LAPORAN PRAKTIKUM

MATA KULIAH DATA WAREHOUSE DATA MINING

MODUL PERTEMUAN 8
(Data Warehouse Concept Preparation For Data Mining)

Disusun Oleh:

Nama : Mayshe Thoibalana Putri

Kelas : SI 5
NRP : 14621713

PROGRAM STUDI SISTEM INFORMASI

SEKOLAH TINGGI ILMU KOMPUTER (STIKOM) POLTEK
CIREBON
2023
 MODUL 8

PENGENALAN DATA MINING

A. TEORI SINGKAT

1. Pengertian Data Mining

Data mining merupakan suatu alat yang memungkinkan para pengguna
untuk mengakses secara cepat data dengan jumlah yang besar.
Pengertian yang lebih khusus dari data mining, yaitu suatu alat dan
aplikasi menggunakan analisis statistik pada data. Data mining adalah
suatu proses ekstraksi atau penggalian data dan informasi yang besar,
yang belum diketahui sebelumnya, namun dapat dipahamidan berguna
dari database yang besar serta digunakan untuk membuat suatu
keputusanbisnis yang sangat penting. Data mining menggambarkan
sebuah pengumpulan teknik-teknik dengan tujuan untuk menemukan
pola-pola yang tidak diketahui pada data yang telah dikumpulkan.

2. Fungsi dan Tujuan Data Mining

Fungsi Data mining

Data Mining mengidentifikasi fakta- fakta atau kesimpulan-kesimpulan

yang di sarankan berdasarkan penyaringan melalui data untuk
menjelajahi pola-pola atau anomali-anomali data. Data Mining
mempunyai 5 fungsi:

a. Classification

Classification, yaitu menyimpulkan definisi-definisi karakteristik sebuah

grup. Contoh: pelanggan-pelanggan perusahaan yang telah berpindah
kesaingan perusahaan yang lain.

b. Clustering

Clustering, yaitu mengindentifikasikan kelompok-kelompok dari barang-

barang atau produk-produk yang mempunyai karakteristik
khusus(clustering berbeda dengan classification, dimana pada clustering
tidak terdapat definisi-definisi karakteristik awak yang di berikan pada
waktu classification.)

Laporan Praktikum DWDM Mayshe Thoibalana Putri

 c. Association

Association, yaitu mengidentifikasikan hubungan antara kejadian-

kejadian yang terjadi pada suatu waktu, seperti isi-isi dari keranjang
belanja.

d. Sequencing

Hampir sama dengan association, sequencing mengidentifikasikan

hubungan-hubungan yang berbeda pada suatu periode waktu tertentu,
seperti pelanggan-pelanggan yang mengunjungi supermarket secara
berulang-ulang.

e. Forecasting

Forecasting memperkirakan nilai pada masa yang akan datang

berdasarkan pola-pola dengan sekumpulan data yang besar, seperti
peramalan permintaan pasar.

Tujuan Data Mining

Tujuan data mining antara lain:

a. Explanatory

Untuk menjelaskan beberapa kondisi penelitian, seperti mengapa

penjualan truk pick up meningkat di colorado.

b. Confirmatory

Untuk mempertegas hipotesis, seperti halnya 2 kali pendapatan keluarga

lebih suka di pakai untuk membeli peralatan keluarga, di bandingkan
dengan satu kali pendapatan keluarga.

c. Exploratory

Menganalisis data untuk hubungan yang baru yang tidak di harapkan,

seperti halnya pola apa yang cocok untuk kasus penggelapan kartu kredit.

Laporan Praktikum DWDM Mayshe Thoibalana Putri

 3. Penerapan Data Mining

Dalam bidang apasaja data mining dapat diterapkan? Berikut beberapa

contoh bidang penerapan data mining:

Analisa pasar dan manajemen

Solusi yang dapat di selesaikan dengan Data Mining, diantaranya:

Menembak target pasar, Melihat pola beli pemakai dari waktu ke waktu,
Cross-Market analysis, Profil Customer, Identifikasi kebutuhan Customer,
Menilai loyalitas Customer, Informasi Summary.

a. Analisa Perusahaan dan Manajemen resiko

Solusi yang dapat diselesaikan dengan data mining diantaranya:

Perencanaan keuangan dan evaluasi aset, perencanaan sumber daya
(resource planning), persaingan (competition).

b. Telekomunikasi

Sebuah perusahaan telekomunikasi menerapkan data mining untuk

melihat dari jutaan transaksi yang masuk, transaksi mana sajakah yang
masih harus ditangani secara manual

c. Keuangan

Financial Crimes Enforcement Network di Amerika Serikat baru-baru ini

menggunakan data mining untuk menambang triliyunan dari berbagai
subyek seperti property, rekening bank dan transaksi keuangan lainnya
untuk mendeteksi transaksi-transaksi keuangan yang mencurigakan
(Seperti money laundry)

d. Asuransi

Australian Health Insurance Commision menggunakan data mining untuk

mengidentifikasi layanan lesehatan yang sebenarnya tidak perlu tetapi
tetap dilakukan oleh peserta asuransi.

e. Olahraga

IBM Advanced Scout menggunakan data mining untuk menganalisis

statistik permainan NBA ( jumlah shots blocked, assists dan fouls ) dalam
rangka mencapai keunggulan bersaing ( competitive advantage ) untuk
tim New York Knicks dan Miami Heat.

Laporan Praktikum DWDM Mayshe Thoibalana Putri

Laporan Praktikum DWDM Mayshe Thoibalana Putri
 B. DETAIL PROSES PRAKTIKUM
Membuat Tabel dan Atribut pada Microsoft Excel

1. Dengan menggunakan Ms. Excel, buatlah tabel berikut dan simpan

dengan nama Modul-1 DWDM.xls.

2. Dengan menggunakan formula dalam MS. Excel, carilah :

a. Pada atribut Jurusan_SMA, berapa jumlah data masing-masing

kelas IPA, IPS dan LAIN? (gunakan formula = COUNTIF)

Laporan Praktikum DWDM Mayshe Thoibalana Putri

 b. Pada atribut Lama_Studi, berapa jumlah data masing-
masing kelas TEPAT, TERLAMBAT?

c. Pada atribut Rerata_SKS, berapa nilai Max, Min, Mean, dan

Standard Deviation?

d. Pada tabel tersebut, berapakah jumlah data gabungan untuk

kelas pada atribut Jurusan_SMA = IPA, Gender = PRIA,
Asisten = YA, Lama_studi = TEPAT? (gunakan formula =
COUNTIFS)

Laporan Praktikum DWDM Mayshe Thoibalana Putri

 C. KESIMPULAN

Pada proses Data Mining hal yang paling penting adalah pada tahap “Data
Mining” dengan menggunakan teknik-teknik yang diaplikasikan untuk
mengekstrak pola-pola potensial yang berguna.

D. DAFTAR PUSTAKA
Makalah data mining. (n.d.). Blog Putri Elok. https://blog-
elok.blogspot.com/2015/01/makalah-data-mining.html

(n.d.). Welcome to UTDI Repository - UTDI

Repository. https://eprints.utdi.ac.id/9682/2/2_185410118_BAB_I
%20-%20ardina%20surya.pdf

Laporan Praktikum DWDM Mayshe Thoibalana Putri