Dokumen tersebut membahas tentang pengantar data mining, mengapa diperlukan data mining, apa itu data mining, jenis data yang dapat dimining, fungsi dan klasifikasi sistem data mining, algoritma populer data mining, permasalahan dalam data mining.
Pengantar Data Warehouse:
• Pengertian Data, Informasi dan Database
• Proses Data mining
• Data minning & Business Intelegent
• Manfaat Data minning
• Aplikasi Data Mining
Pengantar Data Warehouse:
• Pengertian Data, Informasi dan Database
• Proses Data mining
• Data minning & Business Intelegent
• Manfaat Data minning
• Aplikasi Data Mining
Tahapan Analysis Data Digital: mengenal Data Mining. Paparan pada Webinar Series Digital Method for Social Sciences, Kedeputian IPSK LIPI. 11 Agustus 2020.
Materi ini menjelaskan tentang data, informasi, database, data warehouse dan big data.
Pada materi ini pun di jelaskan pengantar dari Data Mining mulai dari definisi, jenis data dan pola data mining
2. hapzi ali, information resoure information system (iris), utHapzi Ali
Prof. Dr. Hapzi Ali, CMA
Universitas Mercu Buana (Mercu Buana University), Jakarta Indonesia
Bidang Ilmu: Marketing & Business Management, Research Method, MIS, Good Corporate Governance
www.mercubuana.ac.id.
email: hapzi.ali@gmail.com, hapzi.ali@mercubuana.ac.id
Tahapan Analysis Data Digital: mengenal Data Mining. Paparan pada Webinar Series Digital Method for Social Sciences, Kedeputian IPSK LIPI. 11 Agustus 2020.
Materi ini menjelaskan tentang data, informasi, database, data warehouse dan big data.
Pada materi ini pun di jelaskan pengantar dari Data Mining mulai dari definisi, jenis data dan pola data mining
2. hapzi ali, information resoure information system (iris), utHapzi Ali
Prof. Dr. Hapzi Ali, CMA
Universitas Mercu Buana (Mercu Buana University), Jakarta Indonesia
Bidang Ilmu: Marketing & Business Management, Research Method, MIS, Good Corporate Governance
www.mercubuana.ac.id.
email: hapzi.ali@gmail.com, hapzi.ali@mercubuana.ac.id
Pendampingan Individu 2 Modul 1 PGP 10 Kab. Sukabumi Jawa BaratEldi Mardiansyah
Di dalamnya mencakup Presentasi tentang Pendampingan Individu 2 Pendidikan Guru Penggerak Aangkatan ke 10 Kab. Sukabumi Jawa Barat tahun 2024 yang bertemakan Visi dan Prakarsa Perubahan pada SMP Negeri 4 Ciemas. Penulis adalah seorang Calon Guru Penggerak bernama Eldi Mardiansyah, seorang guru bahasa Inggris kelahiran Bogor.
Teori Fungsionalisme Kulturalisasi Talcott Parsons (Dosen Pengampu : Khoirin ...nasrudienaulia
Dalam teori fungsionalisme kulturalisasi Talcott Parsons, konsep struktur sosial sangat erat hubungannya dengan kulturalisasi. Struktur sosial merujuk pada pola-pola hubungan sosial yang terorganisir dalam masyarakat, termasuk hierarki, peran, dan institusi yang mengatur interaksi antara individu. Hubungan antara konsep struktur sosial dan kulturalisasi dapat dijelaskan sebagai berikut:
1. Pola Interaksi Sosial: Struktur sosial menentukan pola interaksi sosial antara individu dalam masyarakat. Pola-pola ini dipengaruhi oleh norma-norma budaya yang diinternalisasi oleh anggota masyarakat melalui proses sosialisasi. Dengan demikian, struktur sosial dan kulturalisasi saling memengaruhi dalam membentuk cara individu berinteraksi dan berperilaku.
2. Distribusi Kekuasaan dan Otoritas: Struktur sosial menentukan distribusi kekuasaan dan otoritas dalam masyarakat. Nilai-nilai budaya yang dianut oleh masyarakat juga memengaruhi bagaimana kekuasaan dan otoritas didistribusikan dalam struktur sosial. Kulturalisasi memainkan peran dalam melegitimasi sistem kekuasaan yang ada melalui nilai-nilai yang dianut oleh masyarakat.
3. Fungsi Sosial: Struktur sosial dan kulturalisasi saling terkait dalam menjalankan fungsi-fungsi sosial dalam masyarakat. Nilai-nilai budaya dan norma-norma yang terinternalisasi membentuk dasar bagi pelaksanaan fungsi-fungsi sosial yang diperlukan untuk menjaga keseimbangan dan stabilitas dalam masyarakat.
Dengan demikian, konsep struktur sosial dalam teori fungsionalisme kulturalisasi Parsons tidak dapat dipisahkan dari kulturalisasi karena keduanya saling berinteraksi dan saling memengaruhi dalam membentuk pola-pola hubungan sosial, distribusi kekuasaan, dan pelaksanaan fungsi-fungsi sosial dalam masyarakat.
2. Pengantar
• Mengapa data mining?
• Apa data mining?
• Data Mining: data apa saja?
• Fungsi data mining
• Klasifikasi sistem data mining
• 10 algoritma data mining yang paling umum
• Permasalahan dalam data mining
3. 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.
• Indomaret: 4500an gerai, asumsikan 3 transaksi
per menit = 12 juta transaksi per hari se
Indonesia.
• Kartu kredit visa: berlaku di 200 negara. 10 ribu
transaksi per detik 850 juta transaksi per hari.
5. Mengapa data mining?
• Digitalisasi, kemajuan sistem informasi
data, data, data (Tera Peta)
• Web berita, blog, twitter, forum, flickr,
fb, youtube
• Streaming data twitter, f4, sensor
(satelit)
6. Evolusi DB
• 60-an: koleksi data (file system primitif)
• 70-80: MIS (Sistem Informasi Management)
• 80-sekarang: OO, Deductive, Spatial,
Multimedia
• 90-sekarang: Web based (XML, web mining),
Datawarehouse, OLAP, Text Database, Text +
Data mining
• 05-sekarang: Stream data management and
mining, Cloud, Web
7. Apa Data Mining?
• Data mining (pencarian pengetahuan dari
data)
– Mengekstrak secara otomatis pola atau
pengetahuan yang menarik (tidak sederhana,
tersembunyi, tidak diketahui sebelumnya,
berpotensi berguna) dari data dalam jumlah
sangat besar.
8. Apa Datamining? (lanj)
• Nama alternatif: Knowledge discovery
(mining) in databases (KDD), knowledge
extraction, data/pattern analysis, data
archeology, data dredging, information
harvesting, business intelligence dsb
• Keuntungan bagi organisasi yang
menerapkan data mining?
9. Keuntungan Datamining
• Perusahaan fokus ke informasi yg
berharga di datawarehouse/databasenya.
• Meramalkan masa depan perusahaan
dapat mempersiapkan diri
10. Contoh:
Midwest grocery chain menggunakan DM untuk
menganalisisi pola pembelian: saat pria membeli
popok di hari Kamis dan Sabtu, mereka juga
membeli minuman.
Analisis lebih lanjut: pembeli ini belanja di hari
kamis dan sabtu, tapi di hari kamis jumlah item
lebih sedikit. Kesimpulan yang diambil: pembeli
membeli minuman untuk dihabiskan saat
weekend.
Tindak lanjut: menjual minuman dengan harga full
di hari Kamis dan Sabtu. Mendekatkan posisi
popok dan minuman.
11. Contoh Aplikasi
Bank me-mining transaksi customer untuk
mengidentifikasi customer yang
kemungkinan besar tertarik terhadap
produk baru.
Setelah teknik ini digunakan, terjadi
peningkatan 20 kali lipat penurunan
biaya dibandingkan dengan cara biaya.
13. Datamining di DB vs Independen
• Oracle 9i
• MS SQL Server
• IBM Intelligent Miner V7R1
• NCR Teraminer
• Kelebihan dan Kerugiannya?
14. Proses Datamining
Pembersihan Data
Data Integration
Databases
Data Warehouse
Task-relevant Data
Selection
Data Mining
Pattern Evaluation
Diambil dari www.cs.uiuc.edu/~hanj
15. Data Mining dan Business
Intelligence
Semakin mendukung
pengambilan keputusan
End User
Business
Analyst
Data
Analyst
DBA
Pengambil
an
Keputusan
Presentasi Data
Teknik Visualiasi
Data Mining
Penemuan Informasi
Eksplorasi Data
Statistical Summary, Querying, and Reporting
Data Preprocessing/Integrasi, Data Warehouses
Sumber Data
Database, Web, Paper, Files, Web, eksperimen
Diambil dari www.cs.uiuc.edu/~hanj
16. Data Mining: Multi Disiplin Ilmu
Data Mining
Teknologi DB Statistik
Machine
Learning
Pattern
Recognition
Algoritma
Ilmu Lain
Visualisasi
17. Mengapa tidak analisis data biasa?
• Jumlah data yang sangat besar
– Algoritma harus scalable untuk menangani data yang
sangat besar (tera)
• Dimensi yang sangat besar: ribuan field
• Data Kompleks
– Aliran data dan sensor
– Data terstruktur, graph, social networdk, multi-linked
data
– Database dari berbagai sumber, database lama
– Spasial (peta), multimedia, text, web
– Software Simulator
18. Data Mining dari berbagai sudut
pandang
• Data
– Relational, datawarehouse,web, transaksional, stream, OO, spasial,
text, multimedia
• Pengetahuan yang akan ditambang
– Karakterisitik, diskriminasi, asosiasi, klasifikasi, clustering, trend, outlier
• Teknik
– Database, OLAP, machine learning, statistik, visualiasi
• Penerapan
– Retail, telekomunikasi, banking, analisis kejahatan, bio-data mining,
saham, text mining, web mining
19. Klasifikasi sistem Data Mining
• Fungsi
– Deskriptif
– Prediktif
• Sudut pandang:
– Data : Jenis data yang akan ditambang
– Pengetahuan view: Pengetahuan yang akan
ditemukan
– Teknik: Teknik yang akan digunakan
– Aplikasi
20. Data Mining: Data apa saja?
• 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
– Object-relational databases
– Heterogeneous databases dan legacy databases
– Spatial data dan spatiotemporal data
– Multimedia database
– Text databases
– World-Wide Web
22. Permasalahan Pada DM
• Metodologi
– Mining beragam pengetahuan dari beragam sumber
data
– Kinerja: efesiensi, efektivitas dan skalabilitas
– Evaluasi pola
– Background knowledge
– Noise (gangguan) dan data yang tidak lengkap
– Distributed dan paralel method.
– knowledge fusion (penggabungan)
23. Permasalahan DM (lanj)
• Interaksi pengguna
– Data mining query languages dan ad-hoc
mining
– Visualisasi
– Interactive mining
• Aplikasi
– Domain spesifiik
– Perlindungan data
24. Tugas
• Carilah artikel dari jurnal atau ebook
tentang algoritma yang digunakan dalam
data mining, minimal 2 algoritma. Buat
resumenya dan cantumkan sumber
artikelnya beserta isinya. Resume
Dikumpulkan tanggal 21 maret 2018
dalam bentuk hardcopy