Data Mining

Data Mining

Dalam dunia IT, ada sebuah istilah yang disebut dengan Data Mining. Sebenarnya apakah pengertian dari Data Mining tersebut? Apabila diterjemahkan secara harafiah, data berarti kumpulan informasi mentah yang akan diproses untuk suatu tujuan tertentu. Sedangkan mining adalah suatu cara/usaha untuk mendapatkan sedikit material kecil dari material yang lebih besar.

Jadi, konsep data mining ialah serangkaian proses untuk menggali nilai tambah berupa informasi yang selama ini tidak diketahui secara manual, dengan melakukan penggalian pola-pola dari data yang ada dengan tujuan untuk memanipulasi data menjadi informasi yang lebih berharga.

Fungsi Data Mining

Data mining menjadi alat yang semakin penting untuk mengubah data tersebut menjadi informasi. Hal ini sering digunakan dalam berbagai praktek profil, seperti pemasaran, pengawasan, penipuan deteksi dan penemuan ilmiah. Telah digunakan selama bertahun-tahun oleh bisnis, ilmuwan dan pemerintah untuk menyaring volume data seperti catatan perjalanan penumpang penerbangan, data sensus dan supermarket scanner data untuk menghasilkan laporan riset pasar.
Alasan utama untuk menggunakan data mining adalah untuk membantu dalam analisis koleksi pengamatan perilaku. Data tersebut rentan terhadap collinearity karena diketahui keterkaitan. Fakta yang tak terelakkan data mining adalah bahwa subset/set data yang dianalisis mungkin tidak mewakili seluruh domain, dan karenanya tidak boleh berisi contoh-contoh hubungan kritis tertentu dan perilaku yang ada di bagian lain dari domain .

Alasan utama mengapa data mining sangat menarik perhatian industri dalam beberapa tahun ini adalah karena tersedianya data dalam jumlah besar dan semakin besarnya kebutuhan untuk mengubah data tersebut menjadi informasi. Informasi inilah yang nantinya akan berguna untuk melakukan pengembangan. Langkah-langkahnya adalah sebagai berikut:

1.     Data Cleaning Menghilangkan noise data yang tidak konsisten.

2.     Data Integration dimana sumber data yang terpecah dapat disatukan.

3.     Data transformation dimana data berubah menjadi bentk yang tepat untuk menambang.

4.     Knowledge discovery menggunakan metode intelijen untuk mengekstrak data.

5.     Pattern Evolution untuk mengidentifikasi pola yang menarik yang mewakili pengetahuan berdasarkan atas beberapa tindakan yang menarik.

6.     Knowledge presentation dimana gambaran visualisasi dari pengetahuan memberikan pengetahuan yang telah ditambang kepada user.

Referensi: http://www.metris-community.com/pengertian-data-mining-konsep-pdf/, http://garethdata.blogspot.com/2010/03/pengertian-data-mining.html