Topik-Topik Lanjutan Sistem Informasi

1. 06-PFM/01 Topik-TopikLanjutanSistemInformasi Data Mining Johanes Kevin Lumadi 1501151501 Deny Setiawan 1501152580 Machliza Devi Sasmita 1501169511 Silvia Line 1501171466 Billie Enceil 1501171951

2. Definisi data mining • Data mining merupakansuatuproses yang digunakanuntukmendapatkaninformasidanpengetahuan yang bermanfaatdimanainformasitersebutdidapatkandari data-data yang telahdikumpulkan. • Data mining seringkalidigunakanuntukmelakukanpraktekprofilsepertipemasaran, pengawasan, penipuan deteksi dan penemuan ilmiah.

3. Definisi data mining • Data mining menjadisuatualat yang pentingkarenaselaindapatdigunakanuntukmengubah data menjadiinformasi, data mining jugadapatdigunakanuntukmenganalisiskumpulanpenelitianperilaku.

4. Manfaatdata mining Kemampuan Data Mining yaitu kemampuan untuk mereduksi data. Dapat dilakukan dengan • Katalogisasi • klasifikasi • Segementasi

5. Manfaatdata mining Pemanfaatan data mining dapat dilihat dari dua sudut pandang, yaitu : • Sudut pandang komersial • Sudut pandang keilmuan

6. Sudut Pandang Komersial Manfaatnya yaitu : • Menangani meledaknya volume data (menyimpan, mengestrak serta memanfaaatkan) • Menghasilkan informasi yang dapat menjadi asset untuk meningkatkan daya saing suatu institusi. • Menggudangkan data tanpa kehilangan informasi yang penting (warehousing) • Menyelesaikan permasalahan atau menjawab kebutuhan bisnis itu sendiri

7. Sudut Pandang Keilmuan Manfaatnya yaitu : • Mengcapture, menganalisis serta menyimpan data yang bersifat real-time dan sangat besar

8. Kelebihan & Kekurangan Kelebihan Data Mining : • Kemampuan dalam mengolah data dalam jumlah yang besar. • Pencarian Data secara otomatis. Kekurangan Data Mining : • Kendala Database ( Garbage in garbage out ). • Tidak bisa melakukan analisa sendiri. 

9. Langkah-LangkahProses Data Mining Berikutadalahcarakerjadalam data mining : 1. Identify the business problems Padatahappertamaini, kitaharusmengidentifikasimasalahbisnis yang terjadikarena data tidakbisadiolahapabilakitatidakmengetahuipermasalahan yang sedangdihadapi. Setelahmengetahuimasalahtersebut, makakitadapatmenentukan data-data apasaja yang diperlukan.

10. Langkah-LangkahProses Data Mining 2. Mine the data for afectionable information setelahmengetahuimasalah yang dihadapidan data apasaja yang diperlukanmakapadatahapiniakandilakukananalisapada data-data tersebut. Melaluitahapanalisaini, kitamendapatkanpengetahuan(knowledge) baru yang akandigunakandalammengambilsuatukeputusan.

11. Langkah-LangkahProses Data Mining 3. Take the action Dari keputusan yang telahdiambiltersebut, makakitaakanmelakukanimplementasi yang berupasebuahtindakan yang konkritkedalamsuatuprosesbisnis.

12. Langkah-LangkahProses Data Mining 4. Measure the results tahapinimerupakantahapterakhirdalamproses data mining. Padatahapini, kitaakanmemantauhasildariimplementasitersebutapakahhasiltersebutsudahmencapai target yang diinginkanataubelumdanapakahhasiltersebutdapatmenjadisolusipemecahanmasalahataudapatmengatasimasalah-masalah yang sedangdihadapi.

13. 6 TeknikDalam Data Mining 1. Market Basket analysis Merupakanteknik data mining yang digunakanuntukmelakukananalisispadakebiasaanpelanggan yang menyimpanprodukyang diinginkannyakedalamcart/keranjangbelanja. Teknikinijugamenganalisis data transaksipenjualanuntukmencaripoladariProduk yang terdapatdalamsuatutransaksikemudianpolatersebutakandigunakanuntukmerancangstrategipenjualanmaupunpemasaran agar menjadilebihefektif.

14. 6 TeknikDalam Data Mining 2. Memory-based reasoning Merupakansuatuteknik yang melakukanpenalaranberbasismemoridenganmenggunakansekumpulan data untukmengasumsikanpembuatanobjekbaru.

15. 6 TeknikDalam Data Mining 3. Cluster detection Dalamteknikiniterdapat 2 pendekatan , yaitu: - Memberikanasumsibahwakumpulan cluster sudahdisimpankedalam data. Tujuanpendekataniniadalahuntukmembagi data kedalambentuk cluster. -Clustering agglomerative, pendekataninimelakukanpenggabunganpada cluster meskipunmenggunakanproseskomputasi yang samadanprosestersebutdilakukansecaraberulang-ulang.

16. 6 TeknikDalam Data Mining 4. Link analysis Merupakansuatuteknik yang mengidentifikasidanmembangunhubungansuatuobjekdengansekumpulan data sertamenganilisissifat yang berhubunganantarakeduaobjektersebut. Teknikinibiasanyadigunakanuntukmengambilsuatukesimpulandenganmengandalkanteorigrafikdanseringjugadipakaiuntukmelakukanprosesoptimasi.

17. 6 TeknikDalam Data Mining 5. Rule induction Teknikyang digunakanuntukmengidentifikasiaturan-aturanbisnis yang telahdisimpankedalam data. 6. Neural Networks Merupakansebuahteknik yang berbentukstrukturjaringan neural danbergunadalammengubah data yang rumit/sulitdipahamiolehmanusiamenjadi data yang dapatdimengertiselainitujugadapatdigunakanuntukmendeteksitren yang rumittetapiseringdidiskusikan/dicari.

18. Tugas Data Mining • Classification Membagidata menjadibeberapabagian/kelaskemudianmengecekatribut-atributdariobjeksetelahitumemutuskanobjektersebutmasukkekelas yang mana. • Estimation Melakukanestimasi/memperkirakannilainumeriksecaraterusmenerus. Dapatdikatakansebagaibagiandariklasifikasi.

19. Tugas Data Mining • Prediction prediksiiniberbedadenganklasifikasimaupunestimasikarenadalamprediksi, objekakandibagisesuaidenganbehaviour yang telahditetapkan/ diinginkandari candidate behaviour. • Affinity Grouping Melakukanevaluasihubunganataumengelompokkanunsur-unsur data yang terdiridariatribut/behaviour yang akanmenunjukkantingkatafinitasantarobjektersebut.

20. Tugas Data Mining • Clustering Seringdisebutdengansegmentasi/pembagian. Hampirsamadenganklasifikasinamundalam clustering, data dibagimenjadibeberapabagiankemudiandilakukanindentifikasisetelahitu data akandikelompokkansesuaidenganatribut yang sama. • Description Mendeskripsikanataumemberikangambaransecaraumummengenaihasilakhirdariproses data mining.

21. DaftarPustaka https://fairuzelsaid.files.wordpress.com/2009/10/data-mining-bab-01.pdf http://irwan-manullang.blogspot.com/2011/04/dasar-data-mining.html