Pengertian Data Mining Beserta Fungsi dan Contoh Data Mining

Pernahkah Anda mendengar istilah Data Mining? Jika Anda adalah seorang scientist atau orang yang bergelut dengan data, pasti Anda sudah tidak asing lagi dengan istilah Data Mining. Data mining atau Data science saat ini sedang marak dibicarakan dan banyak yang menggunakannya pastinya.

Singkatnya data mining itu adalah suatu alat atau metode yang memungkinkan para pengguna untuk mengakses data yang cukup besar dalam waktu singkat. Pengertian yang lebih khususnya dari data mining adalah suatu aplikasi dan alat menggunakan analisis statistik pada data. Untuk lebih lengkapnya, akan dibahas di artikel ini.

Pengertian Data Mining

Data mining merupakan suatu proses pengumpulan atau penambangan informasi penting dari suatu data yang cukup besar. Proses yang digunakan dalam data mining biasanya menggunakan metode statistika, ilmu matematika, machine learning, sampai menggunakan teknologi artificial intelligence atau kecerdasan buatan. Teknik – teknik yang cukup rumit tersebut nantinya akan melakukan identifikasi dan ekstraksi informasi yang bermanfaat dari sebuah database yang besar.

Istilah lain dari data mining yang sering digunakan antara lain knowledge discovery (mining) in databases (KDD), knowledge extraction, data/pattern analysis, data archeology, data dredging, information harvesting, dan business intelligence.

Teknik – teknik pada data mining digunakan untuk memeriksa database yang berukuran besar sebagai cara untuk menemukan pola atau bentuk yang baru dan berguna. Namun, tidak semua pekerjaan pencarian informasi dinyatakan sebagai data mining.

Contoh sederhananya misalnya saat Anda membaca data di dalam buku telepon. Setelah Anda selesai membaca, Anda akan mendapatkan informasi bahwa kebanyakan orang dengan nama Asep tinggal di Bandung, maka hal tersebut bisa dikatakan sebagai proses.

Tapi, jika Anda hanya mencari tempat tinggal Asep Hidayat di buku telepon, maka proses tersebut tidak sapat dikatakan seabagai proses data mining. Hal tersebut hanya proses query biasa. Proses data mining biasanya sampai ke proses implementasi. Diibaratkan misalnya seperti penambangan emas. Diantara material yang cukup banyak, Anda hanya menemukan sedikit emas tapi nilai dari emas tersebut sangatlah tinggi.

Data mining merupakan bagian integral dari KDD (knowledge discovery in databases). Seluruh proses KDD untuk konversi data raw ke dalam informasi yang berguna ditunjukkan dibawah ini :

Jika dilihat pada gambar diatas di dalam proses KDD tersebut, banyak teknik dan konsep yang digunakan di dalam proses data mining. Di dalam proses tersebut ada beberapa langkah yang dibutuhkan untuk mendapatkan sebuah data atau informasi yang diinginkan.

Di dalam proses KDD tersebut termasuk proses pembersihan data, integrasi data, seleksi data, transformasi, penambangan data, evaluasi pola, serta presentasi pengetahuan.

Fungsi Data Mining

Data mining mempunyai banyak sekali fungsi. Untuk fungsi yang utama terdiri dari dua fungsi yaitu, fungsi deskripsi (description) dan fungsi prediksi (prediction). Tapi, pada dasarnya data mining mempunyai empat fungsi dasar yaitu, fungsi prediksi (prediction), fungsi deskripsi (description), fungsi klasifikasi (classification), dan fungsi asosiasi (assosiation). Simak penjelasan keempat fungsi berikut ini :

1. Fungsi Prediksi (Prediction)

Fungsi prediksi adalah sebuah proses yang nantinya akan menemukan pola tertentu dari sebuah data. Pola tersebut didapatkan dari berbagai macam variabel – variabel yang terdapat pada data tersebut.

Jika proses sudah mendapatkan pola, maka pola – pola tersebut dapat digunakan untuk mempredikasi variabel – variabel lainnya yang belum diketahui jenis ataupun nilainya.

Karena proses itulah fungsi ini dikatakan sebagai fungsi prediksi karena sama seperti melakukan predictive analisis. Fungsi prediksi ini juga dapat digunakan untuk mempredikasi varibael – variabel tertentu yang tidak terdapat di dalam data tersebut.

Sehingga fungsi prediksi ini dapat memberikan kemudahan dan keuntungan bagi siapapun yang membutuhkan prediksi yang cukup akurat untuk menjadikan sesuatu yang penting menjadi lebih baik lagi.

2. Fungsi Deskripsi (Description)

Fungsi selanjutnya adalah fungsi deskripsi (description). Fungsi deksripsi di dalam data mining merupakan sebuah fungsi untuk memahami lebih jauh tentang data yang sedang diamati. Dengan adanya sebuah proses diharapkan dapat mengetahui perilaku dari sebuah data yang diinginkan. Data tersebut itulah yang nantinya bisa digunakan untuk mengetahui karakteristik dari data yang dimaksud.

Dengan menggunakan fungsi deskripsi (description) data mining, maka nantinya bisa menemukan sebuah pola tertentu yang tersembunyi di dalam sebuah data. Dengan kata lain, dengan pola yang berulang dan bernilai itulah karakteristik sebuah data dapat dengan mudan diketahui. Hal tersebut tentunya akan memberikan banyak manfaat dan dapat meningkatkan pengetahuan.

3. Fungsi Klasifikasi (Classification)

Fungsi berikutnya adalah fungsi klasifikasi atau classification. Fungsi klasifikasi di dalam data mining maksudnya adalah sebuah data yang ada akan diproses sehingga nantinya akan ditemukan model atu fungsi tertentu yang menggambarkan konsep atau class dari suatu data. Fungsi atau model tersebut nantinya akan memisahkan setiap data menjadi sebuah kelompok – kelompok tertentu.

Kelompok – kelompok data tersebut nantinya dapat digunakan untuk meramalkan kecenderungan suatu data di masa depan. Pengklasifikasian atau pengelompokan data juga bisa memudahkan pemilik data tersebut saat mencari data yang dibutuhkan.

4. Fungsi Asosiasi (Assosiation)

Fungsi selanjutnya adalah fungsi asosiasi atau assosiation. Fungsi asosiasi atau analisis asosiasi di dalam data mining adalah  suatu proses yang penggunaannya untuk mendapatkan kombinasi atau aturan asosiatif dari suatu data. Jadi data yang ada nanti akan diproses sehingga akan mendapatkan informasi tentang hubungan antar variabel satu dengan yang lainnya.

Agar gampang dipahami, berikut adalah contoh permisalannya. Contohnya pada analisis pembelian barang di minimarket. Misalnya dari data pembelian saat diproses dan ternyata mendapatkan hasil hubungan antara pembelian telur dan kecap. Jika kemungkinan besar pelanggan membeli telur dan kecap secara bersamaan, maka pihak minimarket dapat memanfaatkan informasi tersebut untuk mengatur tata letak telur dan kecap.

Kecap dapat diletakkan di rak yang tidak jauh dari telur. Atau bisa juga memberi bonus sebuah kecap setiap pembelian telur atau mungkin bisa menggunakan cara lainnya, yang jelas menggambarkan bentuk hubungan atara telur dan kecap. Hal seperti ini pasti akan menguntungkan.

Contoh Data Mining

Beberapa contoh atau penerapan data mining bisa terjadi di berbagai sektor. Misalnya sektor bisnis, keuangan, manajemen, dan lain sebagainya. Berikut ini beberapa penerapan data mining dari beberapa sektor:

1. Management dan Market Analysis

Biasanya data mining di dalam sektor pemasaran digunakan untuk manajemen hubungan pelanggan (CRM), pemasaran target, cross selling, analisis pasar, dan segmentasi pasar.

• Target Pemasaran, misalnya seperti mendapatkan sebuah kelompok pelanggan “model” yang mempunyai karakteristik yang sama seperti, tingkat pendapatan, minat,kebiasaan belanja, dan lain sebagainya. Atau menentukan sebuah pola pembelian dari pelanggan dari waktu ke waktu.
• Analysis lalu lintas pasar, misalnya menemukan hubungan / hubungan antar produk penjualan dan prediksi berdasarkan asosiasi tersebut.
• Profiling pelanggan, misalnya seperti jenis pelanggan seperti apa yang membeli produk apa (klasifikasi atau pengelompokan).
• Analisis kebutuhan pelanggan, Misalnya seperti menidentifikasi produk mana yang terbaik untuk berbagai kelompok pelanggan, memprediksi faktor apa saja yang akan menarik pelanggan baru untuk datang, informasi ringkasan statistik (kecenderungan dan variasi pusat data)

2. Risk Management dan Corporate Analysis

Biasanya penerapan data mining di dalam sektor perusahaan digunakan untuk retensi pelanggan, prediksi, underwriting yang lebih baik, analisis kompetitif, dan kontrol kualitas.

• Perencanaan keuangan dan evaluasi aset, misalnya seperti menanalisis dan memprediksi arus kas, menganalisis klaim kontinjensi untuk mengevaluasi aset, menganalisis cross-sectional dan time series, dan lain sebagainya.
• Planning Perencanaan sumber daya, misalnya seperti merangkum serta membandingkan sumber daya dan juga pengeluaran
• Persaingan, misalnya seperti memantau para pesaing dan arah pasar, mengatur strategi untuk menetapkan harga di pasar yang sangat kompetitif, mengelompokkan para pelanggan ke dalam kelas, dan lain seabagainya.

3. Mining Unusual Patterns dan Fraud Detection

Data mining juga digunakan untuk mencari dan mendeteksi fraud pada sebuah sistem. Dengan menggunakan metode data mining, akan terlihat juga jutaan transaksi yang masuk.

• Pendekatan, misalnya seperti Clustering & konstruksi model untuk penipuan, analisis outlier
• Aplikasi: layanan kesehatan, layanan kartu kredit, telecomm, industri ritel, pencucian uang, asuransi otomatis, asuransi kesehatan, dan lain sebagainya.

Demikianlah artikel kali ini yang membahas tentang pengertian Data Mining, beserta fungsi – fungsi dan juga contohnya. Semoga artikel ini dapat bermanfaat bagi Anda. Terimakasih 🙂

Editor: Muchammad Zakaria