Pengertian Data Mining
Data
Mining adalah serangkaian proses untuk menggali nilai tambah dari suatu
kumpulan data berupa pengetahuan yang selama ini tidak diketahui secara manual.
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), machine learning, statistik dan database. Data
mining adalah proses menerapkan metode ini untuk data dengan maksud untuk
mengungkap pola-pola tersembunyi. Dengan arti lain Data mining adalah proses
untuk penggalian pola-pola dari data. Data mining menjadi alat yang semakin
penting untuk mengubah data tersebut menjadi informasi. Hal ini sering
digunakan dalam berbagai praktek profil, seperti pemasaran, pengawasan, penipuan
deteksi dan penemuan ilmiah. Telah digunakan selama bertahun-tahun oleh bisnis,
ilmuwan dan pemerintah untuk menyaring volume data seperti catatan perjalanan
penumpang penerbangan, data sensus dan supermarket scanner data untuk
menghasilkan laporan riset pasar.
Alasan
utama untuk menggunakan data mining adalah untuk membantu dalam analisis
koleksi pengamatan perilaku. Data tersebut rentan terhadap collinearity karena
diketahui keterkaitan. Fakta yang tak terelakkan data mining adalah bahwa
subset/set data yang dianalisis mungkin tidak mewakili seluruh domain, dan
karenanya tidak boleh berisi contoh-contoh hubungan kritis tertentu dan
perilaku yang ada di bagian lain dari domain . Untuk mengatasi masalah semacam
ini, analisis dapat ditambah menggunakan berbasis percobaan dan pendekatan
lain, seperti Choice Modelling untuk data yang dihasilkan manusia. Dalam
situasi ini, yang melekat dapat berupa korelasi dikontrol untuk, atau dihapus
sama sekali, selama konstruksi desain eksperimental.
Beberapa
teknik yang sering disebut-sebut dalam literatur Data Mining dalam penerapannya
antara lain: clustering, classification, association rule mining, neural
network, genetic algorithm dan lain-lain. Yang membedakan persepsi terhadap
Data Mining adalah perkembangan teknik-teknik Data Mining untuk aplikasi pada
database skala besar. Sebelum populernya Data Mining, teknik-teknik tersebut
hanya dapat dipakai untuk data skala kecil saja.
Contoh Data Mining
Beberapa contoh dari data mining
adalah aplikasi yang banyak digunakan di bidang perbankan, pemasaran dan juga
asuransi. Misalnya aplikasi yang digunakan dibidang pemasaran adalah untuk
mengidentifikasi pembelian para konsumen, mencari dan menemukan hubungan
karakterisitik demografi pelanggan, memperkirakan tanggapan penawaran melalui
surat.
Contoh aplikasi
data mining yang digunakan di perbankan adalah mendeteksi pola penyalahgunaan
kartu kredit dan mengidentifikasi tingkat loyalitas dari para pelanggan. Dan
aplikasi data mining yang digunakan di bidang asuransi misalnya analisis klaim
dan memperkirakan pelanggan yang akan membeli produk terbarunya.
Kelebihan & Kekurangan Data Mining
Kelebihan Data Mining :
- Kemampuan
dalam mengolah data dalam jumlah yang besar.
- Pencarian
Data secara otomatis.
Kekurangan Data Mining :
- Kendala
Database ( Garbage in garbage out ).
- Tidak
bisa melakukan analisa sendiri.
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.
EmoticonEmoticon