data mining, tahapan utama dalam proses pengambilan data adalah
data mining yaitu di mana identifikasi dilakukan dengan
pengukuran atau persyaratan umum yang telah disepakati untuk
mengambil pola-pola tertentu.
 Knowledge presentation, tahapan akhir ini dilakukan secara visual
untuk memudahkan pengguna dalam memahami hasil dari data
mining.
2. Teknik dalam proses data mining
Proses data mining mencakup pemanfaatan alat analisis data yang
disempurnakan untuk menemukan pola dan hubungan antar data. Pola
dan relasi ini umumnya tidak diketahui sebelumnya karena berada di
dalam kumpulan data yang amat besar. Alat-alat ini nantinya dapat
menggabungkan model statistik, teknik machine learning, dan algoritma
matematika. Hal-hal inilah yang lantas membuat data mining menjadi
proses penggabungan antara analisis dan prediksi.
Untuk memahami proses analisis dan prediksi tadi, data mining dapat
dilakukan dengan beberapa teknik secara bertahap yang terdiri dari
beberapa teknik berikut ini :
 Classification, teknik ini digunakan untuk memperoleh informasi
penting dan relevan tentang data dan metadata. Teknik data mining
ini membantu pengguna untuk mengklasifikasikan data ke dalam
beberapa kelas berbeda.
 Clustering, teknik data mining ini merupakan proses pembagian
informasi ke dalam kelompok-kelompok objek yang terhubung.
Teknik clustering dilakukan untuk mengidentifikasi data yang
serupa dan mengenali perbedaan atau persamaan antara data. Dari
sudut pandang praktikal, clustering memainkan peran dalam
menemukan pola tersembunyi dan eksplorasi data.
 Regression, teknik analisis regresi merupakan teknik data mining
yang digunakan untuk mengidentifikasi dan menganalisis relasi
antar variabel karena pengaruh faktor lain. Teknik ini digunakan
untuk menentukan probabilitas variabel tertentu baik dalam
perencanaan maupun pemodelan atau proyeksi.
 Association rules, teknik data mining ini dijalankan untuk
membantu dan menemukan hubungan antara dua atau lebih item.
Association rules juga dapat menemukan pola tersembunyi dalam
 kumpulan data. Tiga teknik pengukuran utama dalam teknik data
mining ini meliputi Lift, Support, dan Confidence.
 Outer detection, teknik data mining jenis ini berkaitan dengan
pengamatan item data dalam kumpulan data yang tidak sesuai
dengan pola atau perilaku tertentu. Teknik ini dapat digunakan di
berbagai domain seperti intrusi, deteksi, dan deteksi penipuan
(fraud).
 Sequential patterns, teknik data mining ini merupakan teknik
dengan pola sekuensial untuk mengevaluasi data dan menemukan
pola sekuensial dari setiap subsekuen yang menarik dalam satu set
urutan data. Pengambilan data subsekuen ini dilakukan dengan
dasar beberapa kriteria seperti panjang, frekuensi kemunculan, dan
sebagainya.
 Prediction, prediksi merupakan teknik kombinasi dari beberapa
teknik data mining lainnya. Prediksi umumnya dipakai untuk
menganalisis peristiwa atau kejadian di masa lalu dalam urutan
tertentu untuk memperkirakan peristiwa di masa depan.

Penerapan Data Mining

Penggunaan data mining sendiri terbilang cukup luas. Biasanya teknik
data mining digunakan untuk membangun model machine learning yang dapat
mendukung aplikasi kecerdasan buatan modern seperti algoritma mesin pencari
atau sistem pemberian rekomendasi. Selain itu, data mining kerap digunakan
dalam berbagai industri dan disiplin ilmu seperti:
 Komunikasi
Data mining digunakan oleh perusahaan multimedia dan telekomunikasi
untuk memahami banyaknya data pelanggan, memprediksi perilaku
mereka dan menawarkan kampanye yang sesuai target atau relevan.
 Asuransi
 Penerapan lain data mining adalah pada industri asuransi. Perusahaan
asuransi umumnya menggunakan teknik data mining untuk mendeteksi
penipuan, mengidentifikasi faktor risiko pada pengajuan klaim, analisa
pelanggan, hingga untuk menemukan cara menawarkan produk
kompetitif ke basis pelanggan yang ada.
 Manufaktur
Data mining dimanfaatkan seperti untuk menyesuaikan rencana supply
dan perkiraan permintaan, quality assurance, memprediksi aset produksi
dan mengantisipasi pemeliharaan.
 Retail
Digunakan untuk membantu perusahaan mengoptimalkan kampanye
pemasaran, meningkatkan hubungan pelanggan dan memperkirakan
penjualan.
 Pendidikan
Data mining membantu tenaga mendidik dalam mengakses data siswa,
memprediksi tingkat pencapaian dan memberi pandangan tentang siswa
atau kelompok siswa mana saja yang membutuhkan perhatian ekstra.
 Perbankan
Data mining membantu perusahaan jasa keuangan untuk mendapatkan
pandangan yang lebih baik tentang risiko pasar, mendeteksi penipuan,
mengelola pemenuhan peraturan dan untuk mendapatkan return optimal
dari investasi pemasaran.
Kesimpulan dan Penutup
Berdasarkan uraian di atas, Data mining adalah proses pengumpulan dan
pengolahan data yang bertujuan untuk mengekstrak informasi penting pada
data. Proses pengumpulan dan ekstraksi informasi tersebut dapat dilakukan
menggunakan perangkat lunak dengan bantuan perhitungan statistika,
matematika, ataupun teknologi Artificial Intelligence (AI). Data mining sering
disebut juga Knowledge Discovery in Database (KDD).