Pengertian dan Algoritma (Metode) Data Mining

Pengertian

Secara bahasa, Data Mining terbagi atas 2(dua) kata yaitu:

1. Data, yaitu Kumpulan Fakta yang terekam atau sebuah entitas yang tidak memiliki arti dan selama ini terabaikan.
2. Mining, yaitu proses Penambangan.

Sehingga Data Mining itu dapat diartikan sebagai proses penambangan data yang menghasilkan sebuah output (keluaran) berupa pengetahuan.

Menurut Pramudiono, Data Mining adalah analisis otomatis dari data yang berjumlah besar atau kompleks dengan tujuan untuk menemukan pola atau kecenderungan yang penting yang biasanya tidak disadari keberadaanya. (Pramudiono,2006).

Banyak sekali data yang sangat besar baik dalam bidang Bisnis, Kedokteran, Cuaca, Olahraga, Politik dan sebagainya. Contohnya dalam Dunia Olahraga kita mengetahui Dari FIFA berapa banyak Lionel Messi Mencetak Gol selama semusim, berapa banyak Lionel Messi memberikan Asisst. Pada Bidang Bisnis khususnya Saham, kita memperolehnya dari Bursa Efek, kapan Harga Saham Naik maupun Turun. Pada Bidang Cuaca kita mengetahui data tentang Curah Hujan, Suhu, Kelembaban dan lain sebagainya.

Konsep Data Mining sendiri adalah merupakan gabungan dari beberapa disiplin ilmu lain seperti Data Base, Statistik, Visualisasi, Machine learning, Pattern Recognation, Algoritma, dan Beberapa disiplin ilmu lain.

Algoritma atau metode Data Mining

1. Estimasi, Digunakan untuk melakukan estimasi terhadap sebuah data baru yang tidak memiliki keputusan berdasarkan histori data yang telah ada. Contohnya ketika melakukan Estimasi Pembiayaan pada saat pembangunan sebuah Hotel baru pada Kota yang berbeda.
2. Asosiasi, Digunakan untuk mengenali kelakuan dari kejadian kejadian khusus atau proses dimana hubungan asosiasi muncul pada setiap kejadian. Adapun metode pemecahan masalah yang sering digunakan seperti Algoritma Apriori. Contoh pemanfaatan Algoritma Asosiasi yaitu pada Bidang Marketing ketika sebuah Minimarket melakukan Tata letak produk yang dijual berdasarkan Produk-produk mana yang paling sering dibeli konsumen, selain itu seperti tata letak buku yang dilakukan pustakawan di perpustakaan.
3. Klasifikasi, Suatu teknik dengan melihat pada kelakuan dan atribut dari kelompok yang telah didefinisikan. Teknik ini dapat memberikan klasifikasi pada data baru dengan memanipulasi data yang ada yang telah diklasifikasi dan dengan menggunakan hasilnya untuk memberikan sejumlah aturan. Salah satu contoh yang mudah dan popular adalah dengan Decision tree yaitu salah satu metode klasifikasi yang paling populer karena mudah untuk interpretasi seperti Algoritma C4.5, ID3 dan lain-lain. Contoh pemanfaatannya adalah pada bidang Akademik yaitu Klasifikasi siswa yang layak masuk kedalam kelas unggulan atau akselerasi di sekolah tertentu.
4. Klastering, Digunakan untuk menganalisis pengelompokan berbeda terhadap data, mirip dengan klasifikasi, namun pengelompokan belum didefinisikan sebelum dijalankannya tool Data Mining. Biasanya menggunakan metode neural network atau statistik, analitikal hierarki cluster.Clustering membagi item menjadi kelompokkelompok berdasarkan yang ditemukan tool Data Mining.
5. Prediksi, Algoritma prediksi biasanya digunakan untuk memperkirakan atau forecasting suatu kejadian sebelum kejadian atau peristiwa tertentu terjadi. Contohnya pada bidang Klimatologi dan Geofisika, yaitu bagaimana Badan
   Meteorologi Dan Geofisika (BMKG) memperkirakan tanggal tertentu bagaimana Cuacanya, apakah Hujan, Panas dan
   lain sebagainya. Ada beberapa metode yang sering digunakan salah satunya adalah Metode Rough Set.

Terimakasih.
Reference: “Algoritma Data Mining Dan Pengujiannya”, Dicky Nofriansyah, S.Kom., M.Kom