pengetian data mining

DATA MINING

1.1.   Pengertian Data Mining

Data mining sebagai proses untuk mendapatkan informasi yang berguna dari gudang basis data yang besar (Tan, 2006). Data mining juga dapat diartikan sebagai pengekstrakan informasi baru yang diambil dari bongkahan data besar yang dibantu dalam pengambilan keputusan. Istilah data mining disebut juga knowledge discovery.

Salah satu teknik yan dibuat dalam dat mining adalah bagaimana menelusuri data yang ada untuk membangun sebuah model, kemudian menggunakan model tersebut agar dapat mengenali pola data yang lain. Dalam data mining pengelompokkan data juga bisa dilakukan. Tujuaanya adalah agar kita dapat mengetahui pola universal data-data yang ada. Anomali data transaksi juga perlu dideteksi untuk dapat mengetahui ketindaklanjutannya.

1.2.   Perbedaan data mining dengan warehouse

Data mining adalah bidang yang sepenuhnya menggunakan apa yang dihasilkan oleh data warehouse,  bersama dengan bidang yang menangani masalah dan pelaporan Manajemen data. Sedangkan data  warehouse bertugas untuk meng-query data dari basis data mentah untuk memberikan hasil data yang nantinya digunakan oleh bidang yang menangani manajemen, pelaporan, dan data mining. Dengan Data Mining inilah, penggalian informasi baru dapat dilakukan dengan bekal data mentah yang diberikan oleh data warehouse. Hasil yang diberikan oleh ketiga bidang tersebut berguna untuk mendukung aktivitas bisnis cerdas (BI).

1.3.   Posisi Data Mining dalam berbagai disiplin ilmu

Para ahli berusaha menetukan posisi bidang data mining di antara bidang-bidang yang lain. Hal dikarenakan ada kesamaan antara sebagian bahasan data mining dengan bahasan di bidang lain. Memaaanggg tidak seratus persen sama, tetapi ada sejumlah kesamaan karakteristik dalam beberapa hal. Kesamaan bidang data mining dalam bidang statistic adalah penyampelan, estimasi, dan pengujian hipotesis.

1.4.   Data, Informasi, dan Pengetahuan (Knowledge)

Data adalah segala fakta, angka, atau teks yang dapat diproses oleh komputer. Saat ini, akumulasi pertumbuhan jumlah data berjalan dengan cepat dalam format dan basis data yang berbeda. Data-data tersebut antara lain, adalah :

1.        Data operasional atau transaksional. Contoh : penjualan, inventaris, penggajian, akuntansi, dll.

2.        Data non operasional. Contoh : Indusri penjualan, inventaris, permalan, dan data ekonomi makro.

3.        Meta data adalah mengenai data itu sendiri, seperti desain logikabasis data.

1.5.   Pekerjaan Data Mining

1.        Model prediksi

2.        Analisis kelompok

3.        Analisis asosiasi

4.        Deteksi anomali