Data Mining

Anggota Kelompok

1. Adilla Putri Arifin (30520003) 8. Fadilla Rahmawati (30520036)

2. Anggi Listya N R (30520006) 9. Finka Ayu Aprilia (30520041)

3. Anissa Eka W (30520007) 10.Galih Iqbal R (30520043)

4. Cindy Septi (30520019) 11.Indah Quran N. (30520045)

5. Dinda Rizky O K (30520029) 12.Komala Anggraeni (30520048)

6. Eratalita Dwi P (30520033)

7. Erdis Ardiansyah (30520034)

 Pembahasan

01
Pengertian Data
02
Tahap-tahap Data
03
Fungsi Data
Mining Mining Mining

04 05 06
Peran Data Metode Data Penerapan Data
Mining Mining Mining
Pengertian Data
Mining
Menurut Davies (2004) data mining adalah Pembagunan
atau penemuan informasi baru dengan mencar pola atau
aturan tertentu dari sejumlah data yang sangat besar.

Proses data mining sering kali menggunakan metode ilmu

statistika, ilmu matematika, hingga memanfaatkan
teknologi artificial intelligence.
 Tahap-tahap Data Mining
Tahapan dalam data mining bersifat interaktif, tahapan tersebut terdiri
dari 6 bagian, yaitu:

1. Pembersihan data (data cleaning)

Pembersihan data merupakan langkah pertama dari tahapan data
mining yang dilakukan karena biasanya data yang akan digunakan
belum baik. Data yang belum baik yaitu terdapat data yang tidak
lengkap, terdapat noisy, dan data tidak konsisten atau tidak relevan.

2. Integrasi data (data integration)

Integrasi data yakni penggabungan data dari berbagai database ke
dalam satu database baru. Integrasi data dilakukan pada atribut-
aribut yang mengidentifikasikan entitas-entitas yang unik seperti
atribut nama, jenis produk, nomor pelanggan dan lainnya
3. Seleksi data (data selection)
Seleksi data dilakukan karena tak jarang bahwa data dalam database tak
semuanya dipakai, maka dari itu hanya data yang sesuai untuk dianalisis
yang akan diambil dari database.

4. Transformasi data (data transformation)

Transformasi data merupakan tahap pengubahan data ke dalam format
yang telah tersedia untuk di proses ke dalam data mining yang nantinya
akan digabungkan menjadi sebuah data, sebelum diaplikasikan.

5. Proses Mining
Merupakan proses untuk menemukan pengetahuan atau informasi
tersembunyi dari data.
6. Evaluasi Pola (pattern evaluation)
Tahap ini berupa prediksi atau evaluasi untuk menilai apakah data
yang diperoleh sudah sesuai atau belum. Jika data belum sesuai maka
akan dilakukan perbaikan dalam proses data mining, dengan
menggunakan metode data mining lain yang lebih sesuai.

7. Presentasi pengetahuan (Knowledge presentation)

Tahap presentasi pengetahuan merupakan tahap terakhir yang berupa
penyajian pengetahuan atau informasi yang nantinya dapat dipahami
oleh semua pihak.
Fungsi Data Mining
1. Prediction atau prediksi
Fungsi data mining sebagai prediksi yaitu menemukan pola data dengan
menggunakan beberapa variabel untuk memprediksi variabel lainnya yang
nilainya atau jenisnya masih belum diketahui.
2. Description atau deskripsi
Fungsi description digunakan untuk memahami seberapa lebih jauh data yang
akan diamati, sehingga menemukan suatu ciri dari data yang terdapat di dalam
suatu database.
3. Classification atau klasifikasi
Fungsi klasifikasi dari data mining yaitu untuk menggambarkan suatu data dan
dapat memprediksi data pada masa yang akan mendatang.
4. Association atau asosiasi
Fungsi asosiasi data mining adalah untuk menemukan suatu hubungan yang
terdapat pada data.
 Metode Data Mining
1. Classification
Classificaton adalah metode yang paling umum pada data
mining, yang biasanya digunakan dalam masalah bisnis.
Metode ini merupakan tindakan untuk memberikan kelompok
pada setiap keadaan yang atribut datanya berupa data
numerik atau data nominal.

Contohnya yaitu data kelulusan mahasiswa.

2. Association
Metode asosiasi biasa disebut dengan analisis keranjang pasar karena
metode ini paling tepat digunakan untuk pemasaran. Metode
association saling menghubungkan antar item.

Contohnya yaitu menentukan obat dalam apotik yang dibeli secara

bersamaan dan yang tidak pernah dibeli secara bersamaan.
 3. Clustering
Metode ini digunakan untuk mengidentifikasi
kelompok dari suatu data berdasarkan
kemiripan atribut (usia, jenis kelamin,
pendapatan, penyakit, dan lain-lain.).

Contohnya yaitu pengelompokan pasien

4. Regression
diabetes mellitus berdasarkan atribut usia.
Metode ini mirip dengan classification, yang
membedakannya adalah regression tidak bisa
mencari pola yang dijabarkan sebagai kelas.
Metode ini bertujuan untuk mencari pola dan
menentukan sebuah nilai numerik.
5. Forecasting
Metode forecasting digunakan untuk mengetahui
presentase penjualan produk pada periode yang akan
datang. Metode ini menggunakan deretan angka dari
periode sebelumnya dan menggabungkannya dengan tren.

6. Sequencing
Metode ini digunakan untuk mengetahui tahapan-tahapan
serangkaian kejadian. Metode ini menggunakan data dari
periode-periode yang sudah terlewati. Data tersebut
digabungkan yang nantinya akan dianalisis untuk mengetahui
tahapannya.

7. Descriptive
Metode ini digunakan untuk mengetahui perilaku data yang
dianalisis. Berbeda dengan metode lainnya yang berfokus pada
angka, metode ini mengamati data berdasarkan sifat dari data
tersebut.
 Peran Data Mining
1. Description digunakan untuk mengidentifikasi pola yang sering muncul
dan mengubah pola tersebut menjadi aturan yang dapat digunakan
untuk memudahkan suatu aktivitas.

2. Classification digunakan jika atributnya bisa berupa nominal atau

numerik tetapi labelnya harus berupa nominal. Pada klasifikasi
dilakukan pengelompokkan berdasarkan hubungan antara variabel
kriteria dengan variabel target.

3. Prediction digunakan jika atributnya numerik dan labelnya numerik serta

terdapat time series pada atributnya. Peran data mining prediksi ini
secara umum hampir sama dengan klasifikasi.
4. Estimation digunakan jika dataset atributnyanumerik dan labelnya
numerik. Estimasi adalah perkiraan atau prediksi sehingga estimasi
hampir sama dengan klsifikasi yang membedakan hanya pada
jenis dataset yang digunakan.
5. Clustering digunakan jika dataset tidak memiliki label dan atributnya
numerik. Pengklasteran merupakan pengelompokkan data yang
memiliki kemiripan nilai.
6. Association digunakan jika dataset ingin diketahui seberapa dekat
hubungan antar atributnya. Dalam data mining proses asosiasi
adalah pencarian atribut yang muncul atau sering muncul dalam
waktu yang bersamaan.
 Penerapan Data Mining di
Bidang Kesehatan
Penerapan data mining banyak diterapkan di bidang
Kesehatan. Sebagai contohnya yaitu Analisis Rekam Medis
Diabetes Mellitus Melalui Implementasi Teknik Data Mining di
RSUP Dr. Sardjito Yogyakarta. Dalam hal ini data mining
digunakan untuk melakukan klasifikasi penyakit diabetes
mellitus.
 Kesimpulan
1. Data mining adalah proses penggalian informasi untuk
menemukan pengetahuan dan informasi yang tersembunyi
di dalam data yang berukuran besar (data base).
2. Metode dalam data mining classification, association,
clustering, regression, forecasting, sequencing, descriptive
3. Fungsi data mining digunakan untuk memprediksi suatu pola
data, digunakan digunakan untuk menemukan ciri-ciri data
didalam data base, digunakan untuk menggambarkan data
dan menemukan suatu hubungan yang ada didalam data.
 DAFTAR PUSTAKA

Admin. (2021, April 27). Kolong Info. Retrieved from Data Mining Dalam Healthcare:
https://kolonginfo.com/data-mining-dalam-healthcare/
Hartanti, C. B. (2012). Penerapan Data Mining Berdasarkan Asosiasi Dengan
Menggunakan Algoritma Apriori Dalam Penentuan Pola Belanja Kitchen Appliances.
Salim, M. F & Sugeng. (2017). Analisis Rekam Medis Pasien Diabetes Mellitus Melalui
Implementasi Teknik Data Mining di RSUD Dr. Sarditjo Yogyakarta . Jurnal Kesehatan
Vokasional, 167-174.
Undang-Undang Republik Indonesia No 28. (2014). Akses Jam 15.51.
Undang-Undang Republik Indonesia No 28, 2014
Yudiarta, Nyoman Gede; Sudarma, Made; Ariastina, Wayan Gede. (2018, Dec 5).
Penerapan Metode Clustering Text Mining Untuk Pengelompokan Berita pada Unstr
Textual datautured Majalah Ilmiah Teknologi Elektro. pp. 339-334.
Terimakasih