 Data semakin bertambah banyak

Data web, e-commerce, Data pembelian ditoko2 / supermarket,

Transaksi Bank / Kartu Kredit, Detail panggilan telepon, Statistik
pemerintahan, Rekam medis, Database molekul, Citra astronomis
 Komputer sekarang murah dan powerfull
 Tekanan kompetisi semakin kuat, Menyediakan layanan
yang lebih baik & customized (mis dalam Customer
Relationship Management)
 Teknik penyimpanan data semakin tinggi dengan kecepatan
tinggi (GB/jam)
 Proses ekstraksi informasi didalam kumpulan data yang
besar menjadi tantangan
 Pendekatan analisis data tradisional tidak dapat digunakan
untuk mengekstrak data dalam jumlah besar
 Data mining merupakan teknik yang menggabungkan teknik
analisis data tradisional dengan algoritma yang
sophisticated untuk pemrosesan data dalam jumlah besar
 Informasi yang dibutuhkan misalnya:
› Kebutuhan dari pelanggan (data layanan telepon)
› target responden untuk promosi produk
› Jenis produk yang paling banyak terjual
› Historis transaksi dari seorang pelanggan
› Pelanggan yang paling loyal
› Mengetahui perilaku gen2 dalam berbagai situasi
› Mengetahui awal dan akhir musim pada suatu area
 Informasi yang dibutuhkan seperti di atas
dapat diekstrak dengan data mining
 Data mining merupakan teknik yang
menggabungkan teknik analisis data tradisional
dengan algoritma yang sophisticated untuk
pemrosesan data dalam jumlah besar
Data mining adalah :
 Sebuah proses untuk menemukan hubungan, pola,
dan tren baru yang bermakna dengan menyaring
data yang sangat besar, yang tersimpan dalam
penyimpanan, menggunakan teknik pengenalan
pola teknik statistik dan matematika
 Serangkaian proses untuk menggali nilai tambah
dari suatu kumpulan data berupa pengetahuan
yang selama ini tidak diketahui secara manual.
 Analisa otomatis dari data yang berjumlah besar
atau kompleks dengan tujuan untuk menemukan
pola atau kecenderungan yang penting yang
biasanya tidak disadari keberadaannya
 Pencarian
Informasi

Ekstraksi data (bahasa alami,

web penstrukturan

Dasar (seleksi,
Prosentase hasil)

Statistik
Data Artificial
Mining Intelligent

Pembelajaran neural network,

Pohon keputusan, fuzzy

Data yang besar (normalisasi data,

Transformasi, OLAP

Database
 Statistik : model statistik dipersiapkan oleh para ahli statistik,
sedangkan data mining mengembangkan statistik untuk
menangani data berjumlah besar secara otomatis.

 Expert system (sistem cerdas) : model pada expert system

dibuat berupa aturan-aturan berdasar pada pengalaman-
pengalaman para ahli.

 Data warehouse (DWH) : sering terjadi kerancuan antara data

mining dan data warehouse karena keduanya sering dipakai
bersamaan. Pada umumnya data warehouse lebih merujuk
pada tempat untuk menyimpan data yang terkonsolidasi
sedangkan data mining bisa dianggap sebagai perkakas untuk
menganalisa otomatis nilai dari data itu.

 OLAP (Online Analytical Processing) : seperti data warehouse,

OLAP juga sering dibahas bersama data mining. Tetapi OLAP
memiliki tujuan untuk memastikan hipotesa yang sudah
diformulasikan terlebih dulu oleh penggunanya.
 Penanganan Berbagai Tipe Data
 Efisiensi Algoritma Data Mining
 Kegunaan, Kepastian dan Keakuratan
Hasil
 Ekspresi Terhadap Berbagai Jenis Hasil
 Memperoleh Informasi Dari Sumber-
sumber Data Yang Berbeda
 Proteksi Dan Keamanan Data
 Normalisasi
 Query
 Relasi Tabel
 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 & PelayananKesehatan
› Analisis dari klaim
› Memprediksi pelanggan yang akan membeli polis baru
› Identifikasi pola perilaku pelanggan yang berbahaya
 Transformasi
› Menentukan jadwal distribusi ke outlet2
 Rosetta
 RapidMiner
 Weka
 Estard Data Miner
 KNIME
1. Jelaskan hubungan antara ilmu statistik, artificial
intelligence, database dan pencarian informasi dengan
data mining!
2. Jelaskan kelebihan data mining dibanding dengan ilmu-
ilmu diatas!
3. Berikan contoh penerapan data mining pada salah satu
instansi!