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.
Tidak ada komentar:
Posting Komentar