Data Mining 5D 2024/2025

Mata kuliah **Data Mining** membahas proses mengekstraksi informasi atau pola yang berguna dari data besar (big data). Berikut adalah ringkasan singkat konsep utama dalam mata kuliah ini:

1. **Pengertian Data Mining**: Proses penemuan pola tersembunyi, hubungan, atau pengetahuan dari kumpulan data besar menggunakan teknik statistik, matematika, dan kecerdasan buatan.

2. **Tahapan Data Mining**:
- **Pembersihan Data (Data Cleaning)**: Menghapus atau memperbaiki data yang tidak konsisten atau hilang.
- **Integrasi Data (Data Integration)**: Menggabungkan data dari berbagai sumber.
- **Seleksi Data (Data Selection)**: Memilih subset data yang relevan untuk analisis.
- **Transformasi Data (Data Transformation)**: Mengubah data ke dalam format yang sesuai untuk proses mining.
- **Penambangan Data (Data Mining)**: Menerapkan algoritma untuk menemukan pola.
- **Evaluasi Pola**: Mengevaluasi hasil penambangan untuk memastikan validitas dan kegunaan.
- **Presentasi Pengetahuan**: Menampilkan hasil dalam format yang mudah dipahami.

3. **Teknik Data Mining**:
- **Classification**: Mengelompokkan data ke dalam kategori yang telah ditentukan sebelumnya (misalnya, algoritma decision tree, random forest).
- **Clustering**: Mengelompokkan data ke dalam grup yang tidak ditentukan sebelumnya (misalnya, k-means, hierarchical clustering).
- **Association Rule Learning**: Menemukan hubungan antara variabel dalam dataset (misalnya, algoritma Apriori).
- **Regression**: Memprediksi nilai numerik berdasarkan hubungan antar variabel.

4. **Aplikasi Data Mining**:
- **Analisis Pasar**: Menemukan pola pembelian pelanggan.
- **Deteksi Kecurangan**: Mendeteksi anomali dalam transaksi keuangan.
- **Prediksi**: Membuat prediksi berdasarkan data masa lalu (misalnya, prediksi penjualan atau perilaku pelanggan).

5. **Algoritma Populer**:
- **K-Nearest Neighbors (KNN)**: Untuk klasifikasi berdasarkan kemiripan dengan titik-titik tetangga.
- **Support Vector Machines (SVM)**: Untuk klasifikasi yang memaksimalkan margin antara kelas.
- **Neural Networks**: Menggunakan jaringan neuron tiruan untuk menemukan pola dalam data.

Mata kuliah ini penting untuk memahami cara memanfaatkan data besar untuk pengambilan keputusan yang lebih baik di berbagai bidang, seperti bisnis, kesehatan, dan teknologi.