DATA MINING

Data Mining (DM) sendiri adalah serangkaian proses untuk menggali nilai tambah berupa pengetahuan
yang selama ini tidak diketahui secara manual dari suatu kumpulan data. Seorang analis menerapkan
tahapan-tahapan data mining tersebut. Sebagai prasyarat penerapan data mining, diperlukan
pemahaman terhadap data dan proses diperolehnya data tersebut. Yang lebih mendasar lagi adalah
diperlukannya pemahaman mengapa menerapkan data mining dan target yang ingin dicapai. Sehingga
secara garis besar sudah ada hipotesa mengenai aksi-aksi yang dapat diterapkan dari hasilnya nanti.
Penulis juga mencoba merangkum perkembangan terakhir dari teknik-teknik DM beserta implikasinya di
dunia bisnis.

Proses Data Mining

Beberapa teknik yang sering disebut-sebut dalam literatur data mining seperti classification, neural
network, genetic algorithm dll. sudah lama dikenal di dunia kecerdasan buatan. Statistik memberikan
kontribusi pada data mining dengan teknik-teknik untuk menyeleksi data dan evaluasi hasil data mining
selain teknik-teknik data mining seperti clustering.

Patut diingat bahwa kata mining sendiri berarti usaha untuk mendapatkan sedikit barang berharga dari
sejumlah besar material dasar. Karena itu data mining sebenarnya memiliki akar yang panjang dari
bidang ilmu seperti kecerdasan buatan (artificial intelligent)

Sebagai contoh gambaran toko swalayan merekam setiap penjualan barang dengan memakai alat POS
(point of sales). Database data penjualan tsb. bisa mencapai beberapa GB setiap harinya untuk sebuah
jaringan toko swalayan berskala nasional. Perkembangan internet juga punya andil cukup besar dalam
akumulasi data. Tetapi pertumbuhan yang pesat dari akumulasi data itu telah menciptakan kondisi yang
sering disebut sebagai “rich of data but poor of information” karena data yang terkumpul itu tidak dapat
digunakan untuk aplikasi yang berguna. Tidak jarang kumpulan data itu dibiarkan begitu saja seakan-
akan “kuburan data” (data tombs)
Untuk melakukan data mining, ada sejumlah aplikasi atau software yang biasa digunakan oleh para
spesialis. Diantaranya:

1. WEKA : WEKA (Waikato Environment for Knowledge Analysis) adalah sebuah software yang
menggunakan algoritma machine learning untuk melakukan proses data mining. Salah satu fiturnya ada
regression dan clustering yang dapat memperkirakan masa yang akan datang berdasarkan pola yang
sudah terbentuk. Dan mengelompokkan data yang tersedia

2. Rapid Miner : Rapid Miner adalah salah satu software untuk melakukan data mining yang dapat
melakukan analisi teks, mengekstrak pola, dan mengombinasikannya dengan metode statistika,
database, dan kecerdasan buatan. Dan dengan Rapid Miner kita dapat memahami deep learning,
machine learning, dan analisis prediktif.

3. Rattle : Rattle juga berguna untuk keperluan data mining. Aplikasi ini mengandalkan kekuatan R
Statistical Software. Keunggulan Rattle adalah dapat melakukan analisis statistik dan membuat model.

4. Orange : Orange adalah software yang sangat ideal untuk melakukan machine learning dan data
mining. Keunggulannya adalah menampilkan visualisasi data yang bagus.

5. KNIME : KNIME adalah platform integrasi terbaik untuk kebutuhan laporan dan analisis data.
Software ini penggunaannya lebih kearah riset farmasi karena Aplikasi ini menampilkan analisis data
pelanggan dan analisis data finansial.

Dan perlu diingat sekali lagi data mining Secara sederhana adalah proses meringkas dan
mengidentifikasi informasi atau knowledge dari sekumpulan data yang sangat banyak. Data mining
menggunakan teknik statistik, matematika, dan kecerdasan buatan untuk melakukan proses ini. Istilah
lain yang mengacu pada data mining adalah knowledge extraction, pattern analysis, information
harvesting, dan data archaeology. Hasil data mining dapat digunakan untuk memprediksi tren bisnis,
menemukan pola yang belum diketahui, dan membuat keputusan bisnis.

Maka dari itu data mining sangat penting pada dunia bisnis