Pertemuan-1
Pengantar Data Mining (DM)
Motivasi
Mengapa? Apa?
Aplikasi
Proses KDD
Tinjauan DM Isu Utama
Pengantar DM
Motivasi: “Kebutuhan
Merupakan Sumber Penemuan”
• Problem ledakan data
– Tool koleksi data otomatis dan
perkembangan teknologi database
menyebabkan banyak sekali data yang bisa dikumpulkan di dalam database, data
warehouse, dan alat peyimpanan informasi lainnya, untuk dianalisa
• Kita berkubang data tetapi kelaparan pengetahuan!
Pengantar DM
Motivasi: “Kebutuhan
Merupakan Sumber Penemuan”
• Solusi: Penggudangan data dan
penambangan data (Data warehousing and data mining)
– Data warehousing dan on-line analytical processing (OLAP)
– Penyaringan pengetahuan yang menarik
(kaidah, keberaturan, pola, kendala) dari data dalam database yang besar
Pengantar DM
Komputer Tahun 1940-an (ENIAC)
Pengantar DM
Help
Personal Home Network Tahun 2000-an
FileEdit 500 400 Locate View
E DC BA
Help Storage
300 200
100 Mount
431 7437 1950
012345
6 Network Traffic
7 79% /
0263196347358
93%/us
Storage
Storage Storage
Storage Storage Storage
Internet
Storage
Pengantar DM
Evolusi atau Perkembangan Teknologi Database
• 1960an: Koleksi data, pembuatan data, IMS dan network DBMS
• 1970an: Model data relasional dan implementasi DBMS relasional
• 1980an: RDBMS, model data lanjut (extended- relational, OO, deduktif, dsb.) DBMS berorientasi aplikasi(spasial, saintifik, teknik, dsb.)
• 1990an –2000an: Data mining dan data
warehousing, database multimedia, teknologi Web
Pengantar DM
Apa Itu Data Mining?
• Pada dasarnya: Perolehan pengetahuan dari data
– “Ekstraksi informasi atau pola yang menarik (tidak sepele, implisit, tak-diketahui
sebelumnya, mungkin bermanfaat) dari data didalam database yang besar"
• Seringkali hanya:
– “Memberitahu sesuatu yang menarik dari data ini", “Menguraikan data ini"
Penyelidikan: analisa data semi-otomatis atas sekumpulan data yang besar
Pengantar DM
Apa Itu Data Mining?
• Istilah yang rada baku:
– Data mining
• Biasanya DM adalah salah satu proses KDD – Knowledge discovery in databases (KDD)
• Istilah umum yang meliputi, preprocessing data, DM, dan postprocessing
• Istilah yang tidak terlalu sering digunakan:
– Ekstraksi pengetahuan, arkeologi data,
pengerukan data, penuaian informasi, analisa data/pola
• Publisitas terbaru:
– Kecerdasan bisnis, manajemen pengetahuan
Pengantar DM
Mengapa Data Mining?
• Ketersediaan data dalam jumlah yang sangat besar:
– Tool koleksi data otomatis dan
perkembangan teknologi database menyebabkan banyak sekali data yang bisa dikumpulkan di dalam database, data warehouse, dan alat peyimpanan informasi lainnya
– Pemeriksaan data manual adalah membosankan dan terkadang tidak masuk akal
Pengantar DM
Apa Manfaat Dari DM?
Meningkatkan pengetahuan agar bisa membuat keputusan
berdasarkan:
Marketing
Misal, pengaruh pada marketing Peran dan pengaruh DM yang bertumbuh pesat dan masih bertumbuh!
Data
Database Marketing
KDD &
Tetapi DM tidaklah sekedar marketing...
Warehousing Data Mining
Pengantar DM
Potensi Aplikasi?
• Analisis database dan dukungan keputusan:
– Analisis dan manajemen pasar
• Target pasar, manajemen relasi
customer (CRM), analisis keranjang pasar, penjualan silang, segmentasi pasar
– Analisis dan manajemen resiko
• Peramalan, tindakan mempertahankan customer, peningkatan asuransi,
kontrol kualitas, analisis kompetitif – Deteksi dan manajemen kecurangan
Pengantar DM
Potensi Aplikasi?
• Aplikasi lain:
– Text mining (news group, email, dokumen) dan Web mining
– Stream data mining
– Analisis DNA dan bio data
Pengantar DM
Analisis dan Manajemen Pasar
• Dari mana data berasal?
– Transaksi kartu kredit, loyalty cards, kupon discount, keluhan customer, kajian lifestyle publik
• Target Pasar
– Mendapatkan kelompok model customer yang berbagi
karakteristik yang sama: minat, tingkat pendapatan, kebiasaan belanja, dsb.
– Menentukan pola pembelian customer berdasarkan waktu
• Analisis lintas pasar
– Asosiasi/korelasi antara penjualan produk & taksiran berdasarkan asosiasi demikian
Pengantar DM
Analisis dan Manajemen Pasar
• Profil customer
– Tipe customer apa membeli produk apa (pengelompokan atau klasifikasi)
• Analisa kebutuhan customer
– Mengenali produk terbaik untuk customer berbeda – Meramalkan faktor apa yang akan memikat customer
baru
• Penyediaan rangkuman informasi
– Rangkuman laporan multidimensi
– Rangkuman informasi statistik (kecenderungan data terpusat dan variasi)
Pengantar DM
Analisis dan Manajemen Resiko Perusahaan
• Perencanaan keuangan dan evaluasi aset – Analisis dan peramalan cash flow
– Analisis ganti rugi yang mungkin untuk mengevaluasi aset
– Analisis cross-sectional dan time series (financial- ratio, analisa trend, dsb.)
• Perencanaan sumberdaya
– Merangkum dan membandingkan sumberdaya dan pengeluaran
Pengantar DM
Analisis dan Manajemen Resiko Perusahaan
• Kompetisi
– Memantau pesaing dan arah pasar
– Mengelompokkan customer kedalam kelas dan prosedur harga berbasis kelas
– Menetapkan strategi harga dalam suatu pasar dengan kompetitif tinggi
Pengantar DM
Aplikasi Lain
• Olah raga
– IBM Advanced Scout menganalisa statistik (shots blocked, assists, dan fouls) pertandingan NBA untuk mendapatkan keuntungan kompetitif bagi New York Knicks dan Miami Heats
• Astronomi
– Observatory JPL dan Palomar menemukan 22 quasars dengan bantuan data mining
• Internet Web Surf-Aid
– IBM Surf-Aid menerapkan algoritma data mining untuk akses logs halaman Web yang terkait dengan pasar dalam upaya mendapatkan kesukaan dan perilaku customer,
mengenalisa efektifitas pemasaran Web, perbaikan situs Web organisasi, dsb.
Pengantar DM
Contoh (1)
• Anda seorang manajer marketing untuk perusahaan telepon cellular:
– Pelanggan menerima sebuah telepon gratis (nilai 1.5 juta) dengan kontrak satu tahun; anda
memberikan suatu komisi penjualan sebesar 2.5 juta per kontrak
– Problem: Turnover (setelah kontrak berakhir) adalah 25%
– Memberikan suatu telepon baru ke setiap orang yang kontraknya habis sangatlah mahal
– Membawa kembali customer setelah keluar adalah juga sukar dan mahalPengantar DM
Contoh (1)
• Tiga bulan sebelum suatu kontrak berakhir, cari tahu customer mana yang akan
Yippee!
I won't leave!
keluar:
– Jika anda ingin mempertahankan
customer yang diduga akan keluar, tawarkan customer tersebut suatu telepon baru
Pengantar DM
Contoh (2)
• Anda seorang petugas asuransi dan anda harus mendefinisikan suatu Oh, yes!
I love my Ferrari!
pembayaran bulanan yang
pantas untuk seorang pemuda berusia 18 tahun yang
membeli sebuah Ferrari … apa yang anda akan lakukan?
Pengantar DM
Contoh (2)
• Kaji seluruh data customer dan data kompensasi pembayaran sebelumnya
• Kaji peluang penyebab kecelakaan paling banyak berdasarkan dugaan…
– Kelamin pengendara (pria/wanita) dan usia
– Model dan usia mobil, tempat tinggal – dsb.
• Jika peluang kecelakaan lebih besar dari rata-rata, aturlah pembayaran bulanan yang sesuai!
Pengantar DM
Contoh (3)
• Anda berada diluar negeri dan seseorang mencuri atau menggandakan kartu kredit atau telepon mobile anda …
• Perusahaan kartu kredit …
– Menggunakan data histori untuk
membangun model prilaku penipuan dan gunakan data mining untuk membantu didalam mengenali kejadian yang mirip
• Perusahaan telepon …
– Menganalisis pola yang menyimpang dari suatu kebiasaan yang diharapkan (tujuan, durasi, dsb.)
Pengantar DM
Contoh (4)
• Log pengaksesan Web bisa dianalisis untuk …
Excellent surfing
experience! – Mendapatkan apa kesukaan customer – Memperbaiki situs Web organisasi
• Demikian pula …
– Seluruh jenis analisis log informasi – Adaptasi antarmuka/layanan user
Pengantar DM
Pengantar DM
