Data Mining Intro Universitas Muhammadiyah Jakarta
Download as PPTX, PDF0 likes11 views
Dokumen ini membahas tentang data mining dan data warehousing, menjelaskan pentingnya ekstraksi pengetahuan dari kumpulan data besar dan evolusi teknologi database dari tahun 1960-an hingga 2000-an. Data mining digunakan untuk analisis serta mendukung keputusan bisnis, dengan aplikasi di bidang pemasaran, manajemen risiko, dan analisis pelanggan. Terdapat tantangan dalam data mining seperti skalabilitas, akses data yang sulit, dan kualitas data yang rendah.
Data Mining Intro Universitas Muhammadiyah Jakarta
- 1. DATA MINING (IF 0407029) Sesi 1 – 13 September 2022
- 2. Problem ledakan data Tool koleksi data otomatis dan perkembangan teknologi database menyebabkan banyak sekali data yang bisa dikumpulkan didalam database, data warehouse, dan alat penyimpanan informasi lainnya, untuk dianalisis Kita punya banyak data tapi tidak tahu pengetahuan yang tersimpan di dalamnya!
- 3. Solusi: Penggudangan data dan penambangan data (Data warehousing and data mining) Data warehousing dan on-line analytical processing (OLAP) Penyaringan pengetahuan yang menarik (kaidah, keberaturan, pola, kendala) dari data dalam database yang besar
- 4. Evolusi atau Perkembangan Teknologi Database 1960an Koleksi data, pembuatan data, IMS dan network DBMS 1970an Model data relasional dan implementasi DBMS relasional 1980an RDBMS, model data lanjut (extended- relational, OO, deduktif, dsb.) DBMS berorientasi aplikasi(spasial, saintifik, teknik, dsb.) 1990an - 2000an Data mining dan data warehousing, database multimedia, teknologi Web
- 5. Perolehan pengetahuan dari data “Ekstraksi informasi atau pola yang menarik (tidak sepele, implisit, tak diketahui sebelumnya, mungkin bermanfaat) dari data didalam database yang besar" Penyelidikan: analisa data semi-otomatis atas sekumpulan data yang besar DATA MINING
- 6. DATA MINING Istilah yang agak baku: Data mining Biasanya DM adalah salah satu proses KDD Knowledge discovery in databases (KDD) Istilah umum yang meliputi, preprocessing data, DM, dan postprocessing Istilah yang jarang digunakan: Ekstraksi pengetahuan, analisa data/pola Publisitas terbaru: Kecerdasan bisnis (business intelligence), manajemen pengetahuan (knowledge management)
- 7. Ketersediaan data dalam jumlah yang sangat besar: Tool koleksi data otomatis dan perkembangan teknologi database menyebabkan banyak sekali data yang bisa dikumpulkan di dalam database, data warehouse, dan alat peyimpanan informasi lainnya Pemeriksaan data manual adalah membosankan dan terkadang tidak masuk akal MENGAPA DATA MINING?
- 8. Database Marketing Data Warehousing KDD & Data Mining Meningkatkan pengetahuan agar bisa membuat keputusan berdasarkan: Misal, pengaruh pada marketing Peran dan pengaruh DM yang bertumbuh pesat dan masih bertumbuh! Tetapi DM tidaklah sekedar marketing... marketing MANFAAT DATA MINING?
- 9. Analisis database dan dukungan keputusan: Analisis dan manajemen pasar Target pasar, manajemen relasi customer (CRM), analisis keranjang belanja, penjualan silang, segmentasi pasar Analisis dan manajemen resiko Peramalan, tindakan mempertahankan customer, peningkatan asuransi, kontrol kualitas, analisis kompetitif Potensi Aplikasi
- 10. • Dari mana data berasal? Transaksi kartu kredit, loyalty cards, kupon discount, keluhan customer, kajian lifestyle publik • Target Pasar Mendapatkan kelompok model customer yang berbagi karakteristik yang sama: minat, tingkat pendapatan, kebiasaan belanja, dsb. Menentukan pola pembelian customer berdasarkan waktu • Analisis lintas pasar Asosiasi/korelasi antara penjualan produk & taksiran berdasarkan asosiasi demikian Analisis dan Manajemen Pasar
- 11. • Profil customer Tipe customer apa membeli produk apa (pengelompokan atau klasifikasi) • Analisa kebutuhan customer Mengenali produk terbaik untuk customer berbeda Meramalkan faktor apa yang akan memikat customer baru • Penyediaan rangkuman informasi Rangkuman laporan multidimensi Rangkuman informasi statistik (kecenderungan data terpusat dan variasi) Analisis dan Manajemen Pasar
- 12. • Perencanaan keuangan dan evaluasi aset –Analisis dan peramalan cash flow –Analisis ganti rugi yang mungkin untuk mengevaluasi aset –Analisis cross-sectional dan time series (financial- ratio, analisa trend, dsb.) • Perencanaan sumberdaya Merangkum dan membandingkan sumberdaya dan pengeluaran Analisis dan Manajemen Resiko Perusahaan
- 13. Analisis dan Manajemen Resiko Perusahaan • Kompetisi – Memantau pesaing dan arah pasar – Mengelompokkan customer kedalam kelas dan prosedur harga berbasis kelas – Menetapkan strategi harga dalam suatu pasar dengan kompetitif tinggi
- 14. Anda seorang petugas asuransi dan anda harus mendefinisikan suatu pembayaran bulanan yang pantas untuk seorang pemuda berusia 18 tahun yang membeli sebuah Ferrari … apa yang anda akan lakukan? CONTOH CASE DATA MINING?
- 15. CONTOH CASE DATA MINING? • Kaji seluruh data customer dan data kompensasi pembayaran sebelumnya • Kaji peluang penyebab kecelakaan paling banyak berdasarkan dugaan… – Jenis Kelamin pengendara (pria/wanita) dan usia – Model dan usia mobil, tempat tinggal – dsb. • Jika peluang kecelakaan lebih besar dari rata-rata, aturlah pembayaran bulanan yang sesuai!
- 18. 1. Skalabilitas, penyimpanan dari data biasanya memakan kapasitas yang besar, singkatnya semakin banyak data yang disimpan maka akan semakin besar juga kapasitas yang diperlukan. 2. Ketidaktersedianya data atau akses terhadap data yang sulit, anggap saja kalian mau mencari suatu data rahasia yang hanya dipegang oleh agen-agen CIA atau bahkan MI6 seperti yang ada di film James Bond, tentu sulit bukan? 3. Kualitas data yang kurang baik, apabila kalian disuruh untuk melakukan "Mining" terhadap suatu hal dan harus disediakan dalam bentuk video 4K HD atau 720p, namun sayangnya data yang kalian dapat merupakan video yang kualitas nya seperti gambar pada perang dunia ke 2. 4. Biaya yang mahal sampai ke perawatannya, bayangkan kalian disuruh mencari data dan harus menyimpannya tetapi data tersebut memiliki ukuran sampai 100 Terabyte! Tentu nya dibutuhkan Hard disk yang kapasitas penyimpanan nya sangat besar.5. Data yang heterogen & kompleks, contoh kumpulan hal web yg terdiri atas teks yg semi terstruktur dan banyak terdapat link. MASALAH UMUM DATA MINING?
- 19. PROSES DATA MINING - KDD
- 20. Peningkatan potensi untuk mendukung keputusan bisnis End User Business Analyst Data Analyst DBA Pembuatan keputusan Penyajian Data Teknik Visualisasi Data Mining Penemuan informasi Eksplorasi data Analisa statistik, query, dan pelaporan Data Warehouses / Data Marts OLAP, MDA Sumber data Kertas, Files, Penyedia informasi, Sistem database, OLTP PROSES DATA MINING - DSS
- 21. Data • Data customer • Simpanan data • Data grafis • Data geografis Informasi • X tinggal di Z • S berumur Y tahun • X dan S pindah • W punya uang di Z Keputusan • Promosikan produk A di Z. • Kirim iklan ke keluarga dengan profil P • Jual silang layanan B ke klien C Pengetahuan • Sebanyak Y produk A digunakan di Z • Customer dari kelas Y menggunakan x% dari C selama periode D VALUE CHAIN
- 22. TUGAS !!