Data Mining Di Era 5.0

Sekarang kita berada di era 5.0 dimana Peningkatan penggunaan internet di seluruh dunia menghasilkan data dalam jumlah yang sangat besar. Supaya memberikan manfaat dan dapat digunakan untuk membuat keputusan, data harus dikumpulkan dan diproses terlebih dahulu. Proses pengumpulan ini pula yang di sebut dengan dat mining loh, jadi data mining kaya bagamana sih ? apakah data meining penting ? yukk simak artikel dibawah ini yah !!

Apa itu data mining?

menurut etimologi data mining terbagi menjadi 2 suku kata yaitu Data dan mining,  Data yang berupa fakta tersebut ketika diolah maka akan menjadi informasi. Sebagai contoh data misal "data mahasiswa Teknik Informatika kelas genap angkatan 2020". Untuk contoh informasi sendiri misal "Rata - rata nilai matakuliah pemrograman kelas genap sebesar 80.85". sedangkan arti  mining sendiri dapat berupa penambangan, penggalian, pengelolaan. 

Jadi, Data mining adalah proses pengumpulan dan pengolahan data yang bertujuan untuk mengekstrak informasi penting pada data. Proses pengumpulan dan ekstraksi informasi tersebut dapat dilakukan menggunakan perangkat lunak dengan bantuan perhitungan statistika, matematika, ataupun teknologi Artificial Intelligence (AI). Data mining sering disebut juga Knowledge Discovery in Database (KDD).

·        Tujuan Data Mining

Data mining dilakukan untuk mencapai tujuan tertentu. Tujuan dari data mining adalah:

Data mining dapat digunakan sebagai sarana untuk menggambarkan situasi penelitian.

Ø  Konfirmasi

Data mining dapat digunakan sebagai sarana untuk mengkonfirmasi pernyataan atau mengkonfirmasi hipotesis.

Ø  Penyelidikan

Data mining dapat digunakan sebagai sarana untuk menemukan pola baru yang sebelumnya tidak dikenali.

Knowledge Discovery (KDD) Process ?

Tentang Proses Knowledge Discovery (KDD) Jika berbicara tentang data mining, tentunya ada proses teknisnya. Proses-proses ini terdiri dari fondasi dasar yang paling mendasar: database.

Proses kedua adalah integrasi data. Data dalam suatu database tidak tunggal, tetapi terhubung dengan data lain. Proses ketiga adalah pembersihan data. Hal ini dimaksudkan untuk membersihkan data yang tidak penting. B. Menghapus data yang berlebihan, menghapus nilai null dan data dengan tipe data yang tidak sesuai.

Setelah data dibersihkan, proses keempat adalah menyimpan data di gudang penyimpanan yang disebut gudang data. Juga, pilih data sesuai dengan relevansinya dengan tugas yang ingin Anda lakukan. Rangkaian proses dari database hingga pemilihan data ini disebut "data preprocessing".

Kemudian memasuki proses penambangan data yang dijelaskan di atas. Setelah proses data mining selesai maka masuk ke proses evaluasi pola. Setelah proses evaluasi selesai, data menjadi pengetahuan. Pengetahuan ini digunakan dalam proses pendukung/pengambilan keputusan (decision making).

Proses ini diulang sampai diperoleh model yang lebih akurat.

·        Metode data mining 

Ø  Association

Teknik pertama adalah asosiasi. Asosiasi adalah metode berbasis aturan yang digunakan untuk menemukan asosiasi dan hubungan variabel dalam kumpulan data. Analisis ini biasanya terdiri dari pernyataan sederhana "jika atau kemudian". Pemetaan sering digunakan untuk mengidentifikasi korelasi antar produk dalam keranjang belanja untuk memahami kebiasaan konsumsi pelanggan. Ini membantu perusahaan mengembangkan strategi penjualan dan menciptakan sistem rekomendasi yang lebih baik. Setelah klasifikasi, ini adalah metode yang paling umum digunakan dalam data mining. Klasifikasi adalah tindakan memprediksi kelas suatu objek

Ø  Classification

Setelah klasifikasi, ini adalah metode yang paling umum digunakan dalam data mining. Klasifikasi adalah tindakan memprediksi kelas suatu objek. 

Ø  Regression

Regresi adalah teknik yang menjelaskan variabel dependen melalui proses analisis variabel independen. Misalnya, perkiraan penjualan produk didasarkan pada korelasi antara harga produk dan tingkat pendapatan rata-rata pelanggan. 

Ø  Clustering

Terakhir, metode clustering. Clustering digunakan untuk membagi suatu dataset menjadi beberapa kelompok berdasarkan kesamaan atribut yang dimiliki dataset tersebut. Salah satu contohnya adalah segmentasi pelanggan. Mengkategorikan pelanggan ke dalam kelompok berdasarkan kesamaan.

·        Penerapan data mining

Ø  Edukasi

Dalam dunia pendidikan, data mining membantu kita memahami karakteristik setiap siswa. Tujuannya adalah untuk menemukan pola belajar terbaik untuk digunakan dalam sesi belajar Anda. 

Ø  Bisnis

Dalam bisnis, data mining biasanya digunakan untuk pemasaran, analisis pasar, dan analisis kebutuhan pelanggan. Mari kita bahas satu per satu. 

Ø  Perbankan

Sektor perbankan menggunakan data mining untuk memprediksi kemungkinan bahwa pelanggan tidak akan dapat membayar kembali pinjaman mereka. Hal ini dilakukan untuk meminimalkan risiko kerugian

Jadi, apa itu data mining?

Berdasarkan uraian di atas, data mining adalah proses pengumpulan dan pengolahan data yang bertujuan untuk mengekstrak informasi penting pada data. Data mining memiliki tiga tujuan yaitu sebagai sarana untuk menjelaskan atau explanatory, untuk konfirmasi atau confirmatory, dan untuk eksplorasi atau exploratory. Ia juga memiliki beberapa metode seperti Association, Classification, Regression, dan Clustering.

Demikian pembahasan kita mengenai data mining kali ini. 

 

Referensi :

https://algorit.ma/blog/teknik-data-mining-2022/