Knowledge Discovery in Databases (KDD) dan Proses Data Mining

Amira Herwindyani1 dan Amrina Friska2

Jurusan Sistem Informasi, Institut Teknologi Sepuluh Nopember Surabaya, Indonesia
1amira10@mhs.is.its.ac.id 2amrina.friska10@mhs.is.its.ac.id

Abstrak Dewasa ini kemampuan penyimpanan dan pengumpulan data telah memungkinkan akumulasi pada sejumlah besar data. Knowledge Discovery in Databases (KDD) dan data mining dapat menjadi alat yang berguna dalam mengubah sejumlah besar data mentah (raw data) menjadi informasi yang berguna. Makalah ini memberikan ikhtisar mengenai data mining dan KDD, menjelaskan bagaimana keduanya saling terkait, menjelaskan beberapa metode data mining, serta memberikan contoh penggunaan metode data mining. Kata kunci KDD, data mining, data, database

I. DEFINISI KNOWLEDGE DISCOVERY IN DATABASES (KDD) DAN DATA MINING Knowledge Discovery in Databases (KDD) adalah suatu proses yang penting untuk mengidentifikasi pola yang valid, baru, dan memiliki kemungkinan yang memberi manfaat serta mudah dipahami dalam data (Fayyad, Piatetsky-Shapiro and Smyth 1996). Data mining dapat diartikan sebagai proses ekstraksi informasi yang berguna dan potensial dari sekumpulan data yang terdapat secara implisit dalam suatu basis data. II. PROSES DATA MINING Proses data mining atau KDD meliputi sembilan langkah berikut, yaitu: a. Mengembangkan Pemahaman tentang domain aplikasi. Proses pertama ini merupakan langkah awal persiapan untuk mengembangkan pemahaman tentang domain aplikasi.Selain itu untuk mempersiapkan wadah untuk memahami apa yang harus dilakukan dengan banyaknya keputusan (tranformasi, alogaritma, representasi, dll). Orang orang yang bertanggung jawab pada proyek KDD perlu untuk memahami dan menentukan tujuan dari pengguna akhir dan lingkungan, di mana proses penemuan pengetahuan akan berlangsung (termasuk yang relevan dari sebelumnya).Sebagai hasil proses KDD, mungkin terdapat revisi dilangkah ini. Setelah memahamio tujuan dari KDD, sebelum pengolahan dimulai dari data, kemudian didefinisikan dalam tiga langkah berikutnya. b. Memilih dan menciptakan kumpulan data yang penemuannya akan dilakukan. Setelah

c.

d.

mendefinisikan tujuan, data yang akan digunakan untuk penemuan pengetahuan harus ditentukan.Proses ini sangat penting dikarenakan data mining mempelajari tentang penemuan dari data yang tersedia.Ini merupakan dasar bukti untuk membangun model. Jika beberapa atribut penting yang ada yang hilang, maka seluruh penelitian dapat gagal. Dari hal ini, semakin banyak atribut yang dipertimbangkan semakin baik. Di sisi lain, untuk mengumpulkan, mengatur dan beroperasi repository data yang mahal dan terdapat tradeoff dengaan kesempatan untuk memahami fenomena.Tradeoff ini merupakan aspek dimana aspek interaktif yang berulang dari KDD. Dimulai dengan menyediakan kumpulan data dan kemudian mengembangkan dan mengamati efek dalam pengetahuan dan modeling. Pra pengolahan dan pembersihan data. Pada tahap ini, keandalan data dapat ditingkatkan. Ini termasuk dalam menyelesaikan data, seperti penangan kehilangan nilai dan pengahapusan keambiguan dan outlier.Ada banyak metode yang dijelaskan pada buku, dari yang tidak melakukan apa apa menjadi bagian yang utama ( alam waktu pengerjaan) dari proyek KDD dalam proyek proyek tertentu.Ini melibatkan metode statistik yang kompleks atau menggunakan alogaritma Data mining dalm konteks ini.Contoh : jika dalam satu permasalahan tersebut atribut yang digunakan cukup dapat di pertanggung jawabkan atau banyak memiliki data yang hilang maka atribuit tersebut akan menjadi tujuan dari pengawasan algoritma data mining.Model prediksi untuk atribut ini akan dikembangkan, dan kemudian data yang hilang dapat diprediksi.Ekstensi yang memperhatikan tingkat ini tergantung pada banyak faktor. Perubahan data. Pada tahap ini, generasi data yang lebih baik untuk data mining dipersiapkan dan dikembangkan.Metode di sini mencakupp reduksi dimensi ( seperti pemilihan fitur dan ekstraksi dan merekam smpling), dan transformasi atribut (diskritisasi, atribut numeric, dan transformasi fungsional). Langkah ini menjadi sangat penting bagi keberhasilan seluruh proyek KDD dan sangat spesifik .Contoh dalam pemeriksaan medis hasil bagi atribut sering menjadi faktor yang paling penting dan tidak satu per satu. Dalam pemasaran, perlu

e.

f.

g.

i.

j.

mempertimbangkan efek di luar kendali serta upaya dan isu isu temporal.Jika tidak menggunakan perubahan yang tepat di awal, dapat memperoleh efek mengejutkan petunjuk tentang perubahan yang dibutuhkan.Dengan demikian proses KDD mencerminkan proses dan mengarah tentang pemahamn perubahan yang dibutuhkan. Memilih data mining task yang tepat. Sekarang siap untuk memutuskan jenis data mining untuk penggunaan, contohnya klasifikasi, regresi, atau pengelompokan. Dalam hal ini sebagian besar tergantung pada tujuan KDD, dan juga pada langkah langkah sebelumnya.Terdapat dua tujuan utama dalam Data Mining yaitu prediksi dan deskripsi.Prediksi sering disebut dengan supervised data mining, sementara deskriptif data mining meliputi aspek aspek tanpa pengawan dan visualisasi data mining.Teknik data mining didasarkan pada pembelajaran induktif, dimana model dibangun secara eksplisit maupun implisit dengan generalisasi dari jumlah yang cukup.Strategi ini juga memperhitungkan tingkat meta-learning untuk set data tertentu yang tersedia. Memilih algoritma data mining. Setelah memiliki strategi, sekarang memutuskan untuk taktik.Tahap ini meliputi pemilihan metode khusus yang akan digunakan untuk mencari pola.Untuk keputusan masing masing strategi meta-learning terdapat beberapa kemungkinan bagaiman hal tersebut dapat dicapai.Meta-learning berfokus pada menjelaskan apa yang menyebabkan alogaritma data mining untuk menjadi sukse atau tidak jika pada masalah tertentu.Dengan demikian strategi ini diusahakan untuk memahami kondisi dimana alogaritma data mining yang paling tepat.Setiap alogaritma memiliki parameter dan taktik belajar. Menggunakan algoritma data mining. Dalam langkah ini perlu untuk menggunakan alogaritma beberapa kai sampai hasil yang diperoleh memuaskan. Evaluasi. Pada tahap ini mengevaluasi dan mengartikan pola sehubungan dengan tujuan yang ditetapkan dalam tiap proses.Pertama mempertimbangkan langkah langakh preprocessing sehubungan dengan efek pada hasil data mining algortima.Langkah ini berfokus pada comprehensibility dan penggunaan dari model induksi. Menggunakan ilmu pengetahuan yang telah ditemukan. Sekarang menggabungkan pengetahuan ke dalam sistem untuk melakukan lebih tindakan lebih lanjut.Dari pengetahuan menjadi aktif yang maksutnya dapat membuat perubahan system dan mengukur dampak. Keberhasilan langkah ini menentukan efektifitas dari proses KDD keseluruhan. Struktur Databisa berubah dan domain data dapat dimodifikasi. III. METODE DATA MINING

Tujuan KDD ditentukan oleh tujuan penggunaan sistem. Kita dapat membedakan tujuan KDD menjadi dua: Verifikasi, di mana sistem ini terbatas untuk membuktikan hipotesis pengguna, dan Discovery, di mana sistem ini dimana sistem secara otonom menemukan pola pola baru. Selanjutnya, kita dapat membagi tujuan Discovery menjadi dua, yaitu Prediksi (Prediction), di mana sistem menemukan pola dengan tujuan untuk memprediksi kemungkinan perilaku yang akan terjadi dari suatu entitas; dan Deskripsi (Description), di mana sistem menemukan pola suatu entitas dengan tujuan untuk menyajikannya ke pengguna dalam bentuk yang lebih mudah dipahami. Walaupun batas antara prediksi dan deskripsi tidak terlalu menyolok (beberapa dari model prediktif bisa jadi deskriptif, dengan kondisi di mana model tersebut dapat dipahami, dan vice versa), perbedaan ini berguna memahami keseluruhan tujuan discovery. Kepentingan relatif dari prediksi dan deskripsi untuk aplikasi data mining tertentu sangat beragam. Namun, dalam konteks KDD, deskripsi cenderung lebih penting daripada prediksi. Hal ini berbeda dengan kebanyakan aplikasi pengenalan pola dan machine learning di mana prediksi sering menjadi tujuan utama. Tujuan prediksi dan deskripsi dapat dicapai melalui metode data mining utama berikut. Classification: memetakan (atau mengklasifikasikan) suatu data ke dalam satu dari kategori kelas yang telah ditentukan sebelumnya, contohnya klasifikasi hewan bertulang belakang dan hewan tidak bertulang belakang. Regression: memetakan suatu data ke variabel prediksi real-value dan penemuan hubungan fungsional antara variabel. Clustering: memetakan suatu data ke dalam satu dari beberapa kategori kelas (atau kelompok) di mana kelas tersebut ditentukan dari data tidak seperti klasifikasi di mana kelas sudah ditentukan sebelumnya. Kelompok atau cluster didefinisikan dengan mencari pengelompokan alami dari data berdasarkan kesamaan ukuran. Contohnya adalah pengelompokan pelanggan toko buku berdasarkan usia. Summarization: memberikan gambaran ringkas untuk subset data. Contoh sederhana adalah rata-rata dan standar deviasi untuk berbagai hal. Fungsi yang lebih rumit melibatkan aturan ringkasan (summarization rules), teknik visualisasi multivariat, dan hubungan fungsional antara variabel. Fungsi summarization sering digunakan dalam analisis data eksplorasi yang interaktif dan pembuatan laporan otomatis. Dependency modelling: menemukan model yang menggambarkan dependensi yang signifikan antara variable Link analysis: menentukan hubungan antara bidang dalam database (misalnya, aturan asosiasi untuk menggambarkan barang yang sering dibeli dengan barang lainnya di supermarket).

Sequence analysis: Model pola berurutan (misalnya, dalam data yang memiliki dependensi terhadap waktu, seperti analisis time-series). Tujuannya adalah untuk memodelkan pernyataan dari proses yang menghasilkan urutan waktu atau untuk menggali dan melaporkan penyimpangan dan tren dari waktu ke waktu.

IV. CONTOH PENERAPAN METODE DATA MINING Metode data mining yang kami contohkan adalah aturan asosiasi (association rules). Analisis asosiasi berguna untuk menemukan hubungan unik yang terdapat dalam set data yang besar. Tujuan dari jenis analisis ini adalah untuk mendapatkan aturan (atau asosiasi) untuk mengukur hubungan antara dua atau lebih atribut (Larose, 2005). Hubungan ini ditampilkan dalam bentuk aturan asosiasi. Aturan asosiasi adalah ekspresi implikasi dalam bentuk: , , dimana X dan Y adalah set data yang terpisah (misal, = ), adalah support , dan adalah confidence. Kuat atau baiknya suatu aturan diukur oleh support dan confidence. Support menentukan berapa kali aturan ini relevan untuk satu set data tertentu. Confidence mendefinisikan

seberapa sering item dalam Y muncul dalam kasus yang mengandung X. Contoh penggunaan aturan asosiasi adalah: sebuah toko menyimpulkan bahwa dari 100 pelanggan yang berbelanja pada Selasa malam, 20 pelanggan membeli popok, dan dari 20 pelanggan yang membeli popok tersebut , 5 pelanggan membeli bir. Aturan asosiasi dari contoh ini adalah jika pelanggan membeli popok, maka pelanggan juga akan membeli bir. Aturan ini memiliki support 5/100 = 5% dan confidence 5/20 = 25% (popok bir: 0.05 , 0.25) (Tan, Steinbach, & Kumar, 2006). DAFTAR PUSTAKA
[1] Fayyad, U., Piatetsky-Shapiro, G., & Padhraic, S. (1996). The KDD Process for Extracting Useful Knowledge from Volumes of Data. Communications of The ACM, 27-34 Fayyad, U., Piatetsky-Shapiro, G., & Smyth, P. (1997). From Data Mining to Knowledge Discovery in Databases. American Association for Artificial Intelligence, 37-54. Larose, D. (2005). Discovering Knowledge in Data: An Introduction to Data Mining. Maimon, O., & Rokach, L. (n.d.). Introduction to Knowledge Discovery in Databases. Data Mining and Knowledge Discovery Handbook. Tan, P.-N., Steinbach, M., & Kumar, V. (2006). Introduction to Data Mining. Pearson. Williams, P. (n.d.). Clustering and Predictive Modelling: An Ensemble Approach.

[2]

[3] [4] [5] [6]