Data Mining

    Data mining adalah rangkaian proses untuk menggali nilai tambah berupa informasi yang belum terekplorasi dari sebuah basis data, melakukan ekplorasi dengan cara-cara tertentu untuk memanipulasi data menjadi informasi yang lebih berharga dengan cara mengektraksi dan mengenali pola penting dari basis data (Han & Kamber, 2006). Menurut Daryl Pregibons dalam (Gorunescu, 2011) “Data mining adalah perpaduan dari ilmu statistik, kecerdasan buatan, dan penelitian bidang database”. Nama data mining berasal dari kemiripan antara pencarian informasi yang bernilai dari database yang besar dengan menambang sebuah gunung untuk sesuatu yang bernilai (Sumathi, 2006). Keduanya memerlukan penyaringan melalui sejumlah besar material, atau menyelidiki dengan cerdas untuk mencari keberadaan sesuatu yang disebut bernilai tadi. Data Mining merupakan teknologi baru yang sangat berguna untuk membantu perusahaan-perusahaan menemukan informasi yang sangat penting dari gudang data mereka. Beberapa aplikasi data mining fokus pada prediksi, mereka meramalkan apa yang akan terjadi dalam situasi baru dari data yang menggambarkan apa yang terjadi di masa lalu (Witten, Frank, & Hall, 2011). 2. Neural Network Neural network atau jaringan syaraf tiruan adalah merupakan salah satu representasi buatan dan otak manusia yang selalu mencoba mensimulasikan proses pembelajaran pada otak manusia. Istilah buatan disini digunakan karena jaringan syaraf ini diimplementasikan dengan menggunakan program komputer yang mampu menyelesaikan sejumlah proses perhitungan selama proses pembelajaran (Kusuma Dewi, 2010). Neural network adalah (Han, 2006) satu set unit input/output yang terhubung dimana tiap relasinya memiliki bobot. Hal yang perlu mendapat perhatian istimewa adalah bahwa jaringan syaraf tiruan tidak diprogram untuk menghasilkan keluaran tertentu. Semua keluaran atau kesimpulan yang ditarik oleh jaringan didasarkan pada pengalamanya selama mengikuti proses pembelajaran. Pada proses pembelajaran, kedalam jaringan syaraf tiruan dimasukkan pola-pola input (dan output) lalu jaringan akan diajari untuk memberikan jawaban yang bisa diterima (Puspitaningrum, 2006). Neural Network dimaksudkan untuk mensimulasikan perilaku sistem biologi susunan syaraf manusia, yang terdiri dari sejumlah besar unit pemroses yang disebut neuron, yang beroperasi secara paralel (Alpaydin, 2010). Neuron mempunyai relasi dengan synapse yang mengelilingi neuronneuron lainnya. Susunan syaraf tersebut dipresentasikan dalam neural network berupa graf yang terdiri dari simpul (neuron) yang dihubungkan dengan busur, yang  berkorespondensi dengan synapse. Sejak tahun 1950-an, neural network telah digunakan untuk tujuan prediksi, bukan hanya klasifikasi tapi juga untuk regresi dengan atribut target kontinu (Vecellis, 2009). Neural network terdiri dari dua lapisan atau lebih, meskipun sebagian besar jaringan terdiri dari tiga lapisan : lapisan input, lapisan tersembunyi, dan lapisan output (Larose, 2005). Pendekatan neural network dimotivasi oleh jaringan saraf biologis. Secara kasar, neural network adalah satu set terhubung input/output unit, di mana masing-masing sambungan memiliki berat yang terkait dengannya. Neural network memiliki beberapa ciri yang membuat mereka populer untuk clustering. Pertama, neural network adalah arsitektur pengolahan inheren paralel dan terdistribusi. Kedua, neural network belajar dengan menyesuaikan bobot interkoneksi dengan data, Hal ini memungkinkan neural network untuk "menormalkan" pola dan bertindak sebagai fitur (atribut) extractors untuk kelompok yang berbeda. Ketiga, neural network memproses vektor numerik dan membutuhkan pola objek untuk diwakili oleh fitur kuantitatif saja (Gorunescu, 2011).

DAFTAR PUSTAKA

[1] Alpaydin, Ethem. (2010). Introduction to Machine Learning. London: The MIT Press.

[2] Gorunescu, Florin (2011). Data Mining: Concepts, Models, and Techniques. Verlag Berlin          Heidelberg: Springer

[3] Han, J.,&Kamber, M. (2006).Data Mining Concept and Tehniques.San Fransisco: Morgan    Kauffman.

[4] Kusumadewi, Sri (2010). Pengantar Jaringan Syaraf Tiruan. Yogyakarta.Teknik Informatika FT UII.

[5] Larose, D. T. (2005).Discovering Knowledge in Data. New Jersey: John Willey & Sons, Inc.

[6] Puspitaningrum, Diyah (2006). Pengantar Jaringan Syaraf Tiruan. Yogyakarta: Andi Offset. 

[7] Sumathi, & S., Sivanandam, S.N. (2006). Introduction to Data Mining and its Applications. Berlin Heidelberg New York: Springer

[8] Vercellis, Carlo (2009). Business Intelligent: Data Mining and Optimization for Decision Making. Southern Gate, Chichester, West Sussex: John Willey & Sons, Ltd.

[9] Witten, I. H., Frank, E., & Hall, M. A. (2011).Data Mining: Practical Machine Learning and Tools. Burlington: Morgan Kaufmann Publisher.

Download Matakuliah Data Mining