Pengertian data mining dan contohnya

- Bagi Greader yang sudah mengenal apa itu database pasti sudah tau yang namanya data mining, dan istilah-istilah yang sering digunakan pada database Greader. Data mining dan database sangat berkaitan satu sama lain. Lalu sebenarnya apa itu data mining dan apa-apa saja contoh dari data mining, berikut penjelasan singkat tentang pengertian data mining dan contohnya.

Maksud Dari Data Mining

Ada beberapa istilah yang sering juga dipakai dalam penyebutan data mining, yaitu knowledge extraction (KE), Knowledge discovery in databases (KDD),  data dredging, data/pattern analysis, business intelligence (BI), dan data archaeology (Larose, 2005).

Salah satu kemampuan data mining yang sangat di andalkan yaitu mencari informasi bisnis yang berharga dari database yang sangat besar, beberapa fungsi dari teknologi ini di pakai untuk:

1. Memprediksi minat dan juga sifat-sifat dari bisnis, dimana data mining dapat mengotomatisasi proses pencarian informasi dan memprediksi minat di dalam database yang besar.
2. Dapat melihat pattern yang tidak terlihat, dimana data mining memeriksa ke seluruh data yang dimiliki perusahaan yang ada pada database, kemudian mengidentifikasi seluruh patterns yang sebelumnya tidak di temukan dalam sekali scan.
3. Data mining juga dapat berguna untuk membantu membuat keputusan di saat kritis, terutama dalam menetapkan strategi perusahaan.

Berikut ini Greader beberapa pengertian dari data mining yaitu :

1. Data mining adalah proses menemukan sesuatu yang memiliki arti dari suatu pola dan tren yang acak, cara data mining memilih pola dan tren yang ada yaitu dengan cara memilih-milih data yang berukuran besar yang berada di dalam penyimpanan database, menggunakan teknologi pengenalan pattern serta teknik matematika dan statistik.
2. Data mining kedua Greader bisa dikatakan kumpulan proses yang mengekstrak atau menambang pengetahuan yang dibutuhkan oleh perusahaan.
3. Data mining adalah proses yang menganalisis dan mengamati database untuk menemukan beberapa hubungan yang tidak terduga dan dapat mempersingkat data yang dapat dimengerti dan bermanfaat Greader untuk pemilik data.

Contoh Data Mining

Ada beberapa contoh dari data mining salah satunya yaitu aplikasi yang banyak digunakan di bidang perbankan, pemasaran dan juga asuransi. Misalnya aplikasi yang sering digunakan dalam bidang pemasaran adalah untuk mengidentifikasikan pembelian para konsumen, yang dapat mencari dan menemukan hubungan karakteristik demografi pelanggan, selain itu Greader juga dapat memperkirakan tanggapan penawaran yang diberikan melalui surat.

Contoh yang lainnya yaitu aplikasi data mining yang biasanya di gunakan di perbankan yaitu dapat mendeteksi pola penyalahgunaan kartu kredit dan mengidentifikasi tingkat kesetiaan dari pelanggan dari instansi. Dan juga salah satu aplikasi data mining yang sering di gunakan di bidang asuransi misalnya analisis klaim dalam memperkirakan pelanggan yang akan membeli produk terbarunya.

Di bidang kesehatan ini Greader juga memiliki potensi besar dalam membantu proses di rumah sakit, dengan cara menggunakan data dan menganalisis untuk mengidentifikasikan praktik yang terbaik untuk meningkatkan perawatan yang diberikan selain itu Greader   juga dapat mengurangi biaya yang dapat membantu konsumen. Pendekatan yang biasa di lakukan dalam bidang kesehatan yaitu database multi dimensi, mesin pembelajaran, soft computing, statistik dan visualisasi data. Setelah di lakukan proses data mining dapat memprediksi volume pasien dalam setiap kategori. Perkembangan yang kita inginkan yaitu pasien mendapat perawatan yang tepat di tempat yang tepat dan pada saat yang tepat.

Dan bidang yang baru-baru muncul, yang biasa disebut dengan Educational Data Mining, yang berkaitan dengan metode pengembangan pengetahuan dari data yang berasal dari area pendidikan. Tujuan utama EDM yaitu mengidentifikasi dan memprediksi perilaku belajar di masa depan siswa, dan memajukan pengetahuan ilmiah tentang pembelajaran. Data mining juga dapat dipakai oleh sebuah institusi yang membutuhkannya untuk mengambil keputusan yang akurat dan juga memprediksi perilaku siswa. Dengan harapan institusi dapat fokus ke arah kepada apa yang harus diajarkan dan bagaimana cara mengajarkannya ke siswa. Pola belajar siswa yang sudah di analisis dapat diambil dan digunakan untuk mengembangkan teknik mengajar mereka.

Penulis :  Ardiansyah