Data Mining

Retail adalah salah satu area aplikasi untuk data mining karena menyimpan
berbagai macam data selama kegiatan bisnis. Data ini termasuk data transaksi,
data inventaris, dan data pemasok. Kumpulan data sangat berguna buat setiap
organisasi dan kegiatan usaha. Hal ini dikarenakan dengan pengolahan yang
tepat dapat menghasilkan informasi yang berguna. Kumpulan data yang besar
dan kompleks tidak dapat dianalisis secara manual. Hal ini mengakibatkan
informasi yang berguna sering tidak diperhatikan, maka dari itu penggunaan data
tidak dimanfaatkan secara optimal (Khan dkk, 2011 ).
a. Pengertian Data Mining
Data mining merupakan serangkaian proses untuk menggali nilai tambah berupa
informasi yang selama ini tidak diketahui secara manual dari suatu basis data
(Vulandari, 2017). Data mining merupakan proses penggalian menggunakan
teknik statistik, matematika, kecerdasan buatan, dan pembelajaran dengan
mesin untuk mendapatkan informasi dari kumpulan data yang besar (Anggraeni
dkk, 2013). Data mining atau lebih tepatnya disebut knowledge mining from data
dapat didefinisikan sebagai sebuah proses menemukan pola dan pengetahuan
menarik dari sejumlah besar data yang bersumber dari sebuah basis data,
gudang data, dan data lain yang masuk ke sistem secara dinamis (Han dkk,
2012).
b. Proses Tahapan Data Mining
Banyak orang menganggap data mining sebagai sinonim dari istilah lain yang
lebih populer digunakan, yaitu Knowledge Discovery from Data (KDD),
sementara itu ada pandangan lain yang mengaggap data mining sebagai
langkah penting dalam proses KDD. Proses KDD merupakan rangkaian
perulangan dari langkah-langkah berikut (Han dkk, 2012):
i. Data Cleaning
Data cleaning merupakan proses membersihkan atau membuang data dari data
yang tidak konsisten dan noise.
ii. Data Integration
Data integration merupakan proses penggabungan data dari beberapa sumber
basis data.
iii. Data Selection
Data selection merupakan proses pemilihan data yang akan digunakan dalam
proses analisis.
iv. Data Transformation
Data transformation merupakan proses mengubah data menjadi bentuk yang
sesuai untuk diolah dalam proses data mining.
v. Data Mining
Data mining merupakan proses pengolahan data dari data yang sudah ada,
menggunakan sebuah metode untuk mengetahui informasi yang ada di
dalamnya.
vi. Pattern Evaluation
Pattern evaluation merupakan proses mengidentifikasi dari informasi yang sudah
didapatkan dari proses data mining.
vii. Knowledge Presentation
Knowledge presentation merupakan proses menyajikan informasi yang sudah
didapatkan dari proses data mining dan pattern evaluation guna mendukung
dalam proses pengambilan keputusan.
c. Metode Data Mining
Berikut merupakan fungsi-fungsi atau metode yang umum diterapkan dalam data
mining (Haskett, 2000):
i. Association
Association merupakan proses untuk menemukan aturan asosiasi antara suatu
kombinasi item dalam suatu waktu.
ii. Sequence
Sequence merupakan proses untuk menemukan aturan asosiasi antara suatu
kombinasi item dalam suatu waktu dan diterapkan lebih dari satu periode.
iii. Clustering
Clustering merupakan proses pengelompokkan sejumlah data atau obyek ke
dalam kelompok data sehingga setiap kelompok berisi data yang mirip.
iv. Classification
Classification merupakan proses penemuan model atau fungsi yang menjelaskan
atau membedakan konsep atau kelas data, dengan tujuan untuk dapat
memperkirakan kelas dari suatu obyek yang labelnya tidak diketahui.
v. Regression
Regression merupakan proses pemetaan data dalam suatu nilai prediksi.
vi. Forecasting
Forecasting merupakan proses pengestimasian nilai prediksi berdasarkan pola-
pola di dalam sekumpulan data.
vii. Solution
Solution merupakan proses penemuan akar permasalahan dan problem solving
dari persoalan bisnis yang dihadapi atau paling tidak sebagai informasi dalam
pengambilan keputusan