Data Mining

Pengertian data mining

   Data mining adalah proses yang menggunakan teknik statistik, matematika, kecerdasan buatan, machine learning untuk mengidentifikasi informasi dan pengetahuan dari database. Data mining juga disebut sebagai Knowledge discovery in databases (KDD), ekstrasi pengetahuan (knowledge extraction), analisan data/pola (data/pattern analysis), kecerdasan bisnis (business intelligence), data archeology dan data dredging.

Data mining biasanya digunakan untuk :

1. Prediksi trend dan sifat-sifat bisnis, data mining mengotomatisasi proses pencarian informasi pemprediksi di dalam basis data yang besar. 
2. Penemuan pola-pola yang tidak diketahui sebelumnya, dimana data mining menyapu basis data, kemudian mengidentifikasi pola-pola yang sebelumnya tersembunyi dalam satu sapuan. 
3. Data mining berguna untuk membuat keputusan yang kritis, terutama dalam strategi.

Fungsi data mining

Terdapat empat fungsi dasar dari data mining, yaitu :

1. Fungsi Prediksi (prediction). Proses untuk menemukan pola dari data dengan menggunakan beberapa variabel untuk memprediksikan variabel lain yang tidak diketahui jenis atau nilainya.
2. Fungsi Deskripsi (description). Proses untuk menemukan suatu karakteristik penting dari data dalam suatu basis data. 
3. Fungsi Klasifikasi (classification). Suatu proses dalam menemukan model atau fungsi untuk menggambarkan class atau konsep dari suatu data. Proses yang digunakan untuk mendeskripsikan data penting serta dapat meramalkan kecenderungan data pada masa depan. 
4. Fungsi Asosiasi (association). Proses ini digunakan untuk menemukan suatu hubungan yang terdapat pada nilai atribut dari sekumpulan data.

Proses data mining

a. Deskripsi 

 Deskripsi bertujuan untuk mengidentifikasi pola yang muncul secara berulang pada suatu data dan mengubah pola tersebut menjadi aturan dan kriteria yang dapat mudah dimengerti oleh para ahli pada domain aplikasinya. Aturan yang dihasilkan harus mudah dimengerti agar dapat dengan efektif meningkatkan tingkat pengetahuan (knowledge) pada sistem. Tugas deskriptif merupakan tugas data mining yang sering dibutuhkan pada teknik postprocessing untuk melakukan validasi dan menjelaskan hasil dari proses data mining. Postprocessing merupakan proses yang digunakan untuk memastikan hanya hasil yang valid dan berguna yang dapat digunakan oleh pihak yang berkepentingan.

  b. Prediksi 

Prediksi yaitu data diklasifikasikan berdasarkan perilaku atau nilai yang diperkirakan pada masa yang akan datang. Contoh dari tugas prediksi misalnya untuk memprediksikan adanya pengurangan jumlah pelanggan dalam waktu dekat dan prediksi harga saham dalam tiga bulan yang akan datang.

  c. Estimasi

Estimasi hampir sama dengan prediksi, kecuali variabel target estimasi lebih ke arah numerik dari pada ke arah kategori. Model dibangun menggunakan record lengkap yang menyediakan nilai dari variabel target sebagai nilai prediksi. Selanjutnya, pada peninjauan berikutnya estimasi nilai dari variabel target dibuat berdasarkan nilai variabel prediksi. Sebagai contoh, akan dilakukan estimasi tekanan darah sistolik pada pasien rumah sakit berdasarkan umur pasien, jenis kelamin, berat badan, dan level sodium darah. Hubungan antara tekanan darah sistolik dan nilai variabel prediksi dalam proses pembelajaran akan menghasilkan model estimasi.

  d. Klasifikasi

Klasifikasi merupakan proses menemukan sebuah model atau fungsi yang mendeskripsikan dan membedakan data ke dalam kelas-kelas. Klasifikasi melibatkan proses pemeriksaan karakteristik dari objek dan memasukkan objek ke dalam salah satu kelas yang sudah didefinisikan sebelumnya.

  e. Clustering

Clustering merupakan pengelompokan data tanpa berdasarkan kelas data tertentu ke dalam kelas objek yang sama. Sebuah kluster adalah kumpulan record yang memiliki kemiripan suatu dengan yang lainnya dan memiliki ketidakmiripan dengan record dalam kluster lain. Tujuannya adalah untuk menghasilkan pengelompokan objek yang mirip satu sama lain dalam kelompok-kelompok. Semakin besar kemiripan objek dalam suatu cluster dan semakin besar perbedaan tiap cluster maka kualitas analisis cluster semakin baik.

  f. Asosisai

Tugas asosiasi dalam data mining adalah menemukan atribut yang muncul dalam suatu waktu. Dalam dunia bisnis lebih umum disebut analisis keranjang belanja (market basket analisys). Tugas asosiasi berusaha untuk mengungkap aturan untuk mengukur hubungan antara dua atau lebih atribut.

Tahapan Data Mining 

  Tahapan yang dilakukan pada proses data mining diawali dari seleksi data dari data sumber ke data target, tahap preprocessing untuk memperbaiki kualitas data, transformasi, data mining serta tahap interpretasi dan evaluasi yang menghasilkan output berupa pengetahuan baru yang diharapkan memberikan kontribusi yang lebih baik. Secara detail dijelaskan sebagai berikut (Fayyad, 1996):

1. Data selection 

Pemilihan (seleksi) data dari sekumpulan data operasional perlu dilakukan sebelum tahap penggalian informasi dalam KDD dimulai. Data hasil seleksi yang digunakan untuk proses data mining, disimpan dalam suatu berkas, terpisah dari basis data operasional.

2. Pre-processing / cleaning 

Sebelum proses data mining dapat dilaksanakan, perlu dilakukan proses cleaning pada data yang menjadi fokus KDD. Proses cleaning mencakup antara lain membuang duplikasi data, memeriksa data yang inkonsisten, dan memperbaiki kesalahan pada data.

3. Transformation 

Coding adalah proses transformasi pada data yang telah dipilih, sehingga data tersebut sesuai untuk proses data mining. Proses coding dalam KDD merupakan proses kreatif dan sangat tergantung pada jenis atau pola informasi yang akan dicari dalam basis data.

4. Data mining 

Data mining adalah proses mencari pola atau informasi menarik dalam data terpilih dengan menggunakan teknik atau metode tertentu dan harus ada pemilihan metode atau algoritma yang tepat karena bergantung pada tujuan dan proses KDD secara keseluruhan.

5. Interpretation / evalution 

Tahap ini merupakan bagian dari proses KDD yang disebut interpretation. Tahap ini mencakup pemeriksaan apakah pola atau informasi yang ditemukan bertentangan dengan fakta atau hipotesis yang ada sebelumnya.

Salah Satu Contoh Implementasi

1. Analisis Data

Tabel 1 Data Transaksi Penkjualan Produk ATK

    Dengan studi kasus pada Toko X dapat dilakukan analisa prediksi terhadap data khusus data penjualan (data produk ATK keluar) dengan salah satu tujuanya adalah untuk menemukan pola kombinasi penjualan produk ATK dan hubungan antar item jenis produk ATK dalam transaksi. Berikut ini adalah tabel 1 beberapa sampel data yang akan dijadikan sampel untuk analisis dan juga untuk pengujian.

  Algoritma apriori bertujuan untuk menemukan semua aturan apriori yang memenuhi syarat minimum support (nilai Penunjang), yaitu kombinasi tiap item dalam database. Dan  syarat minimum confidence (nilai kepastian), yaitu kuatnya hubungan antar item dalam aturan asosiasi.

2. Penerapan Algoritama Apriori

Dalam menganalisa kebutuhan dengan mengunakan algoritma apriori dapat diketahui pola frekwensi tinggi jenis barang yang paling sering dilakukan transaksi penjualan yang paling banyak atau paling sering dibeli oleh konsumen.

    

    Pembuatan Format Tabular

Format tabular data transaksi bulanan, bila dibentuk akan tampak seperti tabel berikut ini:

Tabel 2 Format  Data Tabular item Data Transaksi

3.  Pola frakwensi Tinggi

Sebelum dilakukan pencarian pola dari data transaksi terlebih dulu, dicari semua nama jenis item produk elektronik yang ada didalamt ransaksi seperti sekaligus menentukan support per item jenis produk elektronik dimana tahap ini mencari kombinasi item yang memenuhi syarat minimum dari nilai support dalam database.

a. Pembentukan Itemset

    Berikut ini adalah  penyelesaian dengan contoh kasus berdasarkan data yang sudah disediakan.

       Proses pembentukan C₁ atau disebut dengan 1 itemset dengan

jumlah minimum support = 50%
Dengan rumus sebagai berikut:   

      

Tabel 3 Tabel Kandidat item pertama

Data diatas menggambarkan bentuk data satu item, yang terdiri atas attribute item sebagai nama item jenis semua produk elektronik  yang ada didalam transaksi, support yaitu jumlah setiap item yang ada disemua transaksi, sedangkan support (%) adalah presentasi jumlah item yang ada didalam transkasi, yang didapat dari jumlah item dibagi jumlah semua transaksi di kali seratus persen. Tabel diatas adalah item data yang memenuhi support minimal, nilai support minimal sama dengan 50 persen (%.

Kemudian bandingakan dengan suport minimum dibawah ini.

  Tabel 4 Daftar Items Yang Mencapai Support Minimal

  Data diatas adalah pola kombinasi dua itemset yang memenuhi support minimal, terlihat data kombinasi jenis ATK buku, pensil dan pensil,penghapus memiliki support terbanyak, itu menandakan bahwa kombinasi dua itemsets paling banyak dalam transaksi.

b. Pembentukan Pola Kombinasi TigaItemsets

  Kandidat  kombinasi 3 itemset diambil dari kandidat dua itemset yang mencapai atau melebihi support minimal.

Tabel 5 Pola Kombinasi Tiga Itemset Yang Tidak Memenuhi Support      Minimal

        Tabel 4 Daftar Items Yang Memenuhi Untuk Pembentukan Asosiasi.Proses perhitungan support kombinasi 3 itemset, tidak adanya ditemukan support yang mencapai support minimum 50% maka proses perhitungan item berhenti, maka 2 kombinasi yang memenuhi untuk pembentukan asosiasi.

4. Pembentukan Aturan Assosiation Rules

   Setelah semua pola frekuensi tinggi ditemukan, barulah dicari aturan asosiasi yang memenuhi syarat minimum untuk confidence dengan menghitung confidence aturan asosiatif A→B.

Minimal Confidence=75%

Nilai Confidence dari aturan A→B diperoleh dengan rumus   berikut: ∑ Transaksi mengandung A dan B

Confidence = P (B\A)

Dari kombinasi 2 itemset yang telah ditemukan, dapat dilihat besarnya nilai support, dan confidence dari calon aturan asosiasi seperti tampak pada tabel dibawah ini:

Tabel 6 Aturan Asosiasi

Tabel 7 Assosiation Rules Yang Memenuhi  Nilai Confidence Minimal 

             Association rules dari tabel diatas merupakan aturan yang terbentuk dari pola kombinasi dua item, tabel diatas terbagi atas beberapa bagian rules adalah aturan yang dihasilkan dari pola kombinasi dua itemsets.  support adalah nilai support antara kedua items, sedangkan confidence adalah nilai yang didapat dari support dua itemsets dibagi oleh nilai support antecedent di kalikan seratus persen.

  

5. Algoritma

    Secara umum algoritma diartikan sebagai kumpulan aturan-aturan, sederetan operasi-operasi atau langkah langkah untuk menyelesaikan suatu permasalahan. Didalam dunia teknologi informasi yang berhubungan dengan sistem komputer,  pembelajaran algoritma dilakukan dengan cara mengolah data.

    Algoritma yang digunakan

1. Algoritma perhitungan support

2. Algoritma perhitungan confidence 

Daftar Pustaka

• Turban, E, 2005, Decision Support Systems and Intelligent Systems Edisi Bahasa Indonesia Jilid 1. Andi: Yogyakarta.
• Larose, Daniel T. 2005. Discovering Knowledge in Data : An Introduction to Data Mining. John Willey & Sons, Inc.
• ayyad, Usama. 1996. Advances in Knowledge Discovery and Data Mining. MIT Press.
• https://www.kajianpustaka.com/2017/09/data-mining.html
• http://dataminingdanapriori.blogspot.com/