“DATA MINING”

Disusun Oleh :
Kelompok 1
Putri Naomi Agatha (222310031)
Chandradinata (222310008)
Carlos Immanuel Tampubolon (222310064)
Revaldy Jaya (222310044)
Syahid Muhammad Zubeir (222310038)
Mohammad Iqbal Fahmi (222310046)

INSTITUT BISNIS DAN INFORMATIKA KESATUAN

Jl. Rangga Gading No.01, Gudang, Kecamatan Bogor Tengah, Kota Bogor,
Jawa Barat 16123
 KATA PENGANTAR
Puji syukur kami ucapkan ke hadirat Tuhan Yang Maha Esa. Atas rahmat dan Karunia-Nya,
kami dapat menyelesaikan tugas makalah yang berjudul "Data Mining” dengan tepat waktu.
Makalah disusun untuk memenuhi tugas Mata Kuliah Pengantar Teknologi Informasi. Selain itu,
makalah ini bertujuan menambah wawasan tentang Data Mining bagi para pembaca dan juga bagi
kami selaku penulis.
Kami mengucapkan terima kasih kepada Bapak Edi Nurachmad, S.Kom., M.Kom. Ucapan
terima kasih juga disampaikan kepada semua pihak yang telah membantu menyelesaikan makalah
ini.Kami menyadari makalah ini masih jauh dari sempurna. Oleh sebab itu, kami mengharapkan
saran dan kritik yang dapat membantu kami untuk kesempurnaan makalah ini.

Bogor, November 2022

Penulis
 DAFTAR ISI
Halaman Judul .................................................................................................................... 1
Kata Pengantar .................................................................................................................... 2
Daftar Isi ............................................................................................................................. 3
BAB I PENDAHULUAN ................................................................................................... 4
A. Latar Belakang ........................................................................................................ 4
B. Rumusan Masalah ................................................................................................... 4
C. Tujuan ..................................................................................................................... 4
BAB II PEMBAHASAN .................................................................................................... 5
A. Pengertian Data Mining .......................................................................................... 5
B. Sejarah..................................................................................................................... 7
C. Kelebihan dan Kekurangan Data Mining ............................................................... 9
D. Metode dan Penerapan ............................................................................................ 10
E. Fungsi/Manfaat dari Data Mining ........................................................................... 12
BAB III PENUTUP ............................................................................................................ 14
A. Kesimpulan ............................................................................................................. 14
B. Saran ....................................................................................................................... 14
Daftar Pustaka ..................................................................................................................... 15
 BAB 1
PENDAHULUAN

A. Latar Belakang
Data Mining adalah proses yang menggunakan teknik statistik, matematika, kecerdasan
buatan, machine learning untuk mengekstraksi dan mengidentifikasi informasi yang
bermanfaat dan pengetahuan yang terkait dari berbagai database besar. Data mining
merupakan sebuah konsep yang diperuntukkan untuk menemukan pengetahuan atau
informasi berharga yang tersembunyi di dalam database. Data mining mulai banyak
digunakan sebagai bahan penelitian dalam hal mencari pola atau nilai dari suatu basis data
yang besar. Kemampuan Data mining untuk mencari informasi bisnis yang berharga dari
basis data yang sangat besar, dapat dianalogikan dengan penambangan logam mulia dari
lahan sumbernya. Kebanyakan data mining digunakan sebagai penelitian dalam hal pola–
pola penjualan, penentu jumlah produksi, keterkaitan pelanggan, dan lain – lain. Data
Mining memiliki Metode dan diterapkan pada kondisi tertentu.

B. Rumusan Masalah
1. Apa pengertian dari Data Mining?
2. Apa Sejarah Data Mining?
3. Apa saja kelebihan dan kekurangan dari Data Mining?
4. Apa saja metode dari Data Mining dan bagaimana Penerapannya?
5. Apa fungsi atau manfaat dari Data Mining?

C. Tujuan
1. Untuk mengetahui pengertian dari Data Mining.
2. Mengetahui sejarah Data Mining.
3. Mengetahui apa saja kelebihan dan kekurangan dari Data Mining.
4. Untuk mengetahui bagaimana metode dan penerapan dari Data Mining.
5. Mengetahui fungsi atau manfaat dari Data Mining.
 BAB II
PEMBAHASAN

A. Pengertian Data Mining

Data Mining adalah proses yang menggunakan teknik statistik, matematika, kecerdasan
buatan, machine learning untuk mengekstraksi dan mengidentifikasi informasi yang
bermanfaat dan pengetahuan yang terkait dari berbagai database besar (Turban dkk. 2005).
Terdapat beberapa istilah lain yang memiliki makna sama dengan data mining, yaitu
Knowledge discovery in databases (KDD), ekstraksi pengetahuan (knowledge extraction),
Analisa data/pola (data/pattern analysis), kecerdasan bisnis (business intelligence) dan data
archaeology dan data dredging (Larose, 2005).

Kemampuan Data mining untuk mencari informasi bisnis yang berharga dari basis data
yang sangat besar, dapat dianalogikan dengan penambangan logam mulia dari lahan
sumbernya, teknologi ini dipakai untuk :
1. Prediksi trend dan sifat-sifat bisnis, dimana data mining mengotomatisasi proses
pencarian informasi pemprediksi di dalam basis data yang besar.
2. Penemuan pola-pola yang tidak diketahui sebelumnya, dimana data mining menyapu
basis data, kemudian mengidentifikasi pola-pola yang sebelumnya tersembunyi dalam satu
sapuan.
3. Data mining berguna untuk membuat keputusan yang kritis, terutama dalam strategi.

Berikut ini beberapa definisi data mining dari beberapa sumber (Larose, 2005):
➢ Data mining adalah proses menemukan sesuatu yang bermakna dari suatu korelasi baru,
pola dan tren yang ada dengan cara memilah-milah data berukuran besar yang disimpan
dalam repositori, menggunakan teknologi pengenalan pola serta teknik matematika dan
statistik.
➢ Data mining adalah analisis pengamatan database untuk menemukan hubungan yang
tidak terduga dan untuk meringkas data dengan cara atau metode baru yang dapat
dimengerti dan bermanfaat kepada pemilik data.
➢ Data mining merupakan bidang ilmu interdisipliner yang menyatukan teknik
pembelajaran dari mesin (machine learning), pengenalan pola (pattern recognition),
statistik, database, dan visualisasi untuk mengatasi masalah ekstraksi informasi dari
basis data yang besar.
➢ Data mining diartikan sebagai suatu proses ekstraksi informasi berguna dan potensial
dari sekumpulan data yang terdapat secara implisit dalam suatu basis data.
❖ Mengapa DM: Banjir Data
➢ Twitter: 8000an tweet per detik → 600 juta tweet per hari.
➢ Facebook: 30 milyar item (link, status, note, foto dst) per bulan. 500 juta user
menghabiskan 700 milyar menit per bulan di situs FB.
➢ Indomaret: 4500an gerai, asumsikan 3 transaksi per menit = 12 juta transaksi per
hari se Indonesia.
➢ Kartu kredit visa: berlaku di 200 negara. 10 ribu transaksi per detik 850 juta transaksi
per hari.

❖ Mengapa data mining?

➢ Digitalisasi, kemajuan sistem informasi → data, data, data (Tera→ Peta)
➢ Web → berita, blog, twitter, forum, flickr, fb, youtube
➢ Streaming data → twitter, f4, sensorb(satelit)

❖ Evolusi DB
➢ 60-an: koleksi data (file system primitif)
➢ 70-80: MIS (Sistem Informasi Management)
➢ 80-sekarang: OO, Deductive, Spatial, Multimedia
➢ 90-sekarang: Web based (XML, web mining), Datawarehouse, OLAP, Text
Database, Text + Data mining
➢ 05-sekarang: Stream data management and mining, Cloud, Web

❖ Apa Data Mining?

➢ Data mining (sebuah pencarian pengetahuan dari data)
- Mengekstrak secara otomatis pola atau pengetahuan yang menarik (tidak
sederhana, tersembunyi, tidak diketahui sebelumnya, berpotensi berguna) dari data
dalam jumlah sangat besar.
➢ Nama alternatif: Knowledge discovery (mining) in databases (KDD), knowledge
extraction, data/pattern analysis, data archeology, data dredging, information
harvesting, business intelligence dsb

❖ Keuntungan bagi organisasi yang menerapkan data mining?

➢ Perusahaan fokus ke informasi yg berharga di datawarehouse/databasenya.
➢ Meramalkan masa depan → perusahaan dapat mempersiapkan diri
Contoh:
- Midwest grocery chain menggunakan DM untuk menganalisisi pola pembelian:
saat pria membeli popok di hari Kamis dan Sabtu, mereka juga membeli
minuman.
 - Analisis lebih lanjut: pembeli ini belanja di hari kamis dan sabtu, tapi di hari
kamis jumlah item lebih sedikit. Kesimpulan yang diambil: pembeli membeli
minuman untuk dihabiskan saat weekend.
- Tindak lanjut: menjual minuman dengan harga full di hari Kamis dan Sabtu.
Mendekatkan posisi popok dan minuman.

❖ Aplikasi Data Mining

➢ Pemasaran/ Penyewaan.
- Identifikasi pola pembayaran pelanggan
- Menemukan asosiasi diantara karakteristik demografik pelanggan
- Analisis keranjang pemasaran
➢ Perbankan.
- Mendeteksi pola penyalahgunaan kartu kredit
- Identifikasi pelanggan yang loyal
- Mendeteksi kartu kredit yang dihabiskan oleh kelompok pelanggan
➢ Asuransi & Pelayanan Kesehatan.
- Analisis dari klaim
- Memprediksi pelanggan yang akan membeli polis baru
- Identifikasi pola perilaku pelanggan yang berbahaya
➢ Analisa Perusahaan dan Manajemen Resiko
- Perencanaan Keuangan dan Evaluasi Aset
- Perencanaan Sumber Daya (Resource Planning)
- Persaingan (competition) → Competitive Intelligence
➢ Telekomunication
- Menerapkan data mining untuk melihat dari jutaan transaksi yang masuk, transaksi
mana saja yang masih harus ditangani secara manual (dilayani oleh orang).

B. Sejarah
Tan (2006) mendefinisikan data mining sebagai proses untuk mendapatkan informasi yang
berguna dari gudang basis data yang besar. Data mining juga dapat diartikan sebagai
pengekstrakan informasi baru yang diambil dari bongkahan data besar yang membantu
dalam pengambilan keputusan. Darly Pregibon (2011) menyatakan bahwa data mining
adalah campuran dari statistik, kecerdasan buatan, dan riset basis data.

LAROSE 2006
Menurut Larose, definisi data mining adalah proses menemukan sesuatu yang bermakna
oleh suatu korelasi baru, pola dan juga tren yang terdapat dengan cara memilah-milah data
yang berukuran besar, dimana data tersebut disimpan dalam repository, menggunakan
teknologi sosialisasi pola serta statistik dan teknik matematika.
TURBAN ET AL
Menurut Turban Et Al, arti data mining adalah proses yang memakai teknik statistik, teknik
matematika, kecerdasan protesis, machine learning dalam melakukan ekstraksi dan
mengidentifikasi informasi yang bermanfaat serta pengetahuan yang terkait oleh berbagai
database (yang berukuran) besar.

PRAMUDIONO 2006
Menurut Pramudiono, pengertian data mining adalah analisa yang dilakukan secara
automatic (otomatis) pada data yang berjumlah besar dan kompleks dengan tujuan untuk
mendapatkan kecendrungan atau pola penting yang keberadaannya biasanya tidak disadari.
Membahas mengenai data mining dan artinya, pastinya kita juga harus mengetahui apa
sejarahnya bukan? Salah satu artikel pertama yang menggunakan frasa “data mining”
diterbitkan oleh Michael C. Lovell pada tahun 1983.

Pada saat itu, Lovell dan banyak ekonom lain mengambil pandangan yang cukup negatif
dari praktik tersebut, percaya bahwa statistik dapat mengarah pada kesimpulan yang salah
ketika tidak diinformasikan oleh pengetahuan tentang materi pelajaran.

Tetapi pada tahun 1990-an, gagasan untuk mengekstraksi nilai dari data dengan
mengidentifikasi pattern atau pola telah menjadi jauh lebih populer. Basis data dan vendor
data warehouse mulai menggunakan kata kunci untuk memasarkan perangkat lunak
mereka. Dan perusahaan mulai menyadari manfaat potensial dari praktik tersebut.

Pada tahun 1996, sekelompok perusahaan yang termasuk teradata dan NCR memimpin
proyek untuk menstandarisasi dan memformalkan metodologi penambangan data.
Pekerjaan mereka menghasilkan proses standar lintas-industri untuk penambangan data
atau Cross-Industry Standard Process for Data Mining (CRISP-DM).

Pada awal tahun 2000-an, perusahaan web mulai melihat kekuatan dari data mining, dan
praktiknya benar-benar berjalan Sbahkan sampai sekarang ini.

Sementara frase “data mining” sejak saat itu telah dikalahkan oleh kata kunci lain seperti
“data analytics atau analisis data” “big data” dan “machine learning” prosesnya tetap
menjadi bagian integral dari praktik bisnis. Bahkan, wajar untuk mengatakan bahwa data
mining telah menjadi bagian de facto dari menjalankan bisnis modern seperti di tahun 2022
sekarang ini.
C. Kelebihan dan kekurangan data mining
Kelebihan Menggunakan Data Mining
Analisis data melalui data mining dapat memberi perusahaan keuntungan yang tak
terhitung jumlahnya untuk mengoptimalkan manajemen dan waktu. Berikut beberapa
kelebihan menggunakan data mining:
1. Manajemen hubungan pelanggan yang lebih baik
Mampu memastikan manajemen hubungan pelanggan yang baik adalah salah satu
keuntungan utama dari penerapan data mining. Ini dapat membantu perusahaan
memahami jenis pelanggan mana saja yang dapat menggunakan jenis produk yang
sesuai sehingga menjamin penjualan produk daripada melakukan promosi produk. Hal
tersebut juga dapat membantu perusahaan untuk memilih strategi pemasaran yang
berbeda berdasarkan demografi pelanggan mereka.
2. Menarik dan mempertahankan pelanggan
Konsumen saat ini menginginkan pengalaman yang dipersonalisasi dan interaktif
dengan perusahaan yang terlibat.
Oleh karena itu, satu-satunya cara untuk memenangkan dan mempertahankan
keminatkan pelanggan adalah dengan memiliki pemahaman yang mendalam tentang
perilaku, karakteristik, dan preferensi pelanggan itu sendiri.
Data mining/penambangan data dapat dengan cepat dan efektif menganalisis atribut
utama konsumen. Dengan cara ini, kampanye produk Anda dapat ditargetkan secara
tepat kepada orang-orang yang mungkin menjadi konsumen.
3. Membantu dalam Persaingan
Dengan begitu banyak data baru yang dianalisis, departemen R&D perusahaan akan
berada di garis depan tren dan dapat mempertimbangkan produk yang berpotensi
menghasilkan profit lebih untuk selanjutnya. Salah satu strategi yang dapat digunakan
dengan data mining adalah membandingkan informasi yang dikumpulkan dari
perusahaan dengan pesaing utama.

Kelemahan Data Mining

1. Biaya Terbilang Cukup Mahal
Karena besarnya data yang dihasilkan setiap hari, jelas bahwa hal ini akan
menimbulkan membengkaknya biaya terkait dengan penyimpanan dan
pemeliharaannya data. Ini adalah salah satu kelemahan utama dari data mining.
2. Keamanan data
Perusahaan juga menyimpan banyak informasi penting tentang pelanggan dan
karyawannya. Karena sejumlah besar data berharga disimpan dalam sistem data
mining, dalam teknologi sistem informasi selalu ada risiko untuk diretas oleh pihak
yang tidak diinginkan.
D. Metode dan Penerapan Data Mining
METODE DATA MINING
Dalam melakukan pengumpulan informasi tentunya terdapat metode, Metode tersebut akan
membantu dalam proses menemukan data. Data mining akan menyediakan perencanaan
dari ide hingga implementasi akhir.
1. Proses pengambilan Data
Bagaimana proses pengambilan data? Dengan KDD atau Knowledge Discovery
(mining) in Databases. Kita dapat melakukan proses pengambilan data. Proses atau
tahapan-tahapan tersebut dimulai dari data mentah dan berakhir dengan pengetahuan
atau informasi yang telah diolah. Berikut berbagai prosesnya:
• Data Cleansing
Proses dimana data-data yang tidak lengkap, mengandung error dan tidak konsisten
dibuang dari koleksi data. Ketahui juga data lifecycle management untuk
mengetahui tentang pengolahan data.
• Data Integration
Proses integrasi data dimana yang berulang akan dikombinasikan.
• Selection
Proses seleksi atau pemilihan data yang relevan terhadap analisis untuk diterima
dari koleksi data yang ada.
• Data Transformation
Proses transformasi data yang sudah dipilih ke dalam bentuk mining procedure
melalui cara dan agresi data.
• Data Mining
Proses yang paling penting dimana akan dilakukan berbagai teknik yang
diaplikasikan untuk mengekstrak berbagai pola-pola potensial untuk mendapatkan
data yang berguna.
• Pattern Evolution
Sebuah proses dimana pola-pola menarik yang sebelumnya sudah ditemukan
dengan identifikasi berdasarkan measure yang telah diberikan
• Knowledge Presentation
Merupakan proses tahap terakhir, Dalam hal ini digunakan teknik visualisasi yang
bertujuan membantu user dalam mengerti dan menginterpretasikan hasil dari
penambangan data.
2. Teknik dalam Proses Penambangan Data
Terdapat berbagai macam teknik yang digunakan dalam proses penambangan data.
Berikut teknik yang bisa digunakan dalam proses Data Mining:
• Predictive Modeling
Terdapat dua teknik yaitu Classification dan Value Prediction
• Database Segmentation
Melakukan partisi database menjadi sejumlah segmen, cluster, atau record yang
sama
• Link analysis
 Sebuah teknik untuk membuat hubungan antara record yang individu atau
sekumpulan record dalam database.
• Deviation detection
Sebuah teknik untuk mengidentifikasi outlier yang mengekspresikan sebuah
deviasi dari ekspektasi yang sudah diketahui sebelumnya.
• Nearest Neighbour
Yaitu teknik yang memprediksi pengelompokan, Teknik ini sendiri merupakan
teknik yang tertua yang digunakan dalam data mining.
• Clustering
Merupakan teknik untuk mengklasifikasikan data berdasarkan kriteria masing-
masing data.
• Decision Tree
Merupakan teknik generasi selanjutnya, dimana teknik ini adalah sebuah model
prediktif yang dapat digambarkan seperti pohon. Setiap node yang terdapat dalam
struktur pohon tersebut mewakili sebuah pertanyaan yang digunakan untuk
menggolongkan data.

PENERAPAN DATA MINING

Penerapan data mining dalam beberapa sektor industri. Berikut adalah penerapannya:
• Bisnis
Dalam sektor bisnis, biasanya data mining digunakan untuk pemasaran, analisis
pasar, dan analisis kebutuhan pelanggan. Mari kita bahas satu per satu.
o Pemasaran
Data mining digunakan untuk mengidentifikasi karakteristik dan
memprediksi perilaku pelanggan.
o Analisis pasar
Dalam analisis pasar data mining digunakan untuk menemukan korelasi
antara satu produk yang dijual dengan produk lainnya. Sehingga, penjual
dapat melakukan strategi untuk meningkatkan penjualan.
o Analisis kebutuhan pelanggan
Data mining digunakan dalam mengidentifikasi produk yang menarik untuk
pelanggan. Selain itu, ia juga digunakan dalam memprediksi faktor apa
yang dapat menarik pelanggan baru.
• Edukasi
Dalam sektor edukasi, data mining membantu untuk memahami karakteristik
masing-masing siswa. Hal ini bertujuan untuk mengetahui pola pembelajaran
terbaik yang dapat diterapkan dalam sesi pembelajaran.
• Asuransi
Dalam sektor asuransi, data mining digunakan untuk memahami minat dan
kebutuhan nasabah. Sehingga, perusahaan asuransi bisa memberikan penawaran
 yang menarik bagi nasabah. Selain itu, perusahaan asuransi menggunakan data
mining untuk mendeteksi penipuan dan risiko pada pengajuan klaim asuransi.
• Perbankan
Dalam sektor perbankan, data mining digunakan untuk memprediksi seberapa besar
kemungkinan nasabah tidak dapat melunasi pinjaman. Hal ini dilakukan untuk
meminimalisir resiko kerugian.

E. Fungsi Data Mining

Data mining memiliki banyak sekali fungsi, Untuk fungsi utamanya sendiri yaitu ada dua;
Yaitu fungsi descriptive dan fungsi predictive. Untuk fungsi lainnya akan dibahas di bawah
1. Descriptive
Fungsi deskripsi dalam data mining adalah sebuah fungsi untuk memahami lebih jauh
tentang data yang diamati. Dengan melakukan sebuah proses diharap bisa mengetahui
perilaku dari sebuah data tersebut. Data tersebut itulah yang nantinya dapat digunakan
untuk mengetahui karakteristik dari data yang dimaksud.
Dengan menggunakan Fungsi descriptive Data mining, Maka nantinya bisa
menemukan pola tertentu yang tersembunyi dalam sebuah data. Dengan kata lain jika
pola yang berulang dan bernilai itulah karakteristik sebuah data bisa diketahui.
2. Predictive
Fungsi prediksi merupakan sebuah fungsi bagaimana sebuah proses nantinya akan
menemukan pola tertentu dari suatu data. Pola-pola tersebut dapat diketahui dari
berbagai variabel-variabel yang ada pada data.
Ketika sudah menemukan pola, Maka pola yang didapat tersebut bisa digunakan untuk
memprediksi variabel lain yang belum diketahui nilai ataupun jenisnya. Karena itulah
fungsi satu ini dikatakan sebagai fungsi prediksi sama halnya dengan
melakukan predictive analisis. Fungsi ini juga bisa digunakan untuk memprediksi
sebuah variabel tertentu yang tidak ada dalam suatu data. Sehingga fungsi ini
memudahkan dan menguntungkan bagi siapapun yang memerlukan prediksi yang
akurat untuk membuat hal penting tersebut menjadi lebih baik
Fungsi Data mining yang lainnya yaitu : characterization, discrimination, association,
classification, clustering, outlier and trend analysis, dll.
1. Multidimensional concept description, Karakterisasi dan diskriminasi, Atau
berfungsi untuk Menggeneralisasikan, meringkas, dan membedakan karakteristik data,
dll.
2. Frequent patterns, association, correlation
3. Classification and prediction, Membangun model (fungsi) yang menggambarkan dan
membedakan kelas atau konsep untuk prediksi masa depan. Misalnya,
Mengklasifikasikan negara berdasarkan (iklim), atau mengklasifikasikan mobil
berdasarkan (jarak tempuh gas)
4. Cluster analysis, Membuat data grup untuk membentuk kelas baru. Misalnya,
Memaksimalkan kesamaan intra-kelas & meminimalkan kesamaan antar kelas
5. Outlier analysis, Objek data yang tidak sesuai dengan perilaku umum dari data,
Berguna dalam deteksi penipuan, analisis peristiwa langka.
6. Trend and evolution analysis, Trend dan penyimpangan: misalnya Analisis regresi
atau Mining Penambangan pola berurutan: misalnya, Kamera digital, atau Analisis
periodisitas dan Analisis berbasis kesamaan.
7. Other pattern-directed or statistical analyses
 BAB III

PENUTUP

1. Kesimpulan
Data Mining mengajarkan tentang data, teknik-teknik mengolah data, teknik menambang
data, sehingga diperoleh pola-pola tertentu yang dapat menjadi informasi yang berguna dan
juga aplikasi dan permasalahan penerapannya pada kondisi nyata.
Data mining adalah serangkaian proses untuk menggali nilai tambah dari suatu kumpulan
data berupa pengetahuan yang selama ini tidak diketahui secara manual. Proses data mining
seringkali menggunakan metode statistika, matematika, hingga memanfaatkan teknologi
artificial intelligence. Data mining juga disebut sebagai serangkaian proses untuk
menemukan suatu pengetahuan atau informasi yang selama ini tidak diketahui dari data
berskala besar dan sering juga disebut sebagai knowledge discovery in database KDD
Santosa, 2007.

2. Saran
Saya berharap makalah ini dapat menambah wawasan bagi pembaca agar tertarik untuk
terus dapat meningkatkan keingintahuan nya terhadap informasi baru yang bermanfaat.
Demi kesempurnaan makalah ini, saya berharap kritik dan saran dari pembaca yang
sifatnya membangun agar makalah ini bisa lebih baik untuk kedepannya.
 DAFTAR PUSTAKA
https://lmsspada.kemdikbud.go.id/mod/page/view.php?id=55904

https://youtu.be/u-FUlAElKls

https://rifqimulyawan.com/blog/pengertian-data-
mining/?_gl=1*1ozxiq2*_ga*YW1wLUdzTm9LbjlyYTBMR2VmUHpHMWRYY3BjMTVXc
mtnT2xpZWxvNWRQcjZRM2RoMlQwLWRFMVZBbXNvLVpKNjJQeVU.#Sejarah_Data_Mi
ning
https://kolonginfo.com/keuntungan-menggunakan-data-mining/
https://www.jagoanhosting.com/blog/apa-itu-data-mining/

https://www.dicoding.com/blog/apa-itu-data-mining/