Assalamualaikum wr. wb
Kali ini saya akan
menjelaskan sekilas tentang Data Mining. Mulai dari definisinya, fungsi,
tujuan, proses dan implementasi. Berikut pembahasannya :
Definisi
Data Mining
Data
Mining adalah Serangkaian proses untuk menggali
nilai tambah berupa informasi yang selama ini tidak diketahui secara manual
dari suatu basisdata dengan melakukan penggalian pola-pola dari data dengan
tujuan untuk memanipulasi data menjadi informasi yang lebih berharga yang
diperoleh dengan cara mengekstraksi dan mengenali pola yang penting atau
menarik dari data yang terdapat dalam basisdata. Secara umum definisi data-mining
dapat diartikan sebagai berikut :
·
Proses penemuan pola yang menarik
dari data yang tersimpan dalam jumlah besar.
·
Ekstraksi dari suatu informasi yang
berguna atau menarik (non-trivial, implisit, sebefumnya belum diketahui
potensial kegunaannya) pola atau pengetahuan dari data yang disimpan dalam
jumfah besar.
·
Ekplorasi dari analisa secara
otomatis atau semiotomatis terhadap data-data dalam jumlah besar untuk mencari
pola dan aturan yang berarti.
Fungsi
Data Mining
Data
Mining mempunyai 5 fungsi:
a.
Classification
Classification,
yaitu menyimpulkan definisi-definisi karakteristik sebuah grup. Contoh:
pelanggan-pelanggan perusahaan yang telah berpindah kesaingan perusahaan yang
lain.
b.
Clustering
Clustering,
yaitu mengindentifikasikan kelompok-kelompok dari barang-barang atau
produk-produk yang mempunyai karakteristik khusus(clustering berbeda dengan
classification, dimana pada clustering tidak terdapat definisi-definisi karakteristik
awak yang di berikan pada waktu classification.)
c.
Association
Association,
yaitu mengidentifikasikan hubungan antara kejadian-kejadian yang terjadi pada
suatu waktu, seperti isi-isi dari keranjang belanja.
d.
Sequencing
Hampir
sama dengan association, sequencing mengidentifikasikan hubungan-hubungan yang
berbeda pada suatu periode waktu tertentu, seperti pelanggan-pelanggan yang
mengunjungi supermarket secara berulang-ulang.
e.
Forecasting
Forecasting
memperkirakan nilai pada masa yang akan datang berdasarkan pola-pola dengan
sekumpulan data yang besar, seperti peramalan permintaan pasar.
Tujuan
Data Mining
Tujuan
data mining antara lain:
a.
Explanatory
Untuk
menjelaskan beberapa kondisi penelitian, seperti mengapa penjualan truk pick up
meningkat di colorado.
b.
Confirmatory
Untuk
mempertegas hipotesis, seperti halnya 2 kali pendapatan keluarga lebih suka di
pakai untuk membeli peralatan keluarga, di bandingkan dengan satu kali
pendapatan keluarga.
c.
Exploratory
Menganalisis
data untuk hubungan yang baru yang tidak di harapkan, seperti halnya pola apa
yang cocok untuk kasus penggelapan kartu kredit.
Proses Data Mining
Berikut proses data mining :
1.
Data cleaning (untuk menghilangkan noise data yang tidak
konsisten) Data integration (di mana sumber data yang terpecah dapat disatukan)
2.
Data selection (di mana data
yang relevan dengan tugas analisis dikembalikan ke dalam database)
3.
Data transformation (di mana data berubah atau bersatu
menjadi bentuk yang tepat untuk menambang dengan ringkasan performa atau
operasi agresi)
4.
Knowledge Discovery (proses esensial di
mana metode yang intelejen digunakan untuk mengekstrak pola data)
5.
Pattern evolution (untuk mengidentifikasi pola yang benar-benar
menarik yang mewakili pengetahuan berdasarkan atas beberapa tindakan yang
menarik)
6.
Knowledge presentation (di mana gambaran teknik visualisasi dan
pengetahuan digunakan untuk memberikan pengetahuan yang telah ditambang kepada
user).
Implementasi Data Mining
Implementasi data mining antara lain :
1. Menembak
target pasar
Data mining dapat melakukan
pengelompokan (clustering) dari model-model pembeli dan melakukan
klasifikasi terhadap setiap pembeli sesuai dengan karakteristik yang diinginkan
seperti kesukaan yang sama, tingkat penghasilan yang sama, kebiasaan membeli
dan karakteristik lainnya.
2. Melihat
pola beli pemakai dari waktu ke waktu
Data mining dapat digunakan
untuk melihat pola beli seseorang dari waktu ke waktu. Sebagai contoh, ketika
seseorang menikah bisa saja dia kemudian memutuskan pindah dari single
account ke joint account(rekening bersama) dan kemudian
setelah itu pola beli-nya berbeda dengan ketika dia masih bujangan.
3. Cross-Market
Analysis
Kita dapat memanfaatkan data mining untuk
melihat hubungan antara penjualan satu produk dengan produk lainnya. Berikut
ini saya sajikan beberapa contoh:
· Cari
pola penjualan Coca Cola sedemikian rupa sehingga kita dapat mengetahui barang
apa sajakah yang harus kita sediakan untuk meningkatkan penjualan Coca Cola?
· Cari
pola penjualan IndoMie sedemikian rupa sehingga kita dapat mengetahui barang
apa saja yang juga dibeli oleh pembeli IndoMie. Dengan demikian kita bisa
mengetahui dampak jika kita tidak lagi menjual IndoMie.
·
Cari
pola penjualan
4. Profil
Customer
Data mining dapat membantu Anda
untuk melihat profilcustomer/pembeli/nasabah sehingga kita dapat
mengetahui kelompokcustomer tertentu suka membeli produk apa saja.
5. Identifikasi
Kebutuhan Customer
Anda dapat mengidentifikasi produk-produk apa
saja yang terbaik untuk tiap kelompok customer dan menyusun
faktor-faktor apa saja yang kira-kira dapat menarik customer baru
untuk bergabung/membeli.
6. Menilai
Loyalitas Customer
VISA International Spanyol menggunakan data mining untuk
melihat kesuksesan program-program customer loyalty mereka.
Anda bisa lihat di www.visa.es/ingles/info/300300.html
7. Informasi Summary
Anda juga dapat memanfaatkan data mining untuk
membuat laporansummary yang bersifat multi-dimensi dan dilengkapi
dengan informasi statistik lainnya.
*** Sumber ***
Sekian penjelasan dari saya, bila ada kekurangan saya mohon maaf.. Terima Kasih
Wassalamualaikum wr. wb
Tidak ada komentar:
Posting Komentar