IN086 - Temu Pengetahuan

Ukuran: px

Mulai penontonan dengan halaman:

Download "IN086 - Temu Pengetahuan"

Herman Agusalim
7 tahun lalu
Tontonan:

1 IN086 - Temu Pengetahuan 1. Pengenalan Temu Pengetahuan 1 Materi Perkuliahan Review Basis Data Data Warehouse Data Mining 2 1

2 Apa itu Data Warehouse? Didefinisikan dalam berbagai bentuk, namun belum ada definisi yang pasti Sebuah basis data pendukung keputusan yang dipelihara terpisah dari basis data operasional dari sebuah organisasi Mendukung pengolahan informasi dengan menyediakan platform yang solid untuk analisis dari data historis yang terkonsolidasi. Sebuah Data Warehouse adalah sebuah koleksi data yang berorientasi subyek, terintegrasi, bervariasi waktu, dan tidak berubah untuk mendukung proses pengambilan keputusan dari manajemen W.H.Inmon 3 Contoh Toko JC Penney : Seorang manajer senior (Tuan X) ingin mengetahui tipe apa saja (gaya, bahan baju, warna, dan ukuran) dari baju wanita yang terjual cepat selama bulan Oktober sampai Desember di wilayah Utara? Type Oktober November Desember Total Casual Formal Party Total

3 Tiada akhir. Setelah dua hari Tuan X meminta data didetilkan untuk setiap minggu selama Oktober Desember Hari berikutnya Tuan X ingin didetilkan lagi berdasarkan kota di wilayah Utara Tuan X kembali lagi Apa mungkin untuk didetilkan di setiap toko di setiap kota? Berdasarkan kelompok umur, apabila mungkin Berdasarkan kelompok pendapatan, jika data tersedia Berdasarkan metode pembayaran (cek, tunai, kartu kredit, dll) Manager IS jadi capek... 5 Arsitektur Data Warehouse DM-MA/S1IF/FTI/UKM/

4 Mengapa Data Mining? Pertumbuhan data yang ekslosif: dari terabita ke petabita Koleksi data dan ketersediaan data: perangkat pengumpul data otomatis, sistem basis data, Web, masyarakat yang terkomputerisasi Banyak sumber sumber data yang berlimpah Bisnis: Web, E-Commerce, transaksi, bursa,... Ilmu Pengetahuan: penginderaan jarak jauh, bio informatika, simulasi ilmiah... Komunitas dan semua orang: berita, kamera digital... Kita kebanjiran data, tapi kelaparan pengetahuan! Kebutuhan adalah ibu dari penemuan Data mining analisa otomatis dari data set yang masif 7 Sumber Data yang Masif Data Astronomi tentang obyek luar angkasa: Data dengan atribut yang sangat banyak (fitur, pengukuran, kolom) Ratusan variabel untuk rekam medis pasien yang berhubungan dengan hasil eksaminasi medis DM-MA/S1IF/FTI/UKM/

5 Evolution dari Teknologi Basisdata 1960-an: Koleksi data, kreasi data, IMS dan jaringan DBMS 1970-an: Model data relasional, implementasi DBMS relasional 1980-an: RDBMS, model data yang lebih majur (extended-relational, OO, deductive, dll) DBMS berorientasi aplikasi (spasial, ilmu pengetahuan, teknik, dll) 1990-an: Dataminng, Data Warehousing, Basis data multimedia, dan basis data web 2000-an Manajemen aliran data (stream data) dan mining Data mining dan aplikasinya Teknologi Web (XML, data integrasi) dan sistem informasi global 2010-an: No SQL, komputasi awan DM-MA/S1IF/FTI/UKM/ Evolusi Ilmu Pengetahuan Sebelum 1600, ilmu empiris an, ilmu teoritis: setiap disiplin ilmu mengembangkan komponen teori. Model teori sering memotivasi eksperimen dan menggeneralisasi pemahaman kita 1950-an 1960-an, ilmu komputasi: simulasi komputasi, terjadi karena ketidakmampuan menemukan solusi tertutup dari model matematika yang kompleks 1990-an sekarang, ilmu data Banjir data dari perangkat dan simulasi ilmu pengetahuan yang baru Kemampuan untuk menyimpan dan mengelola data online dalam petabita dengan harga terjangkau Internet dan komputasi grid membuat semua arsip ini dapat diakses secara universal Tugas tugas manajemen informasi ilmiah, akuisisi, organisasi, kueri, dan visualisasi memilik skala liner terhadap volume data. Datamining menjadi tantangan terbesar! Jim Gray and Alex Szalay, The World Wide Telescope: An Archetype for Online Science, Comm. ACM, 45(11): 50-54, Nov

Proses Temu Pengetahuan (KDD) Datamining inti dari proses temu pengetahuan Pattern Evaluation Data Mining Task-relevant Data Data Warehouse Selection Data Cleaning Data Integration Databases 11 Apa

6 Proses Temu Pengetahuan (KDD) Datamining inti dari proses temu pengetahuan Pattern Evaluation Data Mining Task-relevant Data Data Warehouse Selection Data Cleaning Data Integration Databases 11 Apa itu Data Mining? Data mining (temu pengetahuan dari data) Ekstraksi dari pola pola atau pengetahuan yang menarik (nontrivial, implisit, tidak diketahui sebelumnya, dan secara potensial berguna). Data Mining : sebuah kesalahan istilah? Nama nama alternatif Temu pengetahuan (mining) di basis data (KDD), ekstraksi pengetahuan, analisi data / pola, arkeologi data, data dredging, pemanenan data, business intelligence, dll Hati hati: apakah semuanya Data Mining? Pencarian sederhana atau proses kueri Sistem pakar (deduktif) 12 6

7 Data Mining DATA DATA MINING POLA - POLA DM-MA/S1IF/FTI/UKM/ Data Mining dan Business Intelligence Potensi yang meningkat Dari dukungan keputusan bisnis Pengambilan Keputusan Presentasi Data Teknik teknik visualisasi Data Mining Penemuan Informasi Pengguna Akhir Analis Bisnis Analis Data Eksplorasi Data Ringkasan Statistik, Proses kueri, dan Pelaporan Preprocessing Data/Integrasi, Data Warehouses Sumber sumber Data Paper, Berkas, Dokumen Web, Eksperimen Ilmu Pengetahuan, Sistem Basisdata DBA 14 7

8 Proses KDD Process: Pandangan Umum dari Machine Learning dan Statistika Input Data Data Pre- Processing Data Mining Post- Processing Data integration Normalization Feature selection Dimension reduction Pattern discovery Association & correlation Classification Clustering Outlier analysis Pattern evaluation Pattern selection Pattern interpretation Pattern visualization Ini adalah pandangan umum dari komunitas machine learning dan statistika 15 Aplikasi Data mining Ilmu Pengetahuan: astronomi, bioinformatika, penemuan obat, dll Bisnis Web Negara Periklanan, CRM (Customer Relationship Management), investasi, manufakturing, olah raga / entertainment, telekomunikasi, e-commerce, target marketing, jaminan kesehatan, dll Mesin pencari, bot, dll Penegakan hukum, profil pengemplang pajak, anti teror, dll Contoh: Amazon.commenggunakan data mining untuk menyediakan saran pembelian kepada konsumen Customers who bought this book also bought: Seven Methods for Transforming Corporate Data Into Business Intelligence by VasantDhar, Roger Stein Building Data Mining Applications for CRM by Alex Berson, et al Data Preparation for Data Mining by Dorian Pyle Kellogg on Integrated Marketing by Dawn Iacobucci(Editor), et al Multivariate Data Analysis (5th Edition) by Joseph F. Hair (Editor), et al Explore similar items 16 8

9 Aplikasi DM: Ritel Melakukan analis keranjang (basket analysis) Barang barang apa yang akan dibeli bersamaan oleh konsumen Pengetahuan ini dapat meningkatkan penyetokan, strategi layout toko, dan promosi Sales forecasting Meneliti pola pola pembelian berdasarkan waktu dapat membantu riteler untuk membuat keputusan stok yang tepat Jika seorang konsumen membeli sebuah item hari ini, kapan kira kira dia akan membeli item komplementer? Database marketing Riteler dapat membangun profil konsumen dengan perilaku tertentu, contohnya, siapa saja yang membeli produk bermerek dan siapa saja yang datang saat promosi diskon Informasi ini dapat digunakan untuk promosi yang terfokus sehingga efektif secara biaya DM-MA/S1IF/FTI/UKM/ DM dalam CRM: Siklus Hidup Komsumen Siklus Hidup Konsumen: tahapan hubungan antara seorang konsumen dengan sebuah bisnis Tahapan penting dari Siklus Hidup Konsumen Prospects: Orang yang belum menjadi konsumen tapi menjadi target pasar Responders: Prospektus yang menunjukkan ketertarikan pada sebuah produk atau layanan Active Customers: Orang yang sekarang ini menggunakan produk atau layanan Former Customers: Mungkin konsumen yang tidak baik yang tidak membayar tagihan atau menyebabkan biaya tinggi 18 9

10 DM-MA/S1IF/FTI/UKM/

dokumen-dokumen yang mirip

Konsep Data Mining. Pendahuluan. Bertalya. Universitas Gunadarma 2009

Konsep Data Mining. Pendahuluan. Bertalya. Universitas Gunadarma 2009 Konsep Data Mining Pendahuluan Bertalya Universitas Gunadarma 2009 Latar Belakang Data yg dikumpulkan semakin bertambah banyak Data web, e-commerce Data pembelian di toko2 / supermarket Transaksi Bank/Kartu