Data Mining
Data mining adalah sebuah proses yang mengelola data dalam jumlah besar dengan tujuan untuk mencari informasi dari data tersebut. Data mining dibagi menjadi beberapa kelompok berdasarkan tujuan dan hasil yang akan diperoleh. Berikut adalah pembagian data mining :
1. Data mining untuk Association Rules (Aturan Asosiasi)2. Data mining untuk Clasification (Klasifikasi)
3. Data mining untuk Clustering (Cluster/Pengelompokan)
4. Data mining untuk Prediction (Prediksi)
5. Data mining untuk Forecasting (Peramalan)
Berikut adalah contoh penggunaan data mining :
1. Data mining untuk Association Rules (Aturan Asosiasi)
Contoh :
Misalkan terdapat sebuah data penjualan sebuah swalayan selama satu tahun. Atribut data yang ada adalah nama barang, tanggal pembelian, jumlah pembelian dan kode kwitansi . Dari data dengan atribut yang ada kita dapat menemukan barang apa saja yang akan dibeli secara bersamaan. Misal dari 1500 transaksi diketahui bahwa 800 transaksi menunjukkan bahwa setiap seseorang membeli beras maka ia secara bersamaan akan membeli telur.
Dari kesimpulan itu maka penjual dapat mempertimbangkan pemesanan beras dan telur secara bersamaan dan menempatkan posisi beras dan telur secara berdekatan untuk memberikan kemudahan pada pelanggan.
2. Data mining untuk Clasification (Klasifikasi)
Contoh :
Misalkan terbapat 10000 data penduduk dengan kategori kemampuan ekonominya. Data penduduk tersebut memiliki atribut No KTP, nama, pekerjaan, jumlah anak, besar pengeluaran, besar pendapatan dan kategori ekonomi.
Dari data yang ada, diterapkan pelatihan dengan menggunakan algoritma data mining untuk klasifikasi kategori ekonomi. Selanjutnya, dilakukan pengujian dengan data baru, hasil dari algoritma klasifikasi adalah didapatkannya keputusan kelompok ekonomi untuk data yang baru dimasukkan. metode klasifikasi dapat mempermudah dan menstandarkan pekerjaan manusia dalam memutuskan suatu data masuk kedalam kelompok apa berdasarkan data yang ada sebelumnya, yang dijadikan sebagai pembelajaran untuk data setelahnya.
3. Data mining untuk Clustering (Cluster/Pengelompokan)
sedang dikaji, bersabar ya....!!!!
4. Data mining untuk Prediction (Prediksi)
sedang dikaji, bersabar ya....!!!!
5. Data mining untuk Forecasting (Peramalan)
Contoh:
Misalkan terdapat data penjualan barang-barang dari sebuah toko obat. data tersaji untuk penjualan tiap bulannya. Selain data penjualan, ada juga data stok dari setiap barang yang dijual. Dengan mengginakan teknik data mining untuk forecasting, dapat kita ketahui berapa kira-kira jumlah penjualan barang-barang untuk bulan depan. Teknik forecasting menggunakan pendekatan statistik dengan menghitung dan mencari hubungan antara siklus/ musing dari data-data sebelumnya untuk memprediksi berapa jumlah data untuk masa depannya.
