Mohon tunggu...
Zahwa Diah A.P
Zahwa Diah A.P Mohon Tunggu... Mahasiswa - Mahasiswa Teknik Informatika

Dream it, Wish it, Do it.

Selanjutnya

Tutup

Pendidikan

Pengenalan Mengenai Data Mining

14 September 2022   17:18 Diperbarui: 14 September 2022   17:23 349
+
Laporkan Konten
Laporkan Akun
Kompasiana adalah platform blog. Konten ini menjadi tanggung jawab bloger dan tidak mewakili pandangan redaksi Kompas.
Lihat foto
Pendidikan. Sumber ilustrasi: PEXELS/McElspeth

Dalam hal ini, penetrasi teknologi informasi di bidang ritel mungkin juga lebih spesifik tercermin dalam bidang komersial atau e-commerce, dan data yang dihasilkan dapat dikatakan tingkat pertumbuhan yang sangat signifikan atau pertumbuhan yang luar biasa dari data ini. Sumber data berasal dari alat pengumpulan data otomatis, seperti sensor, tetapi juga dari sistem basis data, situs web, atau masyarakat terkomputerisasi.
 
Misalnya kita aktif di media sosial pada hari tertentu dan menyumbang banyak sekali data pada platform-platform, seperti shopee, facebook, dll. Sekarang pertanyaan kita adalah dengan data kita yang sudah sangat kaya, bisakah kita memanfaatkan data ini? Tidak bisakah kita mengubah informasi dalam hal ini dari data yang tersebar menjadi pengetahuan? Kemudian beberapa ahli muncul, salah satunya berpendapat bahwa itu dapat dilakukan dengan menggunakan teknik yang kita sebut dengan data mining.
 
Ketika kita berbicara tentang penambangan data atau data mining, maksudnya adalah berbicara tentang bagaimana kita menambang data dalam konteks ini untuk mengekstrak data. Data apa? Artinya, ekstraksi pengetahuan.

Apa itu Data Mining?

Data mining atau biasa dikenal dengan istilah Knowledge Discovery from Data merupakan pencarian pengetahuan dari data. Extraction of Interesting adalah proses mencadangkan atau mengekstraksi sesuatu yang menarik, beberapa di antaranya non-trivial, implicit atau bahkan potensial usefull atau sebelumnya tidak diketahui, hal terakhir adalah potensial usefull. Potensi kegunaan yang kami temukan sebelumnya menjadi pengetahuan(knowledge) yang mungkin bisa digunakan di masa depan. Bentuk pengetahuan ini bisa berupa faktor, pola, atau berupa pengetahuan (knowledge). Setiap bidang pastinya memiliki sumber-sumber data yang berbeda. Misalnya, dalam bidang bisnis yang sumber datanya bisa berasal dari website, e-commerce, dan tranksaksi. Bidang sains yang sumbernya bisa berasal dari Remote Sensing, bioinformatics, dan scientific simulation.


Data mining dibagi menjadi dua kata yaitu "data" dan "mining". Data yang artinya berupa kumpulan fakta atau informasi. Mining yang artinya mengolah. Kesimpulannya, data mining adalah proses mencari pengetahuan dari suatu informasi kemudian mengolah data tersebut. Sebagai contoh data mining, yaitu rekomendasi. Misalnya saat kita mencari produk di shopee, akan ada beberapa rekomendasi produk yang berhubungan dengan pencarian kita. Dengan data mining juga kita dapat mengambil keputusan dan merumuskan strategi dalam sebuah bisnis.
 
Tahapan Data Mining seperti Apa?
Landasan paling dasar ketika berbicara mengenai data mining adalah database. Setelah kita mempunyai database, database ini tidak hanya satu tetapi ada beberapa sumber data. Ketika sudah mempunyai database selanjutnya adalah data aggregation. Kemudian masuk ke data cleaning yaitu proses pembersihan data misalnya masih ada data yang tidak sesuai format dan lain sebagainya. Setelah datanya cleaning kita menaruh data tersebut di sebuah gudang data atau data warehouse selanjutnya adalah data selection dasarnya adalah task-relevant data yaitu hanya data-data relevan saja yang masuk sebelum ke data mining. Kemudian masuk ke data mining lalu pattern evaluation atau proses evaluasi pola dan menjadi knowledge sebagai pendukung pengambil keputusan. Beberapa proses ini dapat terjadi iterasi atau perulangan.
 
Penjelasan diatas merupakan ringkasan dari video youtube :
https://www.youtube.com/watch?v=KAg7Eq6bcL0
 
Sekian dan Terima Kasih

Mohon tunggu...

Lihat Konten Pendidikan Selengkapnya
Lihat Pendidikan Selengkapnya
Beri Komentar
Berkomentarlah secara bijaksana dan bertanggung jawab. Komentar sepenuhnya menjadi tanggung jawab komentator seperti diatur dalam UU ITE

Belum ada komentar. Jadilah yang pertama untuk memberikan komentar!
LAPORKAN KONTEN
Alasan
Laporkan Konten
Laporkan Akun