Aplikasi dan Kecenderungan dalam Data Mining

1. Aplikasi dan Kecenderungan dalam Data Mining • Aplikasi data mining • Sistem produk dan protetipe riset data mining • Tema tambahan pada data mining • Dampak tentang data mining • Kecenderungan yang terdapat pada data mining • Ringkasan Data Mining : Konsep dan Teknologi

2. Aplikasi Data Mining • Data Mining adalah suatu aplikasi terbaru yang berbeda dan lebih luas • Masih adanya perbedaan pendapat antara prinsip umum dan pembagian wilayah secara khusus pada aplikasi data mining, khususnya pada keefektifan alat bantu data mining untuk aplikasi tertentu • Beberapa aplikasi domein (yang tercantum pada bab ini) • Biomedical dan analisa data DNA • Analisa data keuangan • Industri penjualan eceran • Industri telekomunikasi Data Mining : Konsep dan Teknologi

3. Biomedical dan Analisa Data DNA • Urutan DNA: 4 dasar yang membangun blok ( nucleotides): adenine ( A), cytosine ( C), guanine ( G), dan thymine ( T) • Gen: suatu urutan dari beratus-ratus individu nucleotides yang diatur secara tertentu • Manusia mempunyai sekitar 30,000 gen • Hal yang paling luar biasa yaitu jumlah jalan yang terdapat pada nucleotides sehingga dapat dipecah dan diurutkan kembali untuk membentuk gen yang terpisah • Pengintegrasian pembagian heterogen yang semantik, dalam genome database • Sekarang: terbagi-bagi, Generasi yang tak terkendali dan penggunaan data DNA secara luas • Metoda pembersihan dan pengintegrasian data yang dikembangkan dalam Data Mining akan sangat membantu Data Mining : Konsep dan Teknologi

4. Contoh Analisa DNA • Pencarian persamaan dan perbandingan antar urutan DNA • Perbandingan sering terjadi pada pola tiap kelas ( sebagai contoh, sehat dan sakit) • Mengidentifikasi urutan pola gen yang berperan dalam berbagai penyakit • Analisa asosiasi: identifikasi dari co-occurring urutan gen • Kebanyakan penyakit tidaklah dicetuskan oleh gen tunggal tetapi oleh suatu kombinasi gen yang bertindak bersama-sama • Analisa asosiasi dapat membantu menentukan macam gen yang mungkin terjadi bersama-sama dalam target percontohan • Analisa alur: menghubungkan gen pada masa pengembangan penyakit lain • Gen yang berbeda bisa menjadi aktip pada penyakit yang berbeda • Intervensi pada masa perkembang farmasi yang mentargetkan langkah-langkah yang berbeda secara terpisah • Penggambaran alat bantu dan analisa data genetik Data Mining : Konsep dan Teknologi

5. Data Mining pada Analisa Data Keuangan • Data keuangan yang dikumpulkan oleh bank dan lembaga keuangan relatif lebih lengkap, dapat dipercaya, dan bermutu tinggi • Disain dan konstruksi dari gudang data untuk multidimensional analisa data dan data mining • Gambaran dari hutang perbulan, perdaerah, persektor, dan faktor lain • Mengakses informasi statistik seperti maximum, minimum, total, rata-rata, kecenderungannya, dan lain lain • Analisa pembayaran peminjaman kebijakan kredit secara prediksi per pelanggan • Seleksi di masa depan dan perlunya penggolongan secara atribut • Pencapaian pembayaran peminjaman • Nilai kredit konsumen Data Mining : Konsep dan Teknologi

6. Keuangan Data Mining • Penggolongan dan pengelompokan pelanggan untuk target pemasaran • Segmentasi multidimensional berdasarkan metode terdekat, penggolongan, alur keputusan, dan lain lain untuk mengidentifikasi penggolongan persediaan sekelompok pelanggan atau pelanggan baru • Mendeteksi pencucian uang dan kejahatan keuangan lain • pengintegrasian dari berbagai DBs ( sebagai contoh, transaksi bank, DBs sejarah kejahatan federal/negara) • Alat bantu: data gambar, analisa pertalian, penggolongan, alat penggabungan, analisa orang asing, dan analisa pola alat percontohan (ditemukan urutan akses secara tidak biasa) Data Mining : Konsep dan Teknologi

7. Data Mining pada Industri Retail • Industri Retail: besarnya data penjualan, sejarah belanja pelanggan, dan lain-lain • Aplikasi dari Retail data mining • Mengidentifikasi perilaku pembelian pelanggan • Menentukan kecenderungan pola belanja pelanggan • Meningkatkan mutu dari layanan pelanggan • Mencapai kepuasan pelanggan • Tingkatkan perbandingan konsumsi barang-barang • Mendisain keefektifan distribusi dan transportasi barang Data Mining : Konsep dan Teknologi

8. Contoh Data Mining pada Industri Retail • Disain dan konstruksi dari gudang data yang didasarkan keuntungan penggunaan data mining • Analisa multidimensional dari penjualan, pelanggan, produk, waktu, dan daerah • Analisa dari efektivitas dari kampanye penjualan • Ingatan pelanggan: Analisa dari kesetiaan pelanggan • Menggunakan informasi kartu kesetiaan pelanggan untuk mendaftarkan urutan dari pembelian dari pelanggan tertentu • Menggunakan pola mining untuk menyelidiki perubahan dalam konsumsi atau kesetiaan pelanggan • Menyarankan penyesuaian penetapan harga dan variasi barang-barang • Referensi pembelian dan perbandingan materi Data Mining : Konsep dan Teknologi

9. Data Mining pada Industri Telekomunikasi ( 1) • Perkembangan yang sangat cepat dan industri yang sangat kompetitif dan permintaan yang besar untuk data mining • Memahami bisnis yang terlibat • Mengidentifikasi pola telekomunikasi • Menangkap aktivitas curang • Mempergunaan sumber daya secara lebih baik • Meningkatkan mutu dari layanan • Analisa multidimensional dari data telekomunikasi • Hakekat multidimensional: tempo pemanggilan, jangka waktu, lokasi dari pemanggil, jenis panggilan, dan lain lain Data Mining : Konsep dan Teknologi

10. Data Mining pada Industri Telekomunikasi ( 2) • Analisa pola kecurangan dan identifikasi pola yang tidak lazim • Mengidentifikasi pola para pengguna yang berpotensi curang dan penggunaan yang tidak lazim • Mendeteksi usaha kecurangan masukan ke dalam rekening pelanggan • Menemukan pola yang tidak biasa memerlukan perhatian khusus • Multidimensional asosiasi dan percontohan pola analisa • Temukan pola satu set jasa komunikasi berdasarkan kelompok pelanggan, bulan, dan lain lain • Mempromosikan penjualan dari jasa spesifik • Meningkatkan ketersediaan dari jasa tertentu pada suatu daerah • Penggunaan alat bantu penggambaran dalam analisa data telekomunikasi Data Mining : Konsep dan Teknologi

11. Bagaimana cara memilih suatu Sistem Data Mining? • Secara komersil sistem data mining mempunyai sedikit kesamaan • Perbedaan kemampuan atau metodologi Data Mining • Dapat bekerja dengan bermacam-macam data yang berbeda • Memerlukan berbagai pandangan yang dimensional dalam pemilihan • Jenis data: relational, tanggapan, teks, urutan waktu, ruang? • Isu sistem • Hanya berjalan pada satu atau beberapa sistem operasi? • Arsitektur client/server? • Menyediakan tampilan berbasis Web dan mengijinkan data XML sebagai masukan atau keluaran? Data Mining : Konsep dan Teknologi

12. Bagaimana cara memilih suatu Sistem Data Mining? ( 2) • Sumber data • File teks ASCII, berbagai sumber data relational • Mendukung koneksi ODBC ( OLE DB, JDBC)? • Fungsi dan metodologi Data mining • Satu melawan berbagai fungsi data mining • Satu melawan berbagai macam variasi perfungsi • Fungsi lain data mining dan metoda perfungsinya menyediakan pengguna dengan analisa dan fleksibilitas yang lebih besar • Menggabungkan dengan DB dan/atau sistem data gudang • Empat format penggabungan: tidak ada penggabungan, penggabungan lepas, penggabungan semi ketat, dan penggabungan ketat • Idealnya, suatu sistem data mining harus di gabungkan dengan ketat dengan suatu sistem database Data Mining : Konsep dan Teknologi

13. Bagaimana cara memilih suatu Sistem Data Mining? ( 3) • Scalabilitas • Scalabilitas perbaris ( atau ukuran database) • Scalabilitas perkolom ( atau dimensi) • Kutukan dari dimensionalitas: jauh lebih menantang untuk membuat suatu skala sistem kolom dari pada skala sistem baris • Alat bantu gambar • "Suatu gambar dapat berharga seribu kata-kata“ • Kategori penggambaran: data gambar, hasil gambaran, proses penggambaran, dan gambaran data mining • Bahasa query pada Data mining dan tampilan grafis pengguna • Mudah digunakan dan grafis yang berkualitas tinggi • Pentingnya buku pedoman, data mining yang sangat interaktip Data Mining : Konsep dan Teknologi

14. Contoh Sistem Data Mining ( 1) • Miner IBM yang cerdas • Suatu cakupan luas dari algoritma data mining • Skala algoritma data mining • Alat bantu: algoritma jaringan neural, metode statistik, persiapan data, dan alat bantu penggambaran data gambar • Pengintegrasian yang ketat IBM dengan relational sistem database DB2 • Perusahaan SAS miner • Berbagai alat bantu analisa yang statistik • Alat bantu data gudang dan berbagai data algoritma mining • Microsoft SQLServer 2000 • Mengintegrasikan DB dan OLAP dengan mining • Mendukung OLEDB untuk DM standard Data Mining : Konsep dan Teknologi

15. Contoh Sistem Data Mining ( 2) • Sgi Mineset • Berbagai algoritma dan statistik tingkat lanjut data mining • Alat bantu penggambaran tingkat lanjut • Clementine (SPSS) • Pengembangan lingkungan data mining yang terintegrasi untuk pengguna akhir dan pengembang • Berbagai algoritma data mining dan alat bantu penggambaran • DBMiner ( DBMiner Teknologi Inc.) • Berbagai modul data mining : analisa OLAP discovery-driven, asosiasi, penggolongan, dan pengelompokan • efisien, Asosiasi dan sequential-pattern fungsi mining, dan alat penggolongan visuil • Mining antara database relational dan data gudang Data Mining : Konsep dan Teknologi

16. Visuallisasi Data Mining • Visualisasi: penggunaan grafik komputer untuk menciptakan gambaran visuil yang membantu pemahaman yang ruwet, penyajian presentasi data yang kokoh • Visualisasi Data mining: proses menemukan kandungan yang tersembunyi dapat menjadi pengetahuan yang bermanfaat khususnya dari data yang besar dengan menggunakan teknik visualisasi Data Mining : Konsep dan Teknologi

17. Visualisasi • Tujuan visualisasi • Memperoleh masukan ruang informasi dengan mempetakan data ke dalam grafis sederhana • Menyediakan ikhtisar yang kwalitatif dari data yang besar • Mencari contoh pola, kecenderungan, struktur, ketidakteraturan, hubungan antar data. • Bantuan untuk menemukan daerah menarik dan parameter yang pantas untuk analisis kuantitatif lebih lanjut. • Menyediakan suatu bukti yang visuil tentang memperoleh penyajian komputer Data Mining : Konsep dan Teknologi

18. Visualisasi Data Mining & Visualisasi Data • Pengintegrasian dari visualisasi data mining • Visualisasi data • Hasil Visualisasi data mining • Proses visualisasi data mining • Visualisasi data mining yang interaktip • Visualisasi data • Data dalam database atau data gudang terlihat • Pada tingkat abstrak yang berbeda • Sebagai kombinasi yang berbeda tentang atribut atau dimensi • Data dapat dipersentasikan dalam berbagai format visual Data Mining : Konsep dan Teknologi

19. Hasil Visualisasi Data Mining • Presentasi dari hasil atau pengetahuan yang diperoleh dari format visual data mining • Contoh • Menyebar alur cerita dan boxplots (yang diperoleh dari data mining) • Alur keputusan • Aturan Asosiasi • Kelompok • Asing • Aturan disamaratakan Data Mining : Konsep dan Teknologi

20. Boxplots dari Statsoft: Berbagai Combinasi Variabel Data Mining : Konsep dan Teknologi

21. Visualisasi dari Data Mining pada Perusahaan SAS Miner : Menyebaran Plots Data Mining : Konsep dan Teknologi

22. Visualisasi dari Peraturan Asosiasi SGI/MineSet 3.0 Data Mining : Konsep dan Teknologi