Kelas : 7 MIO
https://drive.google.com/file/d/1L1YaHjBUwvDJ0bvpKIqtWotZBk9kUG2L/view?usp=drivesdk
Silahkan dibagi kelompok sampai materi ke 17. Kemudian dari materi yang ada silahkan dibuat
rangkuman untuk setiap bab per kelompok dan dibuat animasinya. Gunakan aplikasi animasi
sehingga lebih menarik untuk dipelajari kembali.
• Rangkuman Bab 1
-Pengertian Data
Data merupakan fakta-fakta yang belum diolah atau deskripsi dasar dari aktivitas ataupun
transaksi yang direkam, diklasifikasikan, disimpan, namun tidak diorganisasikan untuk
suatu tujuan yang spesifik. Contoh data salah satu diantaranya adalah nilai mahasiswa.
Nilai tersebut berupa data berbentuk angka, dimana belum memiliki makna bagi si
penerima.
-Pengertian Informasi
Informasi adalah hasil (output) dari pengolahan data baik secara linguistik maupun
matematis.
Contoh Informasi:
1. 65% dari penduduk Jawa Barat cenderung memilih calon Presiden nomor urut 2.
2. Telah terjadi defisit keuangan pada sebuah Perusahaan A akibat terlalu banyak
pengeluaran untuk pasang iklan.
3. Seorang pasien mengidap penyakit mematikan yaitu Sakit Hati akibat terlalu sering
disakiti oleh pasangannya.
-Jenis-jenis Informasi
Informasi terdiri dari 5 jenis yaitu Informasi berdasarkan fungsi, informasi berdasarkan
format penyajian, informasi berdasarkan lokasi peristiwa, informasi berdasarkan bidang
kehidupan dan berdasarkan penyampaiannya. Nilai Informasi Nilai dari informasi (value
of information) ditentukan oleh dua hal, yaitu manfaat dan biaya untuk mendapatkan
informasi tersebut.
-Pengertian Pengetahuan
Pengetahuan merupakan hal yang dipakai oleh manusia untuk memahami dunia yang
sifatnya dapat berubah berdasarkan informasi yang diterima. Pengetahuan si Amin dan si
Bayu akan memiliki kemungkinan tidak sama meskipun dari data dan informasi yang
didapatkan keduanya adalah sama.
-Keterkaitan Data, Informasi dan Pengetahuan Seperti yang diuraikan pada bahasan
sebelumnya bahwa pengetahuan merupakan data dan informasi yang diolah sedemikian
rupa dengan pemodelan tertentu sehingg menghasilkan rekomendasi dalam pengambilan
suatu keputusan atau kebijakan. Dari pernyataan tersebut sangat erat kaitannya antara data,
informasi dan pengetahuan. Bila disimpulkan data-data yang diproses akan menghasilkan
informasi, lalu sekumpulan informasi yang diolah dengan pemodelan tertentu akan
menghasilkan pengetahuan baru yang berguna bagi pihak yang terkait.
➢ Pembelajaran Organisasi
-organisasi pembelajaran
1. kemampuan untuk belajar dari masa lalu
2. untuk meningkatkan, organisasi harus belajar
3. masalah
4. kegiatan
5. harus memiliki organisasi, cara menyimpan dan membagikannya
-pembelajaran organisasi
1. mengembangkan pengetahuan baru
2. memori perusahaan kritis
-budaya organisasi
1. pola asumsi dasar bersama
➢ Inisiatif manajemen pengetahuan
-tujuan
1. membuat pengetahuan terlihat
2. mengembangkan budaya intensif pengetahuan
3. membangun infrastruktur pengetahuan
-proses disekitarnya
1. penciptaan pengetahuan
2. berbagai pengetahuan
3. mencari ilmu
4. menggunakan pengetahuan
➢ Pendekatan untuk manajemen pengetahuan
-pendekatan proses
Mengkodifikasi pengetahuan
-pendekatan praktik
Mengasumsikan bahwa sebagian besar pengetahuan diam-diam.
➢ Komponen Sistem Manajemen Pegetahuan
Teknologi
-Komunikasi
-Kolaborasi
-penyimpanan dan pengambilan
Teknologi Pedukung
-kecerdasan buatan
-agen cerdas
-Penemuan pengetahuan dalam database
-xml
➢ Implementasi Sistem Manajemen Pegetahuan
-Tantangan untuk mengidentifikasi dan mengintegrasikan komponen
Sistem awal yang dikembangkan dengan jaringan, groupware, database
-peralatan pengetahuan
Alat dan teknologi yang mendukung manajemen pengetahuan
-Implementasi
Tersedia paket perangkat lunak , perusahaan konsultan, dan pengalihdayaan.
➢ Integrasi Sistem Manajemen Pengetahuan
-Basis data
-CRM
-Sistem manajemen rantai pasokan
-Intranet dan Ekstranet perusahaan
➢ Sumber Daya Manusia
-Kepala petugas pegetahuan
-Direktur Utama
-Manajemen atas
-Komunitas praktik
-Pengembang sistem manajemen pengetahuan
-Staff sistem manajemen pegetahuan
➢ Penilaian Manajemen Pengetahuan
-Pendekatan berbasis asset
-Pengetahuan yang terkait dengan aplikasi dan pendekatan manfaat bisnis
-Estimasi pendekatan harga jual
➢ Metrik
-Keuangan
1. ROI
2. Perseptual, bukan absolut
3. Modal intelektual tidak dianggap sebagai asset
-Non-keuangan
1. Nilai tidak terwujud
• Rangkuman Pertemuan 9
Intelligence?
Intelligence adalah kemampuan belajar, memahami, atau menyesuaikan situasi baru;
kemampuan berargumentasi, mengaplikasikan pengetahuan untuk memanipulasi
lingkungannya atau berpikir abstrak.
Business intelligence?
❖Business intelligence adalah seperangkat konsep, metode dan proses untuk
meningkatkan keputusan bisnis dengan menggunakan berbagai sumber informasi dan
mengaplikasikan pengalaman, asumsi untuk mengembangkan akurasi pemahaman bisnis
secara dinamik.
Tujuan utama BI adalah untuk memungkinkan akses data (dan model) yang mudah agar
manajer bisnis mampu melakukan analisis. Istilah BI diciptakan oleh Gartner Group pada
pertengahan 1990-an.
Arsitektur BI
• sistem BI memiliki empat komponen utama
– data warehouse, dengan sumber datanya
– analisis bisnis, kumpulan alat untuk memanipulasi, menggali, dan menganalisis data
dalam data warehouse;
– manajemen kinerja bisnis (BPM) untuk memantau dan menganalisis kinerja
– user interface (misalnya, dashboard)
Keuntungan BI
• Kemampuan memberikan informasi yang akurat bila diperlukan, termasuk pandangan
real-time dari kinerja perusahaan dan bagianbagiannya
• Sebuah survei yang dilakukan oleh Thompson (2004)
– Pelaporan lebih cepat, lebih akurat (81%)
– Peningkatan pembuatan keputusan (78%)
– Meningkat layanan pelanggan (56%)
– Meningkatkan pendapatan (49%)
Kebutuhan Sistem Baru
Membutuhkan tools, database, proses, dan fungsi yang mampu mentransformasi data
dari satu bentuk ke bentuk lain yang sesuai dengan kebutuhan analisis bisnis.
Business Intelligence Tools
• Operational Data Source
• ETL tools (Extract, Transform, Load)
• Data Warehouse
• Data mart
• Datamining
• OLAP
What is Data Mining?
• Serangkaian aktivitas yang digunakan untuk menemukan sesuatu yang baru atau
tersembunyi, atau sesuatu yang tidak terduga dari suatu data.
• Knowlegde Discovery : Menggali data untuk mendapatkan temuan-temuan baru.
Classification: Definition
• Diberikan koleksi records (training set ) atribut sebagai class (dependen).
• Temukan model untuk class attribute sebagai fungsi dari nilai-nilai atribut lain.
• Tujuan: record yang sebelumnya tidak Nampak dapat dimunculkan seakurat mungkin.
Direct Marketing
– Tujuan: Mengurangi biaya pengenalan produk dengan menetapkan target konsumen yang
memiliki kemungkinan besar membeli produk
Fraud Detection
– Tujuan : Memprediksi pemalsuan transaksi kartu kredit.
Market Segmentation:
– Tujuan : memisah-misah sebuah pasar menjadi kelompokkelompok konsumen, dimana
beberapa kelompok terpilih
sebagai target pemasaran.
• Rangkuman pertemuan 11
KDD (Knowlegde Discovery in Databases) adalah sekumpulan proses untuk menggali dan
menganalisis sejumlah besar himpunan data dan mengekstrak informasi dan pengetahuan yang
berguna. KDD meliputi keseluruhan proses non-trivial untuk mencari dan mengidentifikasi pola
(pattern) dalam data, dimana pola yang ditemukan bersifat sah, baru, dapat bermanfaat, dan dapat
dimengerti. KDD berhubungan dengan teknik integrasi dan penemuan ilmiah, interpretasi dan
visualisasi dari pola-pola sejumlah kumpulan data.
Kumpulan proses dalam KDD meliputi:
1. Pembersihan Data (Data Cleaning)
2. Integrasi Data (Data Integration)
3. Pemilihan Data (Data Selection)
4. Transformasi Data (Data Transformation)
5. Penambangan Data (Data Mining)
6. Evaluasi Pola (Pattern Evaluation)
7. Presentasi Pengetahuan (Knowledge Presentation)
Pengertian Data
Kita sering melihat data sebagai rangkaian bit, atau angka dan simbol, atau “objek” yang
di kumpulkan. Data adalah suatu kumpulan keterangan atau deskripsi dasar yang berasal dari
obyek ataupun kejadian. Data mentah jarang memberikan manfaat langsung. Nilai sebenarnya
tergantung pada kemampuannya untuk mengekstrak informasi yang berguna untuk pendukung
keputusan.
Pengertian Pengetahuan
Pengetahuan adalah informasi yang telah dikombinasikan dengan pemahaman dan potensi
untuk menindaki yang lantas melekat di benak seseorang.
Pengertian Informasi
• Rangkuman pertemuan 12
Atau
“Penambangan data membantu pengguna akhir mengekstrak yang bermanfaat informasi bisnis
dari database besar”
• Statistik
• Visualisasi
• Kecerdasan buatan
• Pembelajaran mesin
• Jaringan saraf
• Pengenalan pola
• Akuisisi pengetahuan
• Pencarian informasi
• Daya komputasi
• Layanan Keuangan
• Persetujuan Kredit
• Deteksi Penipuan
• Pemasaran
• Kesehatan
Diawasi
Tidak diawasi
Data Mining adalah kegiatan inti atau metode dalam proses Penemuan Pengetahuan di Database
Dilakukan untuk menemukan informasi yang berguna di sejumlah besar data tidak mungkin
digunakan pendekatan “konvensional” Berbagai metode Pengetahuan tentang domain data,
metode, juga sebagai kreativitas
• Rangkuman pertemuan 13
Klasifikasi
Merupakan proses pembelajaran suatu fungsi tujuan yang memetakan tiap himpunan atribut x ke
satu dari label kelas y yang didefinisikan sebelumnya. Klasifikasi adalah proses pembelajaran
secara terbimbing (supervised learning) Untuk melakukan klasifikasi, dibutuhkan training set
sebagai data pembelajaran Setiap sampel dari training set memiliki atribut dan class label.
Naïve Bayesian Classifier adalah metode classifier yang berdasarkan probabilitas dan Teorema
Bayesian dengan asumsi bahwa setiap variabel X bersifat bebas(independence) Dengan kata lain,
Naïve Bayesian Classifier mengasumsikan bahwa keberadaan sebuah atribut (variabel) tidak ada
kaitannya dengan beradaan atribut (variabel) yang lain
• Rangkuman Pertemuan 14
Association Rules adalah proses mendeteksi kumpulan atribut-atribut yang muncul bersamaan
(co-occur) dalam frekuensi yang sering, dan membentuk sejumlah kaidah dari kumpulan-
kumpulan tersebut.
Contoh dalam suatu supermarket kita ingin mengetahui seberapa jauh orang yang membeli celana
juga membeli sabuk?
• Input
• Problema
– Bagaimana caranya menemukan association rule yang memenuhi minimum support dan
minimum confidence yang kita berikan
Manfaat
Dapat digunakan untuk Market Basket Analysis (menganalisa kebiasaan customer dengan mencari
asosiasi dan korelasi dari data transaksi)
Definisi Umum
• Support dari suatu itemset X (supp(X) ) adalah rasio dari jumlah transaksi dimana itemset muncul
dengan total jumlah transaksi
– Konfindence bisa juga didefinisikan dalam terminologi peluang bersyarat conf(X→Y) = P(Y|X)
= P(X∩Y) / P(X)
• Database transaksi menyimpan data transaksi. Data transaksi bisa juga disimpan dalam suatu
bentuk lain dari suatu database m x n.
• Rangkuman Pertemuan 15
Analytic Hierarchy Process (AHP) adalah hierarki fungsional dengan input utamanya dari persepsi
manusia. Analytic Hierarchy Process (AHP) memiliki banyak keunggulan dalam menjelaskan
proses pengambilan keputusan.
AHP membantu memecahkan persoalan yang kompleks dengan menyusun suatu hirarki kriteria,
dinilai secara subjektif oleh pihak yang berkepentingan lalu menarik berbagai pertimbangan guna
mengembangkan bobot atau prioritas (kesimpulan).
Metode kuantitatif untuk meranking berbagai alternatif dan memilih satu terbaik berdasarkan
kriteria yang ditentukan.
Misalkan ada 2 kriteria Cost dan quality untuk product A & B. Cost untuk A= $60 dan quality di
atas rata-rata. Cost untuk B=$15 dan quality adalah ratarata.
Sebuah kontraktor sedang mempertimbangkan pemilihan supplier. Terdapat 3 supplier yang akan
dipilih satu terbaik. Kontraktor memiliki 4 kriteria yang akan dipakai sebagai dasar dalam
pemilihan supplier, yaitu : harga penawaran (price),jarak (distance),kualitas sdm (labor) dan
upah/biaya tenaga kerja (wage).
Contoh matriks
• Rangkuman Pertemuan 17
Clustering adalah sebuah proses untuk mengelompokan data ke dalam beberapa cluster atau
kelompok sehingga data dalam satu cluster memiliki tingkat kemiripan yang maksimum dan data
antar cluster memiliki kemiripan yang minimum.
– Anggota cluster yang sama memiliki kemiripan satu sama lain, tetapi berbeda dengan anggota
cluster lain.
Cluster analysis
– Menemukan kemiripan data berdasarkan karakteristik dan mengelompokan data yang mirip ke
dalam cluster.
Penggunaan
• Pengenalan Pola
– Cluster spatial
• Pemrosesan gambar
• WWW
• Interval-scaled variables
• Campuran
Ukuran Kesamaan
• Definisi distance functions bisanya sangat berbeda untuk interval-scaled, boolean, categorical,
ordinal ratio, and vector variables.
Pendekatan Clustering
• Partisi :
– Buat partisi dan evaluasi berdasarkan kriteria tertentu, misalnya meminimalkan sum of square
errors
• Density-based :
• Rangkuman Pertemuan 18
Sistem Pakar ( Expert System ) adalah sistem yang menngunakan pengetahuan manusia, dimana
pengetahuan tersebut dimasukkan ke dalam sebuah komputer, dan kemudian digunakan untuk
menyelesaikan masalah- masalah yang biasanya membutuhkan kepakaran atau keahlian manusia.
sistem informasi adalahseperangkat komponen yang saling berhubungan yang berfungsi untuk
mengumpulkan, memproses, menyimpan, dan mendistribusikan informasi untuk mendukung
pembuatan keputusan dan pengawasan dalam organisasi.
Lingkungan pengembangan
sistem pakar digunakan untuk memasukkan pengetahuan pakar ke dalam lingkungan sistem pakar
▪ Mesin Inferens
Lingkungan konsultasi
lingkungan konsultasi digunakan oleh pengguna yang bukan pakar guna memperoleh pengetahuan
pakar
Akuisi Pengetahuan
Proses penerjemahan pengetahuan dari seorang pakar yang dilakukan oleh Knowledge Engineer.