Our articles are currently published in Indonesian.
Secara umum, Data mining atau data science merupakan proses data dalam jumlah yang sangat besar. Data mining memerlukan beberapa metode dan teknologi untuk mengerjaannya. Jadi simak artikel ini dengan baik ya!
Data mining merupakan proses pengumpulan informasi penting dari sebuah data yang berjumlah besar. Data mining biasanya memakai metode statistika, matematika, dan bantuan actificial intelligence. Data mining memiliki nama lainnya seperti data analysis, data archeology, information harvesting, dan lain-lain.
Setelah mengetahui pengertiannya, sekarang kita akan membahas fungsi-fungsi dari data mining. Data mining memiliki dua fungsi utama yaitu descriptive dan predictive. Berikut ini merupakan penjelasan mengenai fungsi data mining:
Fungsi descriptive pada mining adalah fungsi untuk memahami kedalaman data yang diminati. Dengan memahami kedalaman data, maka diharapkan akan mengetahui perilaku dari sebuah data. Data tersebut akan digunakan untuk mengetahui karakteristik data yang akan dituju.
Fungsi prediktive pada mining merupakan sebuah fungsi untuk menemukan pola dari sebuah data. Pola-pola tersebut ditemukan pada berbagai variabel dari data.
Selain itu, data mining juga memiliki beberapa fungsi lain seperti characterization, association, classification, clustering, dan lain-lain.
Dalam pengumpulan data mining, terdapat metode untuk pengumpulan data. Berikut merupakan tahapan dalam pengumpulan data mining:
Proses dimana data-data yang mengandung error dan tidak lengkap akan dibuang dari kumpulan data.
Proses integrasi data yang berulang akan di kombinasikan.
Proses pemilihan data yang relevan untuk diterima dari koleksi data yang ada.
Proses transformasi data yang sudah diseleksi ke dalam bentuk mining procedure melalui cara dan agresi data.
Proses dimana akan dilakukan teknik-teknik untuk mengambil berbagai pola-pola potensial untuk mendapatkan data yang berguna.
Proses mengidentifikasi pola-pola yang sudah ditemukan berdasarkan ukurang yang sudah diberikan.
Proses tahapan terakhir dimana digunakan teknik visualisasi untuk membantu user agar mengerti dan menginterpretasikan hasil dari data mining.
Dalam mengumpulkan dan pengelompokan data, banyak masalah yang dapat ditemui. Berikut merupakan permasalahan dari data mining:
Jadi, demikian pembahasan mengenai Data Mining. Bagaimana? Apakah kamu sudah paham? Data mining merupakan proses pengumpulan informasi penting dari sebuah data yang berjumlah besar.
Demikian artikel kali ini, nantikan artikel selanjutnya dari kami ya. Tetap semangat dan teruslah belajar.
Apa itu Data Mining?
Data mining merupakan proses pengumpulan informasi penting dari sebuah data yang berjumlah besar. Data mining biasanya memakai metode statistika, matematika, dan bantuan actificial intelligence. Data mining memiliki nama lainnya seperti data analysis, data archeology, information harvesting, dan lain-lain.
Fungsi Data Mining
Setelah mengetahui pengertiannya, sekarang kita akan membahas fungsi-fungsi dari data mining. Data mining memiliki dua fungsi utama yaitu descriptive dan predictive. Berikut ini merupakan penjelasan mengenai fungsi data mining:
1. Descriptive
Fungsi descriptive pada mining adalah fungsi untuk memahami kedalaman data yang diminati. Dengan memahami kedalaman data, maka diharapkan akan mengetahui perilaku dari sebuah data. Data tersebut akan digunakan untuk mengetahui karakteristik data yang akan dituju.
2. Predictive
Fungsi prediktive pada mining merupakan sebuah fungsi untuk menemukan pola dari sebuah data. Pola-pola tersebut ditemukan pada berbagai variabel dari data.
Selain itu, data mining juga memiliki beberapa fungsi lain seperti characterization, association, classification, clustering, dan lain-lain.
Proses Pengambilan Data Mining
Dalam pengumpulan data mining, terdapat metode untuk pengumpulan data. Berikut merupakan tahapan dalam pengumpulan data mining:
1. Data Cleansing
Proses dimana data-data yang mengandung error dan tidak lengkap akan dibuang dari kumpulan data.
2. Data Integration
Proses integrasi data yang berulang akan di kombinasikan.
3. Selection
Proses pemilihan data yang relevan untuk diterima dari koleksi data yang ada.
4. Data Transformation
Proses transformasi data yang sudah diseleksi ke dalam bentuk mining procedure melalui cara dan agresi data.
5. Data Mining
Proses dimana akan dilakukan teknik-teknik untuk mengambil berbagai pola-pola potensial untuk mendapatkan data yang berguna.
6. Pattern Evolution
Proses mengidentifikasi pola-pola yang sudah ditemukan berdasarkan ukurang yang sudah diberikan.
7. Knowledge Presentation
Proses tahapan terakhir dimana digunakan teknik visualisasi untuk membantu user agar mengerti dan menginterpretasikan hasil dari data mining.
Permasalahan dari Data Mining
Dalam mengumpulkan dan pengelompokan data, banyak masalah yang dapat ditemui. Berikut merupakan permasalahan dari data mining:
- Metodologi Mining.
- Tampilan User.
- Aplikasi dan dampak sosial.
Jadi, demikian pembahasan mengenai Data Mining. Bagaimana? Apakah kamu sudah paham? Data mining merupakan proses pengumpulan informasi penting dari sebuah data yang berjumlah besar.
Demikian artikel kali ini, nantikan artikel selanjutnya dari kami ya. Tetap semangat dan teruslah belajar.