Konsep Data Mining
Belakangan ini, hampir semua aspek kehidupan masyarakat saat ini telah terlibat dalam proses pendataan data mining ini. Setidaknya sebagai sampel atau data yang dicari oleh beberapa kelompok atau orang lain. Ya, pekerjaan data mining sebenarnya bukanlah hal yang baru, apalagi di era digital dan integrasi teknologi internet yang semakin marak. Singkatnya, data mining berarti proses atau aktivitas mengumpulkan atau mengekstrak beberapa informasi yang relevan dari sumber data. Tujuan dari pekerjaan ini mungkin berbeda, tergantung pada kebutuhan dan minat orang lain yang mengumpulkannya. Apalagi metode recovery data mining juga bisa dilakukan dengan banyak cara, yang tentunya akan mengerti orang yang melakukannya untuk mendapatkan hasil yang baik dan bagus.
Data mining adalah proses mengekstrak atau mengumpulkan informasi yang relevan dari data yang besar. Teknik data mining sering menggunakan teknik matematika dan komputasi menggunakan teknologi kecerdasan buatan. Nama lain adalah Knowledge discovery (mining) in databases (KDD), penambangan pengetahuan, analisis data/pola, arkeologi data, penambangan data, penambangan informasi, intelijen bisnis, dll.
Jika melihat gambaran proses KDD, ada banyak konsep dan teknik yang digunakan dalam data mining. Proses ini memerlukan beberapa langkah untuk mendapatkan data yang dibutuhkan. Dalam pemilihan metode data mining atau pemilihan algoritma, seseorang harus melakukan perubahan jenis identifikasi data, apakah nama atau nomor, sementara saat ini, presentasi dibuat atau menggunakan Algoritma nyata untuk digunakan dan dipilih. sejumlah pilihan yang menentukan jenis algoritma yang tersedia.
Peran utama Data mining
Berikut rangkuman kegiatan data mining seperti yang dikemukakan oleh (Buulo, 2020):
- Deskripsi, digunakan untuk mengidentifikasi pola umum dan mengubah pola tersebut menjadi aturan yang dapat ditindaklanjuti untuk menyederhanakan pemrograman.
- Klasifikasi digunakan jika atribut dapat berupa nama atau angka tetapi simbolnya harus berupa angka. Dalam klasifikasi, klasifikasi dilakukan berdasarkan hubungan antara variabel kriteria dan variabel target.
- Prediksi digunakan jika atributnya numerik dan skornya numerik dan ada deret waktu di atributnya. Peran data mining prediktif umumnya hampir sama dengan klasifikasi.Fitur ini digunakan jika pengidentifikasinya numerik dan labelnya numerik.
- Estimasi adalah rencana atau prediksi, sehingga estimasi hampir identik dengan klasifikasi yang berbeda hanya pada jenis dataset yang digunakan.
- Clustering digunakan jika dataset tidak berlabel dan karakteristiknya numerik. Cluster adalah kumpulan data dengan nilai yang sama.
- Assosiasi digunakan jika kumpulan data perlu mengetahui bagaimana hubungan antara fitur-fiturnya. Dalam data mining, proses asosiasi adalah pencarian karakteristik yang muncul atau sering muncul pada waktu yang bersamaan.