Pengantar Data Warehouse:
• Pengertian Data, Informasi dan Database
• Proses Data mining
• Data minning & Business Intelegent
• Manfaat Data minning
• Aplikasi Data Mining
4. Mengapa DM: Banjir Data
• Twitter: 8000an tweet per detik →600 juta tweet per
hari.
• Facebook: 30 milyar item (link, status, note, foto dst)
per bulan. 500 juta user menghabiskan 700 milyar
menit per bulan di situs FB.milyar menit per bulan di
situs FB.
• Indomaret: 4500an gerai, asumsikan 3 transaksi per
menit = 12 juta transaksi per hari seIndonesia.
• Kartu kredit visa: berlaku di 200 negara. 10 ribu
transaksi per detik → 850 juta transaksi per hari.
5. • Digitalisasi, kemajuan sistem informasi →data, data,
data (Tera → Peta)
• Web → berita, blog, twitter, forum, flickr, fb, youtube
• Streaming data → twitter, f4, sensor (satelit)
Mengapa DM: Banjir Data ...
6. Motivasi
Kebutuan merupakan “Sumber Penemuan”
Problem Ledakan data
-Tool koleksi data otomatis dan perkembangan
teknologi database menyebabkan banyak sekali data
yang bisa dikumpulkan di dalam database, data
warehouse, dan alat penyimpanan informasi lainnya,
untuk dianalisa.
Kita berkubang data tetapi kelaparan pengetahuan!
8. Solusinya...?
Pergudangan Data dan Penambangan Data
(Data warehousing and Data minning)
- Data warehousing dan on-line analitycal processing
(OLAP)
- Penyaringan pengetauan yang menarik (kaidah,
keberaturan, pola, kendala) dari data dalam database
yang besar.
9. Apa itu Data minning (DM)?
• Pada dasarnya: Perolehan pengetahuan dari data
“Ekstraksi informasi atau pola yang menarik (tidak
sepele, implisit, tak diketahui sebelumnya, mungkin
bermanfaat) dari data didalam database yang besar”
• Seringkali hanya:
“Memberi tahu sesuatu yang menarik dari data ini”,
“Menguraikan data ini”
• Penyelidikan : analisa data semi otomatis atas
sekumpulan data yang besar
10. • Istilah lain DM
- Data minning merupakan salah satu proses KDD
- Knowledge Discovery in Database (KDD) : istilah
umum yang meliputi processing
• Istilah yang tidak sering digunakan:
- Ektraksi pengetahuan, arkeologi data, pengerukan
data, penuaian informasi, analisa data/pola
• Publisitas terbaru:
- Kecerdasan Bisnis, manajemen pengetahuan
(knowledge management)
14. Sumber Data Mining
• Database Tradisional
– Relational database, data warehouse, transactional database
• Advanced Database
– Data streams dan data sensor
– Time-series data, temporal data, sequence data (incl. bio-
sequences)
– Structure data, graphs, social networks and multi-linked data–
Structure data, graphs, social networks and multi-linked data
– Object-relational databases
– Heterogeneous databases dan legacy databases
– Spatial data dan spatiotemporal data
– Multimedia database
– Text databases
– World-Wide Web
15. DM dari berbagai sudut
pandang
• Data
– Relational, data warehouse, web, transactional, text,
multimedia
• Teknik
– Database, OLAP, machine learning, visualisasi
• Penerapan
– Retail, telekomunikasi, banking, analisis kejahatan, saham,
test mining, web mining
17. Manfaat Data minning (DM)
1. Analisa dan Manajemen Pasar
• Dari mana data berasal
-> Transaksi kartu kredit, loyalty cards, kupon
discount, keluhan customer
• Target Pasar
-> Mendapatkan kelompok model customer yang
berbagi karakteristik yang sama: minat, tingkat
pendapatan, kebiasaan belanja dsb
• Analisis Lintas Pasar
-> Asosiasi/korelasi antara penjualan produk &
taksiran berdasarkan asosiasi
18. Manfaat Data minning (DM)
• Profil Customer
-> Tipe customer apa membeli produk apa
(pengelompokan / klasifikasi)
• Analisa Kebutuhan Customer
-> Mengenali produk terbaik untuk customer
berbeda
-> Meramalkan faktor apa yang akan memikat
customer
• Penyedia Rangkuman Informasi
-> Rangkuman laoran multi dimensi
-> Rangkuman informasi statistik
19. Manfaat Data minning (DM)...
2. Analisa dan Manajemen Resiko Perusahaan
• Perencanaan Keuangan & Evaluasi Aset
-> Analisa & peramalan cash flow
-> Analisa ganti rugi yang mungkin tidak
mengevaluasi aset
• Perencanaan Sumber Daya
-> Rangkuman dan membandingkan sumber daya
& pengeluaran
• Kompetensi
-> Memantau pesaing & arah pasar
-> Mengelompokkan customer kedalam kelas &
prosedur harga berbasis kelas
20. Aplikasi Data Mining (DM)
Pemasaran/ Penyewaan
• Identifikasi pola pembayaran pelanggan
• Menemukan asosiasi diantara karakteristik demografik
pelanggan
• Analisis keranjang pemasaran
Perbankan
• Mendeteksi pola penyalahgunaan kartu kredit
• Identifikasi pelanggan yang loyal
• Mendeteksi kartu kredit yang dihabiskan oleh kelompok
pelanggan
Asuransi & Pelayanan Kesehatan
• Analisis dari klaim
• Memprediksi pelanggan yang akan membeli polis baru
• Identifikasi pola perilaku pelanggan yang berbahaya
21. Aplikasi Data Mining (DM)...
• Analisa Perusahaan dan Manajemen Resiko
– Perencanaan Keuangan dan Evaluasi Aset
– Perencanaan Sumber Daya (Resource Planning)
– Persaingan (competition) → Competitive Intelligence
• Telekomunication
– menerapkan data mining untuk melihat dari jutaan
transaksi yang masuk, transaksi mana saja yang masih harus
ditangani secara manual (dilayani oleh orang).