Aneka Implementasi Data Mining

Perkembangan teknologi di Indonesia semakin pesat, baik pada bidang kesehatan, Pendidikan, maupun perdagangan. Data yang diperoleh dari berbagai kegiatan pada bidang tersebut termasuk dalam jumlah yang cukup besar jika dikumpulkan dalam waktu yang cukup lama. Agar dapat meningkatkan mutu kesehatan pada bidang Pendidikan, maupun keuntungan pada bidang perdagangan, maka kita perlu mengetahui cara memanfaatkan data dalam jumlah besar tersebut.

Data Mining diartikan sebagai menambang data atau upaya untuk menggali informasi yang berharga dan berguna pada database yang sangat besar. Setiap informasi yang ada menjadi suatu hal penting untuk menentukan setiap keputusan dalam situasi tertentu. Hal ini menyebabkan penyediaan informasi menjadi sarana untuk dianalisa dan diringkas menjadi suatu pengetahuan dari data yang bermanfaat ketika pengambilan suatu keputusan dilakukan. 

Pengetahuan dari data pada suatu informasi saja tidak cukup untuk mengambil suatu keputusan. Diperlukan juga suatu analisa dari setiap data yang ada untuk mendapatkan bahan pertimbangan dari informasi yang tersedia. Dengan menggunakan data mining, setiap kumpulan atau gudang data dapat memberikan pengetahuan penting yang menjadi informasi yang sangat berharga bagi suatu organisasi.

Pada kesempatan kali ini saya akan memberikan beberapa contoh implementasi Data Mining dalam kehidupan sehari-hari, terutama pada bidang kesehatan, Pendidikan, dan perdagangan.

BIDANG KESEHATAN

 Pada bidang kesehatan saya menemukan refrensi penelitan yang menyatakan bahwa data mining dapat diimplementasikan dengan algoritma apriori pada sistem persediaan alat-alat kesehatan. Algoritma apriori adalah suatu algoritma dasar yang diusulkan oleh Agrawal & Srikant pada tahun 1994 untuk menentukan Frequent itemsets untuk aturan asosiasi Boolean. 

Algoritma Apriori termasuk jenis Aturan Asosiasi pada data mining. Aturan yang menyatakan asosiasi antara beberapa atribut sering disebut affinity analysis atau market basket analysis.

Pada sistem ini data mining digunakan untuk membantu memanfaatkan aktivitas transaksi yang menumpuk pada database apotik kelambir  2 medan. Peneliti bermaksud untuk megetahui informasi penting dalam transaksi tersebut agar dapat meningkatkan pelayanan dan penjualan apotik. 

Tujuannya adalah untuk mengimplementasikan Data Mining pada database transaksi penjualan item alat-alat kesehatan serta menerapkan Algoritma Apriori untuk menentukan frekuensi tinggi itemset untuk memprediksi persediaan barang diwaktu yang akan datang. Dan pada kesimpulannya terbukti bahwa data mining dapat diimplementasikan untuk membantu transaksi pada apotik tersebut.

BIDANG PENDIDIKAN

Pada bidang Pendidikan data mining diimplementasikan untuk memprediksi tingkat kelulusan mahasiswa. Pada organisasi pendidikan, suatu sistem informasi dapat digunakan untuk memperoleh informasi yang menunjang setiap kegiatan pada pengambilan suatu keputusan. 

Data mining algoritma C4.5 dapat digunakan untuk menyusun sistem yang mempunyai kemampuan melihat pola kelulusan mahasiswa, untuk selanjutnya bisa menjadi strategi dalam proses perkuliahan   

Pada penelitian yang dilakukan oleh Mujib Ridwan dan kawan-kawan (2013) menjelaskan bahwa faktor yang paling berpengaruh dalam penentuan klasifikasi kinerja akademik mahasiswa adalah Indeks Prestasi Komulatif (IPK), Indeks Prestasi Semester (IPS) semester 1, IPS semester 4 dan jenis kelamin. Pada penelitian ini peneliti menggunakan algoritma C4.5 dalam menentukan prediksi kelulusan berdasarkan attribute jenis kelamin, asal sekolah SMA dan IPS semester satu sampai dengan semester enam.

Pada hasil penelitian terbukti bahwa Data mining dengan algoritma C4.5 dapat diimplementasikan untuk memprediksi tingkat kelulusan mahasiswa dengan empat kategori yaitu lulus cepat, lulus tepat, lulus terlambat dan drop out. Attribute yang paling berpengaruh dalam hasil prediksi adalah IPS semester enam. 

Hasil prediksi kelulusan dari aplikasi penelitian ini dapat membantu bagian program studi untuk mengetahui status kelulusan mahasiswa. Hal ini dapat menjadi rekomendasi pengambilan mata kuliah bagi mahasiswa untuk semester berikutnya seperti skripsi dan magang. Dengan hal tersebut mahasiswa bisa lulus minimal tepat waktu.

BIDANG PERDAGANGAN

Pada bidang perdagangan data mining diimplementasikan untuk pengaturan layout minimarket dengan menerapkan association rule. penelitian ini berupaya mengembangkan strategi bisnis penyusunan layout produk yang disesuaikan dengan pola pembelian pelanggan di indomaret. 

Salah satu teknik data mining yang digunakan untuk merancang strategi penyusunan layout produk yang efektif dengan memanfaatkan data transaksi penjualan yang telah tersedia di perusahaan dengan menggunakan metode association rule.

Teknik ini dapat menemukan pola berupa produk-produk yang sering dibeli secara bersamaan. Penelitian ini bertujan untuk menerapkan association rule kedalam penyusunan layout produk. Dari rule yang dihasilkan harapkan dapat membantu perusahaan memudahkan dalam penyusunan layout produk.

Pada hasil penelitian disimpulkan bahwa Kombinasi barang untuk menyusun layout minimarket dapat ditemukan dengan mengolah data transaksi penjualan. Serta Association rule dapat diterapkan untuk penyusunan layout produk, dimana association rule dapat menemukan aturan kombinasi kemunculan barang dalam satu waktu transaksi yang digunakan untuk penyusunan layout.

 Jadi kesimpulannya pada akhir akhir ini sudah banyak organisasi yang mengimplementasikan data mining pada bidangnya masing masing. Walaupun mungkin masih ada juga organisasi yang hanya menumpuk data atau informasi yang diperoleh atau mungkin membuangnya begitu saja tanpa mengetahui banyaknya manfaat yang dapat diambil dari data tersebut. 

Biasanya organisasi seperti inilah yang akan tertinggal dan tidak dapat bersaing dengan organisasi lain yang sudah mengimplementasikan data mining untuk meningkatkan mutu dan kesejahteraan dari organisasinya.

Refrensi :

Penelitian yang dilakukan oleh (Kennedi Tampubolon , Hoga Saragih , Bobby Reza, 2013) yang menjelaskan tentang implementasi data mining algoritma apriori pada sistem persediaan alat-alat kesehatan.

Penelitian yang dilakukan oleh (David Hartanto Kamagi, Seng Hansun, 2014) yang menjelaskan tentang Implementasi Data Mining dengan Algoritma C4.5 untuk Memprediksi Tingkat Kelulusan Mahasiswa.

Penelitian yang dilakukan oleh (Maharani, Nelly Astuti Hasibuan, Natalia Silalahi, Surya Darma Nasution, Mesran, Suginam, Dian U Sutiksno, Heri Nurdiyanto, Efori Buulolo, Yuhandri, 2017) yang menjelaskan tentang implementasi data mining untuk pengaturan layout minimarket dengan menerapkan association rule