Contoh Penerapan Kasus Pada Data Mining

Penerapan Kasus Pada Data Mining

Pertumbuhan data yang ekplosif  disimpan dalam database-database sementara yang bersifat operasional. Dengan berjalannya waktu, database tersebut menjadi gudang data atau lebih dikenal dengan data warehouse. Di dalam data warehouse ini tersimpan banyak sekali data yang telah direkap setiap harinya. Melalui data-data ini lah terdapat informasi yang harus digali untuk menunjang proses bisnis yang ada dalam menjalankan visi misi perusahaan.

Dibutuhkan suatu teknik untuk menggali informasi yang terdapat pada data warehouse tersebut. Lahirlah data mining, yaitu suatu teknik untuk meng-ekstrasi suatu pola dari data. Data mining diterapkan dengan paradigma untuk melihat informasi yang tersembunyi. Proses pencarian ini dilakukan secara otomatis terhadap pola dalam data dengan jumlah besar dengan menggunakan teknik-teknik seperti klasifikasi, clustering, dll. Data mining adalah suatu multidisiplin ilmu yang kompleks dan beririsan dengan ilmu lain seperti statistika, database, information retrieval, machine learning, pattern recognition, algoritma dan ilmu lainnya.

Data mining yang diartikan sebagai penggalian data merupakan suatu proses pencarian otomatis terhadap pola dalam data yang melibatkan data dalam jumlah besar dengan menggunakan perangkat seperti clustering, pengelompokan, dll. Data mining diterapkan dengan tujuan untuk menemukan informasi yang “tersembunyi” didalam data, oleh sebab itu data mining juga dikenal dengan nama Knowledge Discovery in Database (KDD)

Sebagai contoh kasus data mining yang terjadi yaitu data transaksi disebuah supermarket dapat berjumlah ribuan dalam periode singkat dan terus bertambah. Seringkali perusahaan hanya membiarkan data tersebut menggunung untuk laporan transaksi, tetapi dengan data mining kita dapat menggali  informasi yang sangat berharga dari data tersebut, misalnya asosiasi antar produk yang dapat digunakan untuk menentukan tata letak produk, dapat juga digunakan untuk menentukan daftar barang yang telah kadaluarsa.

Sebagai contoh lain kasus data mining yaitu   misalnya dalam bidang pemasaran, sebelum sebuah perusahaan mengeluarkan suatu produk baru kepasaran, perusahaan tersebut harus memiliki informasi tentang kecenderungan pelanggan untuk membeli produk yang akan di keluarkan. Perkiraan (hypothesis) dapat disusun untuk mengidentifikasikan pelanggan yang potensial dan karakteristik dari pelanggan yang ada. Data-data tentang pembelian pelanggan sebelumnya dan data tentang keadaan pelanggan, dapat digunakan untuk melakukan perbandingan antara pembelian dan karakteristik pelanggan untuk menetapkan dan menguji target yang telah diperkirakan sebelumnya. Dari keseluruhan operasi yang ada selanjutnya dapat dilakukan penyaringan dengan cermat sehingga jumlah perkiraan (hypothesys) yang sebelumnya banyak akan menjadi semakin berkurang sesuai dengan keadaan yang sebenarnya.Permasalahan utama dengan model ini adalah tidak ada informasi baru yang dapat dibuat, melainkan hanya pembuktian atau melemahkan perkiraan (hypothesys) dengan data-data yang ada sebelumnya. Datadata yang ada pada model ini hanya digunakan untuk membuktikan mendukung perkiraan (hypothesis) yang telah diambil sebelumnya. Jadi model ini sepenuhnya tergantung pada kemampuan user untuk melakukan analisa terhadap permasalahan yang ingin digali dan diperoleh informasinya.