DATA MINING
Definisi Data Mining adalah
1. Mencari informasi yang berharga di dalam suatu data yang berjumlah
besar.
2. Eksplorasi dan analisa secara otomatis atau semiotomatis dari suatu
kuantitas data yang besar yang bertugas untuk mencari pola dan
aturan yang berarti.
KDD Process
Knowledge Discovery in Databases (KDD) is a non-trivial process of
identifying valid, novel, potentially useful, and ultimately understandable
patterns in data.
BUSSINESS CYCLE OF DATA MINING
Alasan-alasan menggunakan Data Mining
1. Karena data dikumpulkan dan disimpan dengan kecepatan yang
sangat besar (Gbyte/hour).
− Sensor jarak jauh yang menggunakan satelit.
− Telescope scanning the skies.
− Micro arrays generating gene expression data.
− Scientific simulations generating terabytes of data
2. teknik tradisional yang tidak layak lagi
3. Digunakan untuk mereduksi data atau data dibagi-bagi.
− Catalog, klasifikasi, pembagian data.
− Membantu para ahli sains dalam menghipotesa.
Asal mula Data Mining :
1. Penggambaran ide-ide dari Mesin Buatan atau Artificial Intelligent,
pola, statistik, sistem database dan penggambaran data.
2. Tehnik tradisional mungkin tidak digunakan karena
− Banyaknya data.
− Tingginya dimensi dari suatu data.
− Berbagai macam jenis data.
Tugas Data Mining dibagi menjadi dua metode yaitu:
1. Metoda prediksi
Menggunakan beberapa variable untuk memperkirakan suatu nilai
yang tidak diketahui dari variable yang lain.
2. Metoda deskripsi
Mencari suatu pola yang dapat ditafsirkan manusia sehingga data
dapat digambarkan atau diuraikan.
Jenis-jenis Tugas Data Mining
1. Classification [Predictive]
2. Clustering [Descriptive]
3. Association Rule Discovery [Descriptive]
4. Regression [Predictive]
5. Deviation Detection [Predictive]
Definisi Klasifikasi
1. Memberikan kumpulan record-record (training set)
− Setiap record berisi sifat-sifat tertentu (attributes), salah satu
dari attributes adalah kelas (class).
2. Mencari sebuah contoh atau model untuk class attribute sebagai fungsi
dari suatu nilai dari attribute yang lain.
3. Tujuannya adalah record2 yang tidak kelihatan/ previously unseen
record ditunjuk menjadi suatu class setepat mungkin.
Klasifikasi pada Aplikasi 1:
Direct Marketing
Goal:
Reduce cost of mailing by targeting a set of consumers likely to buy a new
cell-phone product.
Pendekatannya adalah
− Menggunakan data untuk produk yang sama yang telah dikenalkan
terlebih dahulu.
− Mengetahui pembeli mana yang memutuskan untuk membeli dan
yang tidak. Keputusan ini (buy, don’t buy) membentuk suatu class
attributes.
− Mengumpulkan bermacam-macam demographic, gaya hidup dan
interaksi perusahaan dan informasi yang berhubungan dengan para
pelanggan.
Contohnya yaitu di mana mereka tinggal, berapa besar
pendapatannya dan lain-lain.
− Use this information as input attributes to learn a classifier model.
Klasifikasi pada Aplikasi 2:
Fraud Detection
Tujuannya adalah untuk memprediksi atau memperkirakan kasus
penggelapan transaksi credit card.
Pendekatannya adalah
− Dengan menggunakan informasi transaksi dan informasi dari kartu
sebagai atributnya.
Contohnya
Kapan seorang pelanggan membeli, apa yang ia beli, seberapa sering
ia membayar tepat waktu.
− Label past transactions. This forms the class attributes.
− Learn a model for the class of the transactions.
− Menggunakan model ini untuk mendeteksi penggelapan/fraud dengan
mengobservsi/meninjau perhitungan transaksi credit card.
Klasifikasi pada Aplikasi 3:
Customer Attrition/Churn
Tujuannya adalah
To predict whether a customer is likely to be lost to a competitor.
Pendekatannya adalah
− Menggunakan record yang mendetail dari suatu transaksi dari tiap
pelanggan untuk mencari attributnya.
− Memberi label pada pelanggan sebagai pelanggan setia atau yang bukan
langganan.
− Find a model for loyalty.
Klasifikasi pada Aplikasi 4:
Sky Survey Cataloging
Tujuannya adalah
Memprediksi class (bintang atau galaksi) dari objek langit, khususnya
menggambarkan yang lemah, berdasarkan gambar yang diambil
menggunakan teleskop (dari Palomar Observatory).
Pendekatannya adalah
− Membagi gambar.
− Mengukur attribut gambar.
− Model dari suatu kelas berdasarkan dari penggambaran ini.
Definisi Clustering
Given a set of data points, each having a set of attributes, and a similarity
measure among them, find clusters such that.
− Point-point data di dalam satu cluster hampir sama dengan yang lain.
− Point-point data di dalam cluster yang berbeda kurang mirip dengan yang
lain.
Persamaan Ukuran
- Euclidean distance if attributes are continuous.
- Other problem-specific Measures.
ILLUSTRATING CLUSTERING
Clustering Application 1:
Market segmentation:
Tujuannya adalah
Subdivide a market into distinct subsets of customers where any subset may
conceivably be selected as a market target to be reached with a distinct
marketing mix.
Pendekatannya adalah
− Mengumpulkan attribute-attribut yang berbeda dari pelanggan
berdasarkan informasi yang berhubungan dengan geographical dan gaya
hidup pelanggan.
− Mencari cluster atau kumpulan dari pelanggan-pelanggan yang serupa.
− Mengukur kualitas clustering dengan memperhatikan atau mengamati pola
pembelian dari para pelanggan di dalam cluster yang sama dengan cluster
yang berbeda.
Clustering pada Aplikasi 2:
Document Clustering
Tujuannya adalah
Untuk mencari kelompok dari dokumen dimana kelompok-kelompok itu
mirip satu dengan yang lain berdasarkan dari term yang ada.
Pendekatannya adalah
Untuk mengidentifikasi atau mempersamakan batas waktu di dalam tiap
dokumen. Bentuk ukuran yang hampir sama berdasarkan frekuensi dari
term yang berbeda digunakan sebagai cluster.
Komentar