Pengertian dan Macam-Macam Data Mining

  • Yudha Prayoga
  • Okt 10, 2023
Pengertian dan Macam-Macam Data Mining

Pengertian dan Macam-Macam Data Mining – Data Mining Bagi Gartner Group, data mining merupakan proses menciptakan ikatan baru yang memiliki makna, pola serta kerutinan dengan memilah-milah sebagian besar data yang berada dalam media penyimpanan dengan memakai teknologi pengenalan pola semacam metode statistik serta matematika.

Penertian Data mining adalah gabungan dari sebagian ilmu yang menyatukan metode dari pendidikan mesin, pengenalan pola, statistik, database, serta visualisasi buat penindakan kasus pengambilan data dari database yang besar

Bagi David Hand  , Heikki Mannila, serta Padhraic Smyth dari MIT data mining merupakan analisa terhadap data( umumnya data yang berdimensi besar) buat menciptakan ikatan yang jelas dan menyimpulkannya yang belum kita kenal tadinya dengan metode terbaru yang kita mengerti serta bermanfaat untuk owner data tersebut

Data mining merupakan proses yang memakai metode statistik, matematika, kecerdasan buatan, serta machine learning. Buat mengekstraksi serta mengenali data yang berguna serta pengetahuan yang terpaut dari bermacam database besar.

Data mining ialah serangkaian proses buat menggali nilai tambah dari sesuatu kumpulan data berbentuk pengetahuan yang sepanjang ini tidak kita kenal secara manua

Hal-hal penting yang harus kita ketahui mengenai data mining adalah

  1. Data mining ialah sesuatu proses otomatis terhadap data yang telah ada.
  2. Data yang hendak masuk proses ialah data yang sangat besar.
  3. Tujuan data mining merupakan memperoleh ikatan ataupun pola yang bisa jadi membagikan gejala yang berguna.

Data mining tidaklah sesuatu bidang yang sama sekali baru. Salah satu kesusahan buat mendefinisikan data mining merupakan realitas kalau data mining mewarisi banyak aspek serta metode dari bidang- bidang ilmu yang dahulu telah mapan terlebih dahulu.

Pengertian dan Macam-Macam Data Mining

Pengertian dan Macam-Macam Data Mining
Pengertian dan Macam-Macam Data Mining

Data mining terbagi jadi sebagian kelompok berdasarkan dari pada tugas nya masing-masing. Berikut Macam-Macam Data Mining :

Description( Deskripsi)

Biasanya seorang yang bekerja dalam bidang riset selalu berupaya untuk menjelaskan atau menukan pola dari suatu data. Misalnya,  contoh petugas pengumpulan suara bisa jadi tidak bisa menciptakan penjelasan ataupun kenyataan kalau siapa yang tidak lumayan handal hendak sedikit medapat dukungan dalam pemilihan presiden.

Deskripsi dari pola serta kecenderungan kerap membagikan mungkin uraian buat sesuatu pola ataupun kecenderungan.

Estimation( Ditaksir)

Taksir nyaris sama dengan klasifikasi, kecuali variabel sasaran taksir lebih ke arah numerik daripada ke arah jenis. Sebuah rekaman data yang dapat kita gunakan sebagi sebuah prediksi.

Berikutnya, pada peninjauan selanjutnya taksir nilai dari variabel sasaran terbuat bersumber pada nilai variabel prediksi. Bagaikan contoh ialah taksir nilai indeks prestasi kumulatif mahasiswa program pasca sarjana dengan memandang nilai indeks prestasi mahasiswa tersebut pada kala menjajaki program sarjana.

Prediction( Prediksi)

Prediksi merupakan sebuah pandangan ke depan. Memang sedikt sama dengan  taksiran. Akan tetapi prediksi akan kelihatan hasilnya pada masa mendatang. Contoh prediksi dalam bisnis serta riset :

  • Prediksi harga beras dalam 3 bulan yang hendak tiba.
  • Prediksi tingkatan penganguran 5 tahun hendak tiba.
  • Predisksi persentase kanaikan musibah kemudian lintas tahun depan bila batasan dasar kecepatan naik.

Sebagian tata cara serta metode yang kita gunakan dalam klasifikasi serta mendapat taksiran bisa pula untuk( kondisi yang pas) buat prediksi.

Classification( Klasifikasi)

Dalam klasifikasi, ada sasaran variabel jenis. Bagaikan contoh, penggolongan pemasukan bisa terbagi dalam 3 jenis, ialah pemasukan besar, pemasukan lagi, serta pemasukan rendah.

Contoh lain klasifikasi dalam bisnis serta riset merupakan:

  1. Memastikan apakah sesuatu transaksi kartu kredit ialah transaksi yang curang atau pun bukan.
  2. Memperkirakan apakah sesuatu pengajuan hipotek oleh nasabah ialah sesuatu kredit yang baik atau pun kurang baik.
  3. Mendiagnosis penyakit seseorang penderita buat memperoleh tercantum penyakit apa.

Clustering( Pengklusteran)

Pengklusteran ialah pengelompokan record, pengamatan, ataupun mencermati serta membentuk kelas objek- objek yang mempunyai kemiripan.

Data mining jenis ini berbeda dengan klasifikasi ialah tidak terdapatnya variabel sasaran dalam pengklusteran. Pengklusteran tidak berupaya buat melaksanakan klasifikasi, mengestimasi, ataupun memprediksi nilai dari variabel sasaran.

Namun, algoritma pengklusteran berupaya buat melaksanakan pembagian terhadap totalitas data jadi kelompok- kelompok yang mempunyai kemiripan( homogen), yang mana kemiripan record dalam satu kelompok hendak bernilai optimal.

Sebaliknya kemiripan dengan record dalam kelompok lain hendak bernilai minimum. Contoh pengklusteran dalam bisnis serta riset :

  • Memperoleh kelompok- kelompok konsumen buat sasaran pemasaran dari sesuatu produk untuk industri yang tidak mempunyai dana pemasaran yang besar.
  • Buat tujuan audit akuntansi, ialah melaksanakan pembelahan terhadap sikap finansial dalam baik serta mencurigakan
  • Melaksanakan pengklusteran terhadap ekspresi dari gen, buat memperoleh kemiripan sikap dari gen dalam jumlah besar

Association( Asosiasi)

Tugas asosiasi dalam data mining merupakan menciptakan atribut yang timbul dalam satu waktu. Dalam dunia bisnis lebih universal analisis keranjang belanja.

Contoh asosiasi dalam bisnis serta riset merupakan:

  • Mempelajari jumlah pelanggan dari industri telekomunikasi seluler yang bisa buat membagikan respons positif terhadap penawaran upgrade layanan yang kita berikan.
  • Menciptakan benda dalam supermarket yang dibeli secara bertepatan serta benda yang tidak sempat dibeli secara bertepatan.

Tinggalkan Balasan

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *