Pengertian Data Mining
Data
mining merupakan salah satu proses eksplorasi dan analisis data yang memiliki
banyak metode dengan kegunaan masing-masing. Data mining merupakan gabungan
dari berbagai bidang ilmu, antara lain
basis data, information retrieval, statistika, machine learning dan sebagainya.
Data mining dapat diterapkan di berbagai bidang, seperti bisnis, kesehatan,
asuransi, pemasaran dan perbankan. Data mining merupakan cara untuk menemukan
informasi yang tersembunyi dalam sebuah basis data dan merupakan bagian dari
proses Knowledge Discovery in Database (KDD) untuk menemukan informasi dan pola
yang berguna dalam data. Kumpulan proses tersebut meliputi : pembersihan data
(data cleaning), integrasi data (data integration), pemilihan data (data selection),
transformasi data (data transformation),data mining, evaluasi pola (pattern
evaluation), knowledge presentation. Data Mining (DM), sering juga disebut
knowledge discovery in database (KDD), adalah kegiatan yang meliputi
pengumpulan, pemakaian data historis untuk menemukan keteraturan, pola atau
hubungan dalam set data berukuran besar. Keluaran data mining ini bisa dipakai untuk
memperbaiki pengambilan keputusan di masa depan. Data mining merupakan gabungan
teori dan heuristik, fokus pada seluruh proses penemuan knowledge/pola termasuk
data cleaning, learning, dan visualisasi dari hasilnya. Karena DM adalah suatu
rangkaian proses, tahap-tahap data mining dapat dibagi menjadi beberapa tahap
yang diilustrasikan di bawah ini:
·
Pembersihan data (untuk membuang data yang tidak
konsisten dan noise)
·
Integrasi data (penggabungan data dari beberapa
sumber)
·
Transformasi data (data diubah menjadi bentuk
yang sesuai untuk di-mining)
·
Aplikasi teknik DM
·
Evaluasi pola yang ditemukan (untuk menemukan
yang menarik/bernilai)
·
Presentasi pengetahuan (dengan teknik
visualisasi)
Kelebihan Data Mining
Kemampuan
data mining untuk menangani data dalam jumlah besar memungkinkan data mining
diterapkan pada masalah-masalah kompleks yang ukurannya tidak dibatasi lagi
oleh otak manusia. Selain itu penelitian tentang algoritma parallel dari data
mining juga membuka jalan agar data mining dapat diterapkan pada program skala
yang lebih besar lagi.
Kekurangan Data Mining
Sebaliknya,
ada beberapa hal yang tidak bisa dilakukan oleh data mining. Yang pertama perlu
disadari adalah data mining bukanlah solusi yang cocok untuk setiap masalah.
Ada banyak masalah yang justru lebih baik diselesaikan dengan statistic yang
sederhana. Selain itu, data mining juga tidak bisa menemukan pengetahuan yang
bermanfaat secara instan.
Kesimpulan
Dalam
tahapan-tahapan dari proses data mining yang sudah kita bahas, seorang analis
data mining perlu tahu perbedaan, kelebihan dan kekurangan dari teknik-teknik
data mining yang ada sebelumnya mengaplikasikan yang paling cocok untuk masalah
yang dihadapinya. Ketika menjalankan teknik data mining itu sendiri, si analis
juga perlu mengarahkan programnya dengan melakukan persiapan-persiapan dan
pemilihan parameternya. Setelah data mining dilaksanakan pun si analis harus
melakukan evaluasi terhadap pola-pola yang dihasilkan sebelumnya bisa
merumuskan hasilnya. Terakhir perlu diingat bahwa data mining tidak bisa
memberikan hasil yang bisa langsung digunakan. Banyak hasil dari data mining
yang tidak bisa langsung diinterpretasikan dengan mudah. Masih banyak juga
teknik-teknik data mining yang belum memiliki teknik baku untuk menilai
seberapa besar manfaat dari pola yang ditemukan. Karenanya untuk penilaian
hasil data mining masih perlu dilakukan secara manual. Yang menjadi masalah
untuk melakukan penilaian pun diperlukan tenaga terlatih karena algoritma data
mining cukup kompleks. Hal-hal ini juga disadari oleh perusahaan-perusahaan
yang menerapkan data mining dan OLAP (On-Line Analytic Processing), yang sering
dirangkum dalam istilah business intelligence (BI). Untuk memecahkan masalah
ini, mulai banyak perusahaan yang membuat pusat untuk business intelligence
yang membantu karyawan biasa untuk menggunakan piranti OLAP maupun data mining
dengan menyediakan pelatihan dan informasi praktis pemakaian dan aplikasi
hasilnya.
Referensi
:
https://id.wikipedia.org/wiki/Penggalian_data
http://repository.usu.ac.id/bitstream/123456789/33409/4/Chapter%20I.pdf
