Download Document

MANAJEMEN DATA
“Pengaksesan Data”
PENDAHULUAN
Selama beberapa waktu, teknologi informasi
berkonsentrasi pada pembangunan sistem
bermisi kritis,- sistem yang mendukung
pemrosesan transaksi perusahaan (corporate
Transaction Processing)
Solusi berikutnya adalah penyediaan sistem yang
mendukung online Transaction
Procession(OLTP)
Karena sering timbulnya masalah, maka beberapa
perusahaan memilih untuk menggunakan tool-tool
yang inovatif untuk pengaksesan data. Dimana tool ini
berbasiskan PC yang murah, jaringan, pendekatan
client server. Beberapa orang menyebutnya data
dipper/data mining, sebab sistem ini mengijinkan user
untuk mengaduk-ngaduk apa saja didalam database
untuk mendapatkan apa yang mereka perlukan
Kemampuan teknologi informasi untuk
mengumpulkan dan menyimpan berbagai tipe data
jauh meninggalkan kemampuan untuk menganalisis,
meringkas dan mengekstraksi “pengetahuan” dari
data. Metodologi tradisional untuk menganalisis data
yang ada, tidak dapat menangani data dalam jumlah
besar. Sementara para pelaku bisnis memiliki
kebutuhan-kebutuhan untuk memanfaatkan gudang
data yang sudah dimiliki, para peneliti melihat
peluang untuk melahirkan sebuah teknologi baru
yang menjawab kebutuhan ini, yaitu data mining.
Teknologi ini sekarang sudah ada dan diaplikasikan
oleh perusahaan-perusahaan untuk memecahkan
berbagai permasalahan bisnis.
Data mining lebih memperhatikan tentang bagaimana
mandapatkan dan menampilkan data , dari pada
bagaimana data disimpan
DEFINISI
Data mining didefinisikan sebagai satu set teknik yang
digunakan secara otomatis untuk mengeksplorasi secara
menyeluruh dan membawa ke permukaan relasi-relasi
yang kompleks pada set data yang sangat besar
Data mining dapat juga didefinisikan sebagai pemodelan dan
penemuan polapola yang tersembunyi dengan
memanfaatkan data dalam volume yang besar
Data mining merupakan suatu proses yang interaktif atau
terotomatisasi untuk menemukan pola (pattern) data
tersebut dan memprediksi kelakuan (trend) di masa
mendatang berdasarkan pola data tersebut.
TUGAS DATA MINING

Enam Tugas Data Mining:






Deskripsi
Estimasi
Prediksi
Klasifikasi
Pengelompokan (Clustering)
Asosiasi
DESKRIPSI
Tugas ini menuntut DM untuk mampu
mengungkapkan pola atau kecenderungan pada
data
Dengan kemampuannya menjalankan tugas
deskripsi maka DM mampu menunjukkan fieldfield mana yang perlu/tidak perlu
dipertimbangkan
TUGAS KE-2&3 DM: ESTIMASI DAN
PREDIKSI
Estimasi memiliki persamaan maupun
perbedaan dengan Prediksi
 Persamaan antara keduanya adalah dalam hal
memperkirakan sesuatu hal
 Bila yang diperkirakan berbentuk numerik,
misalnya berat badan seseorang, jumlah hutang
seseorang, luas sebuah lahan, maka hal ini
disebut Estimasi
 Bila yang diperkirakan berbentuk kategorial,
misalnya pangkat seseorang, status perkawinan
seseorang, asal-usul kota kelahiran seseorang,
maka hal ini disebut Prediksi

KLASIFIKASI
Pada hakekatnya klasifikasi adalah juga hal
memperkirakan
 Lalu, apa bedanya dengan Prediksi?
 Pada prediksi variabel peramal (variabel independen)nya
seluruhnya bersifat numerik
 Pada klasifikasi variabel peramal (variabel
independen)nya dapat berupa kombinasi numerik dan
kategori

PENGELOMPOKAN(CLUSTERING)
Pengelompokan (clustering) merupakan tugas
deskripsi yang banyak digunakan dalam
mengidentifikasi sebuah himpunan terbatas
pada kategori atau cluster untuk
mendeskripsikan data yang ditelaah. Kategorikategori ini dapat bersifat eksklusif dan
ekshaustif mutual, atau mengandung
representasi yang lebih kaya seperti kategori
yang hirarkis atau saling menumpu
(overlapping).
ASOSIASI
Asosiasi didasarkan pada Affinity Analysis, yaitu
studi terhadap karakteristik atau atribut yang sering
muncul bersama-sama
 Affinity Analysis sering juga disebut Market Basket
Analysis, yang digunakan untuk mengungkap
asosiasi antara beberapa atribut (yang masih
tersembunyi)
 Analisis ini akan menghasilkan aturan (Rules)
yang diharapkan dapat mengungkap relasi antara
dua atau lebih atribut

‘