Sebelum membahas tentang sejarah dan aplikasi data mining, terlebih dahulu kita perlu mengetahui definisi dari data mining. Penambangan data dapat didefinisikan sebagai seperangkat mekanisme dan teknik yang diterapkan dalam perangkat lunak untuk mengekstrak informasi tersembunyi dari kumpulan data.
Sejarah Data MiningÂ
Untuk menggambarkan sejarah data mining, mari kita kembali ke akhir 1980-an ketika istilah ini pertama kali digunakan. Ada ketidaksepakatan awal mengenai arti dan ruang lingkup istilah, yang berlanjut hingga hari ini.
Sebelum tahun 1990-an, data mining awalnya dikenal sebagai subproses besar yang disebut KDD (Knowledge Discovery in Databases). Namun, dalam konteks penambangan data saat ini, KDD lebih cocok karena sumber pengetahuan tidak lagi terbatas pada basis data. Pada 1990-an, sains, bisnis, dan pemerintah mulai membuat "tumpukan" data. Kemampuan teknologi informasi untuk mengumpulkan dan menyimpan berbagai macam data jauh melampaui kemampuannya untuk menganalisis, meringkas, dan mengekstrak 'pengetahuan' dari data tersebut (Achmad Zulfikar, 2009).
Pada tahun 1996, sekelompok perusahaan seperti Teradata dan NCR memimpin sebuah proyek untuk menstandarisasi dan memformalkan teknik data mining. Pekerjaan mereka menghasilkan Proses Standar Lintas Industri untuk Penambangan Data (CRISP-DM). Kemudian, di awal 2000-an, perusahaan web mulai menyadari kekuatan data mining, dan praktiknya masih berjalan hingga sekarang.
Alasan pertama kita membutuhkan data mining adalah bahwa ada sejumlah besar data yang dapat digunakan untuk menghasilkan informasi dan pengetahuan yang berguna. Informasi dan pengetahuan yang diperoleh dapat digunakan di banyak bidang, seperti manajemen bisnis, manajemen produksi, dan kesehatan (Han & Kamber, 2001). Pesatnya perkembangan data mining (DM) tidak lepas dari perkembangan teknologi informasi yang memungkinkan terjadinya akumulasi data dalam jumlah besar.
Data yang digunakan dalam proses data mining pada awalnya hanya tersedia sebagai data tabular (relasional) karena keterbatasan opsi perhitungan. Ketika daya komputasi meningkat, waktu komputasi (meskipun tetap menjadi isu penting) tidak lagi menjadi perhatian utama, digantikan oleh tujuan lain: akurasi dan keinginan untuk memeriksa data yang jauh lebih besar. Dalam konteks data tabular, itu diperlakukan secara khusus dengan teknik yang berbeda. Hal ini terlihat dari banyaknya sistem seperti SPSS yang melakukan penambangan data dari spreadsheet. Namun jenis data yang tersedia secara digital semakin banyak dan berasal dari berbagai sumber. Tipe data saat ini sangat beragam: gambar, teks, video, multimedia, grafik, jaringan, dan banyak lagi. Ini membuat penelitian penambangan data tumbuh dan berkembang dan terus menghadirkan tantangan baru.
Popularitas data mining terus tumbuh secara signifikan pada 1990-an, dengan banyak konferensi yang didedikasikan untuk penelitian, terutama:
Konferensi Tahunan ACM SIGKDD 1995, PKDD Eropa dan Pasifik/Asia (PAKDD) 1997. IEEE ICDM diadakan pada tahun 2001 sebagai konferensi SIAM pertama.
Hal ini membuat data mining semakin populer, didukung oleh kemajuan teknologi, CPU yang berlimpah, dan media untuk menyimpan data dalam jumlah besar dan memprosesnya dengan cepat. Adalah umum bagi perusahaan perdagangan untuk memelihara data dalam berbagai format yang dapat dibaca komputer, dan dalam banyak kasus data digunakan untuk mendukung operasi bisnis, dan gagasan bahwa data dapat "ditambang" tetap menjadi sekunder.Tahun 1990-an juga menampilkan penggunaan loyalitas kartu yang dapat digunakan bisnis untuk melacak pembelian setiap pelanggan. Sejumlah besar data yang tersimpan ini dapat "ditambang" untuk mempelajari tentang perilaku pembelian setiap pelanggan. Popularitas data mining terus berkembang hingga saat ini, terutama karena kemampuannya untuk mengekstrak data dari data non-standar (non-tabular).
Penerapan Data MiningÂ
