Presentation1.pptx
- 2. Pengantar Data Mining Apa dan Mengapa Data Mining? Manusia memerlukan melakukan data mining karena (1) manusia memproduksi data beragam data yang jumlah dan ukurannya sangat besar untuk bidang astronomi, bisnis, kedokteran, ekonomi, olahraga, cuaca, financial, dan masih banyak bidang. (2) Tejadinya pertumbuhan data seperti bidang astronomi berdasrakan survey yang dilakukan oleh perusahaan Sloan Digital Sky Survey di New Mexico pada 2000 bahwa data yang dihasilkan 140TB selama 10 tahun terakhir. Sedangkan survey dari perusahaan Large Synoptic Survey Telescope di Chile pada tahun 2016 bahwa setiap 5 hari dihasilkan data sebesar 140TB
- 3. (3) terjadinya perubahan kultur dan perilaku manusia bahwa tiap detik social media menghasilkan data yang fantastis Pengantar Data Mining
- 4. Pengantar Data Mining (4). Terjadinya tsunami data Mobile Electronics market : 7B smartphone subscriptions in 2015 Web & Social Networks generates amount of data Google processes 100 PB per day, 3 million servers Facebook has 300 PB of user data per day Youtube has 1000PB video storage
- 5. Manusia kebanjiran data tetapi miskin pengetahuan untuk itu diperlukan bagaimana manusia bisa mengubah data menjadi pengetahuan. Data harus olah menjadi pengetahuan supaya bisa bermanfaat bagi manusia. Dengan pengetahuan tersebut, manusia dapat: Melakukan estimasi dan prediksi apa yang terjadi di depan Melakukan analisis tentang asosiasi, korelasi dan pengelompokan antar data dan atribut Membantu pengambilan keputusan dan
- 6. DEFINISI Menambang/menggali/menemukan pengetahuan dari data yang banyak yang sebelumnya tidak diketahui Suatu istilah yang digunakan untuk menguraikan penemuan pengetahuan di dalam database Proses menggunakan teknik statistika, matematika, kecerdasan buatan dan machine learning Suatu proses menemukan hubungan, pola disiplin ilmu yang mempelajari metode untuk mengekstrak pengetahuan atau menemukan pola dari suatu data yang besar
- 7. Nama lain data mining Knowledge Discovery in Database (KDD) Big data Business intelligence Knowledge extraction Pattern analysis Information harvestin
- 8. Karateristik data mining Data mining berhubungan dengan penemuan sesuatu yang tersembunyi dan pola data tertentu yang tidak diketahui sebelumnya. Data mining biasa menggunakan data yang sangat besar. Biasanya data yang besar digunakan untuk membuat hasil lebih dipercaya. Data mining berguna untuk membuat keputusan yang kritis, terutama dalam strategi
- 9. Ekstraksi dari data ke pengetahuan: 1. data: fakta yang terekam dan tidak membawa arti 2. informasi: rekap, rangkuman, penjelasan dan statistik dari data 3. pengetahuan: pola, rumus, aturan atau model yang muncul dari data
- 10. Penerapan data mining Puluhan ribu data mahasiswa di kampus yang diambil dari sistem informasi akademik Apakah pernah kita ubah menjadi pengetahuan yang lebih bermanfaat? TIDAK! Seperti apa pengetahuan itu? Rumus, Pola, Aturan
- 13. Penerapan data mining Pendidikan Data mining membantu tenaga mendidik dalam mengakses data siswa, memprediksi tingkat pencapaian dan memberi pandangan tentang siswa atau kelompok siswa mana saja yang membutuhkan perhatian ekstra Perbankan Data mining membantu perusahaan jasa keuangan untuk mendapatkan pandangan yang lebih baik tentang risiko pasar, mendeteksi penipuan, mengelola pemenuhan peraturan dan untuk mendapatkan return optimal dari investasi pemasaran.
- 14. Penerapan data mining Komunikasi Data mining digunakan oleh perusahaan multimedia dan telekomunikasi untuk memahami banyaknya data pelanggan, memprediksi perilaku mereka dan menawarkan kampanye yang sesuai target atau relevan. Asuransi Penerapan lain data mining adalah pada industri asuransi. Perusahaan asuransi umumnya menggunakan teknik data mining untuk mendeteksi penipuan, mengidentifikasi faktor risiko pada pengajuan klaim, analisa pelanggan, hingga untuk menemukan cara menawarkan produk kompetitif ke basis pelanggan yang ada.
- 15. Penerapan data mining kesehatan Salah satu pemanfaatan data mining pada bidang kesehatan adalah penerapan data mining untuk melakukan klasifikasi prediksi penyakit ISPA (Infeksi Saluran Pernapasan Akut). Data pasien yang terkena ISPA dapat digunakan untuk menunjukkan gejala penyakit ISPA yang diderita pasien. Klasifikasi ini bertujuan untuk membentuk model pohon keputusan untuk memprediksi penyakit pasien dan melihat variabel yang paling mempengaruhi penyakit pasien dengan kategori ISPA. Objek penelitian ini ialah data pasien, status imunisasi, jenis kelamin,usia dan kriteria gizi
- 16. Penerapan data mining Ekonomi dan bisnis : data saham kenaikan, penurunan dll Cuaca : BMG, data suhu, curah hujan dll Olahraga : CR7 brapa mencetak gol dalam 1 musim dll
- 17. Data set Dataset/Himpunan Data/Data Latih adalah sebuah himpunan data yang berasal dari informasi masa-masa lampau dan dikelola menjadi sebuah informasi untuk melakukan teknik dari ilmu data mining. Sebuah data set dapat dipandang sebagai sebuah koleksi dari objek- objek data. Nama lain dari sebuah objek data adalah record, titik, vektor, pola, event, case, sample, observasi atau entitas
- 18. Jenis data set dua jenis dataset yaitu Private dan Public. Private Dataset, adalah data set yang dapat diambil dari sebuah organisasi yang akan kita lakukan sebagai objek penelitian misalnya seperti data bank, rumah sakit, universitas, perusahaan dan lain sebagainya Public Dataset, adalag data set yang bisa kita ambil dari repository publik yang disepakati oleh ulama-ulama peneliti data mining, misalnya seperti UCI Repository (http://www.ics.uci.edu/~mlearn/ MLRepository.html), ACM KDD (http://www.sigkdd.org/kddcup/).
- 19. Data set Terdapat bermacam-macam cara untuk merepresentasikan data set contohnya yaitu atribut yang digunakan untuk meng-gambarkan jenis objek baris yang menyatakan objek-objek data dan kolom disebut atribut. Atribut juga dapat disebut dengan variabel, field, fitur atau dimensi.
- 20. Jenis Atribut