Data mining adalah suatu proses yang digunakan untuk mencari informasi dan knowledge yang berguna, dimana diperoleh dari data-data yang dimiliki. Dari buku Data Mining Technique yang dikarang oleh Berry and Linoff, proses terjadinya data mining dapat dideskripsikan sebagai virtous cycle. Didasari oleh pengembangan berkelanjutan dari proses bisnis serta didorong oleh penemuan knowledge ditindaklanjuti dengan pengambilan tindakan dari penemuan tersebut.
Langkah-langkah Data mining
1. Identity The Business Problem
Yang pertama dan juga dasar dari virtous cycle adalah mengetahui masalah bisnis yang kita hadapi. Karena kita tidak bisa mengolah data jika kita tidak tau yang sedang kita hadapi. Kita harus mengetahui masalah-masalah apa yang sedang dihadapi. Dengan mengetahui masalah yang dihadapi kita dapat menentukan data-data mana saja yang kita butuhkan untuk dapat dilakukan tahap analisa.
2. Mine The Data For Actionable Information
Setelah mengetajui identifikasi masalah, kita memperolah data-data mana saja yang diperlukan untuk analisa. Barulah kita melakukan analisa terhadap data-data tersebut. Dan dari analisa tersebut analisis akan dapat memperolah sebuah knowledge baru dan baru lah dapat diambil suatu keputusan/kebijaksanaan.
3. Take The Action
Dan dari keputusan/kebijaksanaan yang didapat dari proses data mining itu barulah kita terapkan dengan aksi berupa tindakan-tindakan yang kongkrit/nyata dalam proses bisnis.
4. Measure Results
Setelah diambil tindakan-tindakan dan keputusan, kita memonitori hasil tersebut. Apakah sudah sesuai(memuaskan) dengan target2 yang ingin kita capai, apakah bisa mengatasi masalah-masalah yang dihadapi.
Teknik-teknik/Jenis-jenis DataMining
1. Market Basket Analysis
Himpunan data yang dijadikan sebagai objek penelitan pada area data mining. Market basket analysis adalah proses untuk menganalisis kebiasaan pelanggan dalam menyimpan item-item yang akan dibeli ke dalam keranjang belanjaannya. Market basket analysis memanfaatkan data transaksi penjualan untuk dianalisis sehingga dapat ditemukan pola berupa item-item yang cenderung muncul bersama dalam sebuah transaksi. Selanjutnya pola yang ditemukan dapat dimanfaatkan untuk merancang strategi penjualan atau pemasaran yang efektif, yaitu dengan menempatkan item-item yang sering dibeli bersamaan ke dalam sebuah area yang berdekatan, merancang tampilan item-item di katalog, merancang kupon diskon (untuk diberikan kepada pelanggan yang membeli item tertentu), merancang penjualan item-item dalam bentuk paket, dan sebagainya. Dengan menggunakan teknologi data mining, analisis data secara manual tidak diperlukan lagi.
2. Memory-Based Reasoning
Metode klasifikasi yang digabungkan dengan penalaran berbasis memori. proses menggunakan satu set data untuk membuat model dari prediksi atau asumsi-asumsi yang dapat dibuat tentang objek baru yang diperkenalkan. Ada dua komponen dasar untuk metode MBR. Yang pertama adalah kesamaan fungsi, yang mengukur bagaimana anggota yang sama dari setiap pasangan object satu sama lain. Yang kedua adalah fungsi kombinasi, yang digunakan untuk menggabungkan hasil dari himpunan tetangga untuk sampai pada keputusan.
3. Cluster Detection
Ada dua pendekatan untuk clustering. Pendekatan pertama adalah dengan mengasumsikan bahwa sejumlah cluster sudah tersimpan dalam data, tujuannya adalah untuk memecah data ke dalam cluster. Pendekatan lain, disebut clustering agglomerative, dengan asumsi keberadaan setiap jumlah yang telah ditetapkan cluster tertentu, setiap item keluar di cluster sendiri, dan proses terjadi berulang-ulang yang berupaya untuk menggabungkan cluster, meskipun proses komputasi sama.
4. Link Analysis
proses mencari dan membangun hubungan antara object dalam kumpulan data juga mencirikan sifat yang terkait dengan hubungan antara dua object. Link Analysis berguna untuk aplikasi analitis yang mengandalkan teori grafik untuk mengambil kesimpulan. Selain itu Link Analysis berguna untuk proses optimasi.
5. Rule Induction
Ekstraksi aturan sebab-akibat dari data secara statistic. identifikasi aturan bisnis yang tersimpan di dalam data. Metode berhubungan dengan induksi aturan yang digunakan untuk proses penemuan. Salah satu pendekatan untuk penemuan aturan adalah menggunakan pohon keputusan.
6. Neural Networks
model prediksi non linear yang melakukan pembelajaran melalui latihan dan menyerupai struktur jaringan nerual yang terdapat pada mahluk hidup. Mampu menurunkan pengertian dari data yang kompleks dan tidak jelas dan dapat digunakan pula untuk mengekstrak pola dan mendeteksi tren2 yang sangat kompleks untuk dibicarakan baik oleh manusia maupun teknik komputer lainnya.
6 Tugas Data Mining (Six Tax Data Mining)
Classification - Menyusun data menjadi kelompok-kelompok yang telah ditentukan, yang melibatkan dengan memeriksa atribut-atribut dari suatu objek tertentu dan menetapkannya ke kelas yang telah didefinisikan.
Estimation - proses untuk menempatkan beberapa nilai numerik secara terus suatu objek, estimasi juga dapat digunakan sebagai bagian dari proses klasifikasi.
Prediction - berbeda dengan Estimation dan Classification, Prediction adalah upaya-upaya untuk mengklasifikasikan suatau objek berdasarkan dari behaviour yang akan ditentukan(diharapkan) dari candidate behaviour.
Affinity Grouping - proses yang mengevaluasi hubungan atau asosiasi antara unsur-unsur data berupa attribute atau behaviour data yang menunjukkan beberapa tingkat afinitas antar objek.
Clustering - sama seperti klasifikasi tetapi kelompok yang tidak/belum di tentukan standarnya, sehingga secara algoritma data tersebut akan dikelompokan berdasarkan data yang serupa dengan data yg di submit.
Desciption - proses yang menggambarkan apa yang telah terjadi dan di identifikasi atau proses yang menjelaskan hasil akhir dari jalannya proses data mining.
Rabu, 09 Oktober 2013
Data Warehouse , Data Marts, dan Data Mining
Data Warehouse
Data warehouse dapat digunakan untuk mendukung pengambilan keputusan, menganalisis sejumlah besar data dari berbagai sumber untuk menyediakan hasil cepat untuk mendukung prose kritis
Data warehouse dapat digunakan untuk mendukung pengambilan keputusan, menganalisis sejumlah besar data dari berbagai sumber untuk menyediakan hasil cepat untuk mendukung prose kritis
7 faktor implementsi penting dalam data warehouse
- dukungan manajemen. untuk pengembangan data warehouse
- jawara.
- sumber daya. Bisa berupa biaya yang signifikan
- partisipasi pengguna. Dalam pengembangan data dan pemodelan akses diperlukan keahlian untuk menentukan data apa yang diperlukan
- keterampilan tim. Untuk mengembangkan dan menerapkan suatu data warehouse, memerlikan pengetahuan yang mendalam mengenai peranti pengembangan dan teknologi database yang digunakan
- sistem sumber.
- teknologi pengembangan mengacu banyak input dan proses yang digunakan untuk mengisi dan memeliahar data warehouse
Data Marts
Data mart adalah sebuah subkumpulan (subset) data warehouse, umumnya terdiri dari sebuah subyk tunggal (missal pemasaran,operasi).
Keuntungan dari data independent meliputi:
- biaya yang rendah dibandingkan data warehouse perusahaan
- lead-time untuk implementasi secara signifikan lebih pendek
- dikendalikan secara local ketimbang secara terpusat memuat pengguna memiliki wewenang.
- Berisi lebih sedikit informasi dibandingkan data warehose karena memilik respons yang lebih cepat dan lebih mudah dipahami
- Mengizinkan sebuah unit bisnis untuk membangun sistem pendukung keputusan sendiri tanpa mengandalkan departemen SI pusat
- Dapat bertindak sebagai konsep yang terbukti sebelum menginvestasikan sumber daya
Data Mining
Data mining adalah suatu proses yang menggunakan teknok statistik, matematika, kecerdasan tiruan dan machine-learning untuk mengekstraksi dan mengidentifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai database besar
Kelas-kelas yang ada pada data mining yaitu:
- Klasifikasi : menyimpulkan karakteristik dari suatu kelompok tertentu
- Clustering : mengidentifikasi kelompok item yang sama-sama memiliki karakteristik tertentu
- Asosiasi : mengidentifikasi hubungan antara berbagai peristiwa yang terjadi pada satu waktu
- Sekuensi : sama dengan asosiasi kecuali bahwa hubungan terjadi pada satu periode
- Regresi : digunakan untuk memetakan data untuk suatu nilai prediksi
- Forecsting : mengestimasi nilai masa depan berdasarkan pola didalam data
- Teknik-teknik lain : umumnya berdasarkan pada metode kecerdasan tiruan tingkat lanjut
Selasa, 08 Oktober 2013
Streaming K.O. One Re-act (終極一班3)
K.O. One Re-act (終極一班3)
Streaming K.O. One Re-act
Synopsis
This season picks up where Season 2 left off. With the timeline reset and the KO ranking restored, we see the return of some familiar faces from Season 1.
Wang Da Dong joins Xiu as a member of inter-dimensional guards. When sudden spikes in fighting power propped up in Da Dong's old high school disrupting the KO ranking, he goes undercover to investigate... as a 28 year-old dropout repeating high school. His first order of business is to reestablish his authority inside the class of KO One. His behavior immediately clashes with the current leader, King. While the class looks on to see who would emerge victorious, the competition for leadership intensifies with new transfer students joining the fray.
CAST
Langganan:
Postingan (Atom)