Proses KDD dan Teknik Pada Data Mining

Data mining juga dikenal sebagai Knowledge discovery database (KDD), ekstraksi pengetahuan, analisis data/pola, arkeologi data, penambangan data, pengumpulan informasi, dan intelijen bisnis. Data Mining merupakan bagian integral dari Knowledge Discovery in Databases (KDD). Bertujuan pada proses mengubah data mentah menjadi informasi yang berguna.

Proses Knowledge Discovery Database memiliki beberapa tahapan antara lain:

• Data Cleaning: Kemampuan untuk menghilangkan noise dan data yang tidak konsisten.
• Integrasi data: Menggabungkan sumber data yang berbeda.
• Data Selection: Kemampuan untuk memilih data yang relevan dari database menggunakan tugas analisis.
• Data Transformation: Ini digunakan untuk memodifikasi atau mengkonsolidasikan data ke dalam bentuk yang cocok untuk penambangan dengan melakukan operasi agregasi.
• Data Mining: Kemampuan untuk mengekstrak pola dari data menggunakan metode cerdas.
• Pattern Evaluation: Berfungsi mengidentifikasi beberapa pola yang menarik dan menjadi pengetahuan berdasarkan serangkaian pengukuran yang menarik.
• Knowledge Presentation: Ini adalah tahap akhir dari proses KDD, memvisualisasikan data yang diproses agar lebih mudah dipahami oleh pengguna.

Teknik Data Mining

• Associaton: Ini bertujuan untuk menemukan tujuan dan hubungan asosiatif untuk peristiwa tertentu.
• Clustering: Mengenai pengelompokan data, tidak ada kelas atau atribut target yang muncul dalam kumpulan data yang terklaster.
• Prediciton: Sebuah fungsi untuk memprediksi peristiwa masa depan menggunakan kumpulan data yang dihasilkan dari data mining.
• Classification: Sekilas klasifikasi mirip dengan clustering, namun klasifikasi perlu merepresentasikan kelas dan atribut yang diinginkan agar data yang dipisahkan memiliki keunikan.