Penambangan Data Proses Penambangan Data

6

BAB II LANDASAN TEORI

A. Penambangan Data

Beberapa pengertian penambangan data menurut sejumlah penulis adalah sebagai berikut : 1. Definisi sederhana dari penambangan data adalah ekstraksi informasi atau pola yang penting atau menarik dari data yang berada di basis data yang besar Yudho, 2003:1. 2. Penambangan data adalah suatu percobaan untuk memperoleh informasi yang berguna yang tersimpan di dalam basis data yang sangat besar Mitra Acharya, 2003:1. 3. Suatu proses yang mengidentifikasi hubungan dan pola-pola tersembunyi dalam suatu data Groth, 1998:4. Dari pengertian-pengertian diatas, penambangan data dapat diartikan sebagai suatu proses untuk mencari pola-pola yang tersembunyi dari basis data yang besar sehingga didapatkan informasi yang menarik.

B. Proses Penambangan Data

Proses penambangan data tidak dapat dipisahkan dengan Knowledge Discovery in Databases KDD, karena penambangan data merupakan salah satu tahap dari proses KDD yang mempergunakan analisa data dan penggunaan algoritma, sehingga menghasilkan pola-pola PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI khusus dalam basis data yang besar Fayyad, Piatetsky-shapiro Smyth, 1996: 40. Berikut ini merupakan langkah-langkah dalam membangun penambangan data : 1. Pembersihan Data. Proses ini dilakukan untuk membuang data yang tidak konsisten dan derau yang ada dalam data tersebut, seperti data yang tidak relevan, data yang salah ketik maupun data kosong yang tidak diperlukan. 2. Integrasi data merupakan penggabungan tabel dari beberapa sumber agar seluruh data terangkum dalam satu tabel utuh denormalisasi. 3. Seleksi dan transformasi data. Pada proses ini data yang ada dipilih untuk selanjutnya diubah menjadi bentuk yang sesuai untuk ditambang. 4. Penerapan teknik penambangan data adalah menerapkan algoritma untuk mencari pola yang menarik 5. Evaluasi pola. Pola yang sudah didapat direpresentasikan kepada pengguna akhir ke dalam bentuk yang menarik ataupun bentuk yang mudah dipahami. Tahap-tahap tersebut diilustrasikan ke dalam gambar berikut ini : Gambar 2.1 Langkah-langkah dalam Penambangan Data Sumber: Jiawei Han and Micheline Kamber http:www.cs.sfu.ca~handmbook Tidak dapat dipungkiri bahwa penambangan data berkaitan erat dengan data warehouse dan OLAP Online Analytical Processing. Hal ini dikarenakan teknologi yang ada pada data warehouse dan OLAP digunakan sepenuhnya untuk melakukan penambangan data Yudho,2003:2. Data warehouse merupakan sistem gudang data sedangkan OLAP merupakan basis data khusus yang digunakan untuk menunjang proses pengambilan keputusan. Berikut ini merupakan gambar yang menunjukkan posisi masing-masing teknologi : Pembersihan Data Integrasi Data Databases Data Warehouse Tugas Data yang Relevan Seleksi dan Transformasi Data Mining Evaluasi Pola Pengetahuan Pembersihan Data Integrasi Data Databases Data Warehouse Tugas Data yang Relevan Seleksi dan Transformasi Data Mining Evaluasi Pola Pengetahuan Gambar 2.2 Penambangan data dan teknologi database lainnya Sumber: Jiawei Han and Micheline Kamber http:www.cs.sfu.ca~handmbook Dari gambar di atas terlihat bahwa teknologi data warehouse digunakan untuk melakukan OLAP sedangkan penambangan data digunakan untuk melakukan information discovery yang informasinya lebih ditujukan untuk seorang Data Analysist dan Business Analysist. Menurut Iko2003;3 data warehouse merupakan data mentah untuk penambangan data. Data warehouse sendiri secara periodik diisi data dari OLTPOnline Transaction Processing setelah menjalani pembersihan dan integrasi data. OLTP merupakan basis data yang dipakai perusahaan- perusahaan dalam melakukan operasi sehari-harinya seperti pencatatan Increasing potential to support business decisions End User Business Analyst Data Analyst DBA Making Decisions Data Presentation Visualization Techniques Data Mining Information Discovery Data Exploration OLAP, MDA Statistical Analysis, Querying and Reporting Data Warehouses Data Marts Data Sources Paper, Files, Information Providers, Database Systems, OLTP Increasing potential to support business decisions End User Business Analyst Data Analyst DBA Making Decisions Data Presentation Visualization Techniques Data Mining Information Discovery Data Exploration OLAP, MDA Statistical Analysis, Querying and Reporting Data Warehouses Data Marts Data Sources Paper, Files, Information Providers, Database Systems, OLTP transaksi jual-beli, administrasi pengiriman barang, inventori, penggajian, dan lain sebagainya.

C. Teknik Klasifikasi