Aplikasi dan Kecenderungan dalam Data Mining - PowerPoint PPT Presentation

1 / 22
About This Presentation
Title:

Aplikasi dan Kecenderungan dalam Data Mining

Description:

Aplikasi dan Kecenderungan dalam Data Mining Aplikasi data mining Sistem produk dan protetipe riset data mining Tema tambahan pada data mining Dampak tentang data mining – PowerPoint PPT presentation

Number of Views:269
Avg rating:3.0/5.0
Slides: 23
Provided by: GunturNi
Category:

less

Transcript and Presenter's Notes

Title: Aplikasi dan Kecenderungan dalam Data Mining


1
Aplikasi dan Kecenderungan dalam Data Mining
  • Aplikasi data mining
  • Sistem produk dan protetipe riset data mining
  • Tema tambahan pada data mining
  • Dampak tentang data mining
  • Kecenderungan yang terdapat pada data mining
  • Ringkasan

2
Aplikasi Data Mining
  • Data Mining adalah suatu aplikasi terbaru yang
    berbeda dan lebih luas
  • Masih adanya perbedaan pendapat antara prinsip
    umum dan pembagian wilayah secara khusus pada
    aplikasi data mining, khususnya pada keefektifan
    alat bantu data mining untuk aplikasi tertentu
  • Beberapa aplikasi domein (yang tercantum pada bab
    ini)
  • Biomedical dan analisa data DNA
  • Analisa data keuangan
  • Industri penjualan eceran
  • Industri telekomunikasi

3
Biomedical dan Analisa Data DNA
  • Urutan DNA 4 dasar yang membangun blok (
    nucleotides) adenine ( A), cytosine ( C),
    guanine ( G), dan thymine ( T)
  • Gen suatu urutan dari beratus-ratus individu
    nucleotides yang diatur secara tertentu
  • Manusia mempunyai sekitar 30,000 gen
  • Hal yang paling luar biasa yaitu jumlah jalan
    yang terdapat pada nucleotides sehingga dapat
    dipecah dan diurutkan kembali untuk membentuk gen
    yang terpisah
  • Pengintegrasian pembagian heterogen yang
    semantik, dalam genome database
  • Sekarang terbagi-bagi, Generasi yang tak
    terkendali dan penggunaan data DNA secara luas
  • Metoda pembersihan dan pengintegrasian data yang
    dikembangkan dalam Data Mining akan sangat
    membantu

4
Contoh Analisa DNA
  • Pencarian persamaan dan perbandingan antar urutan
    DNA
  • Perbandingan sering terjadi pada pola tiap kelas
    ( sebagai contoh, sehat dan sakit)
  • Mengidentifikasi urutan pola gen yang berperan
    dalam berbagai penyakit
  • Analisa asosiasi identifikasi dari co-occurring
    urutan gen
  • Kebanyakan penyakit tidaklah dicetuskan oleh gen
    tunggal tetapi oleh suatu kombinasi gen yang
    bertindak bersama-sama
  • Analisa asosiasi dapat membantu menentukan macam
    gen yang mungkin terjadi bersama-sama dalam
    target percontohan
  • Analisa alur menghubungkan gen pada masa
    pengembangan penyakit lain
  • Gen yang berbeda bisa menjadi aktip pada penyakit
    yang berbeda
  • Intervensi pada masa perkembang farmasi yang
    mentargetkan langkah-langkah yang berbeda secara
    terpisah
  • Penggambaran alat bantu dan analisa data genetik

5
Data Mining pada Analisa Data Keuangan
  • Data keuangan yang dikumpulkan oleh bank dan
    lembaga keuangan relatif lebih lengkap, dapat
    dipercaya, dan bermutu tinggi
  • Disain dan konstruksi dari gudang data untuk
    multidimensional analisa data dan data mining
  • Gambaran dari hutang perbulan, perdaerah,
    persektor, dan faktor lain
  • Mengakses informasi statistik seperti maximum,
    minimum, total, rata-rata, kecenderungannya, dan
    lain lain
  • Analisa pembayaran peminjaman kebijakan kredit
    secara prediksi per pelanggan
  • Seleksi di masa depan dan perlunya penggolongan
    secara atribut
  • Pencapaian pembayaran peminjaman
  • Nilai kredit konsumen

6
Keuangan Data Mining
  • Penggolongan dan pengelompokan pelanggan untuk
    target pemasaran
  • Segmentasi multidimensional berdasarkan metode
    terdekat, penggolongan, alur keputusan, dan lain
    lain untuk mengidentifikasi penggolongan
    persediaan sekelompok pelanggan atau pelanggan
    baru
  • Mendeteksi pencucian uang dan kejahatan keuangan
    lain
  • pengintegrasian dari berbagai DBs ( sebagai
    contoh, transaksi bank, DBs sejarah kejahatan
    federal/negara)
  • Alat bantu data gambar, analisa pertalian,
    penggolongan, alat penggabungan, analisa orang
    asing, dan analisa pola alat percontohan
    (ditemukan urutan akses secara tidak biasa)

7
Data Mining pada Industri Retail
  • Industri Retail besarnya data penjualan, sejarah
    belanja pelanggan, dan lain-lain
  • Aplikasi dari Retail data mining
  • Mengidentifikasi perilaku pembelian pelanggan
  • Menentukan kecenderungan pola belanja pelanggan
  • Meningkatkan mutu dari layanan pelanggan
  • Mencapai kepuasan pelanggan
  • Tingkatkan perbandingan konsumsi barang-barang
  • Mendisain keefektifan distribusi dan transportasi
    barang

8
Contoh Data Mining pada Industri Retail
  • Disain dan konstruksi dari gudang data yang
    didasarkan keuntungan penggunaan data mining
  • Analisa multidimensional dari penjualan,
    pelanggan, produk, waktu, dan daerah
  • Analisa dari efektivitas dari kampanye penjualan
  • Ingatan pelanggan Analisa dari kesetiaan
    pelanggan
  • Menggunakan informasi kartu kesetiaan pelanggan
    untuk mendaftarkan urutan dari pembelian dari
    pelanggan tertentu
  • Menggunakan pola mining untuk menyelidiki
    perubahan dalam konsumsi atau kesetiaan pelanggan
  • Menyarankan penyesuaian penetapan harga dan
    variasi barang-barang
  • Referensi pembelian dan perbandingan materi

9
Data Mining pada Industri Telekomunikasi ( 1)
  • Perkembangan yang sangat cepat dan industri yang
    sangat kompetitif dan permintaan yang besar untuk
    data mining
  • Memahami bisnis yang terlibat
  • Mengidentifikasi pola telekomunikasi
  • Menangkap aktivitas curang
  • Mempergunaan sumber daya secara lebih baik
  • Meningkatkan mutu dari layanan
  • Analisa multidimensional dari data telekomunikasi
  • Hakekat multidimensional tempo pemanggilan,
    jangka waktu, lokasi dari pemanggil, jenis
    panggilan, dan lain lain

10
Data Mining pada Industri Telekomunikasi ( 2)
  • Analisa pola kecurangan dan identifikasi pola
    yang tidak lazim
  • Mengidentifikasi pola para pengguna yang
    berpotensi curang dan penggunaan yang tidak lazim
  • Mendeteksi usaha kecurangan masukan ke dalam
    rekening pelanggan
  • Menemukan pola yang tidak biasa memerlukan
    perhatian khusus
  • Multidimensional asosiasi dan percontohan pola
    analisa
  • Temukan pola satu set jasa komunikasi berdasarkan
    kelompok pelanggan, bulan, dan lain lain
  • Mempromosikan penjualan dari jasa spesifik
  • Meningkatkan ketersediaan dari jasa tertentu pada
    suatu daerah
  • Penggunaan alat bantu penggambaran dalam analisa
    data telekomunikasi

11
Bagaimana cara memilih suatu Sistem Data Mining?
  • Secara komersil sistem data mining mempunyai
    sedikit kesamaan
  • Perbedaan kemampuan atau metodologi Data Mining
  • Dapat bekerja dengan bermacam-macam data yang
    berbeda
  • Memerlukan berbagai pandangan yang dimensional
    dalam pemilihan
  • Jenis data relational, tanggapan, teks, urutan
    waktu, ruang?
  • Isu sistem
  • Hanya berjalan pada satu atau beberapa sistem
    operasi?
  • Arsitektur client/server?
  • Menyediakan tampilan berbasis Web dan mengijinkan
    data XML sebagai masukan atau keluaran?

12
Bagaimana cara memilih suatu Sistem Data Mining?
( 2)
  • Sumber data
  • File teks ASCII, berbagai sumber data relational
  • Mendukung koneksi ODBC ( OLE DB, JDBC)?
  • Fungsi dan metodologi Data mining
  • Satu melawan berbagai fungsi data mining
  • Satu melawan berbagai macam variasi perfungsi
  • Fungsi lain data mining dan metoda perfungsinya
    menyediakan pengguna dengan analisa dan
    fleksibilitas yang lebih besar
  • Menggabungkan dengan DB dan/atau sistem data
    gudang
  • Empat format penggabungan tidak ada
    penggabungan, penggabungan lepas, penggabungan
    semi ketat, dan penggabungan ketat
  • Idealnya, suatu sistem data mining harus di
    gabungkan dengan ketat dengan suatu sistem
    database

13
Bagaimana cara memilih suatu Sistem Data Mining?
( 3)
  • Scalabilitas
  • Scalabilitas perbaris ( atau ukuran database)
  • Scalabilitas perkolom ( atau dimensi)
  • Kutukan dari dimensionalitas jauh lebih
    menantang untuk membuat suatu skala sistem kolom
    dari pada skala sistem baris
  • Alat bantu gambar
  • "Suatu gambar dapat berharga seribu kata-kata
  • Kategori penggambaran data gambar, hasil
    gambaran, proses penggambaran, dan gambaran data
    mining
  • Bahasa query pada Data mining dan tampilan grafis
    pengguna
  • Mudah digunakan dan grafis yang berkualitas
    tinggi
  • Pentingnya buku pedoman, data mining yang sangat
    interaktip

14
Contoh Sistem Data Mining ( 1)
  • Miner IBM yang cerdas
  • Suatu cakupan luas dari algoritma data mining
  • Skala algoritma data mining
  • Alat bantu algoritma jaringan neural, metode
    statistik, persiapan data, dan alat bantu
    penggambaran data gambar
  • Pengintegrasian yang ketat IBM dengan relational
    sistem database DB2
  • Perusahaan SAS miner
  • Berbagai alat bantu analisa yang statistik
  • Alat bantu data gudang dan berbagai data
    algoritma mining
  • Microsoft SQLServer 2000
  • Mengintegrasikan DB dan OLAP dengan mining
  • Mendukung OLEDB untuk DM standard

15
Contoh Sistem Data Mining ( 2)
  • Sgi Mineset
  • Berbagai algoritma dan statistik tingkat lanjut
    data mining
  • Alat bantu penggambaran tingkat lanjut
  • Clementine (SPSS)
  • Pengembangan lingkungan data mining yang
    terintegrasi untuk pengguna akhir dan pengembang
  • Berbagai algoritma data mining dan alat bantu
    penggambaran
  • DBMiner ( DBMiner Teknologi Inc.)
  • Berbagai modul data mining analisa OLAP
    discovery-driven, asosiasi, penggolongan, dan
    pengelompokan
  • efisien, Asosiasi dan sequential-pattern fungsi
    mining, dan alat penggolongan visuil
  • Mining antara database relational dan data gudang

16
Visuallisasi Data Mining
  • Visualisasi penggunaan grafik komputer untuk
    menciptakan gambaran visuil yang membantu
    pemahaman yang ruwet, penyajian presentasi data
    yang kokoh
  • Visualisasi Data mining proses menemukan
    kandungan yang tersembunyi dapat menjadi
    pengetahuan yang bermanfaat khususnya dari data
    yang besar dengan menggunakan teknik visualisasi

17
Visualisasi
  • Tujuan visualisasi
  • Memperoleh masukan ruang informasi dengan
    mempetakan data ke dalam grafis sederhana
  • Menyediakan ikhtisar yang kwalitatif dari data
    yang besar
  • Mencari contoh pola, kecenderungan, struktur,
    ketidakteraturan, hubungan antar data.
  • Bantuan untuk menemukan daerah menarik dan
    parameter yang pantas untuk analisis kuantitatif
    lebih lanjut.
  • Menyediakan suatu bukti yang visuil tentang
    memperoleh penyajian komputer

18
Visualisasi Data Mining Visualisasi Data
  • Pengintegrasian dari visualisasi data mining
  • Visualisasi data
  • Hasil Visualisasi data mining
  • Proses visualisasi data mining
  • Visualisasi data mining yang interaktip
  • Visualisasi data
  • Data dalam database atau data gudang terlihat
  • Pada tingkat abstrak yang berbeda
  • Sebagai kombinasi yang berbeda tentang atribut
    atau dimensi
  • Data dapat dipersentasikan dalam berbagai format
    visual

19
Hasil Visualisasi Data Mining
  • Presentasi dari hasil atau pengetahuan yang
    diperoleh dari format visual data mining
  • Contoh
  • Menyebar alur cerita dan boxplots (yang diperoleh
    dari data mining)
  • Alur keputusan
  • Aturan Asosiasi
  • Kelompok
  • Asing
  • Aturan disamaratakan

20
Boxplots dari Statsoft Berbagai Combinasi
Variabel
21
Visualisasi dari Data Mining pada Perusahaan SAS
Miner Menyebaran Plots
22
Visualisasi dari Peraturan Asosiasi SGI/MineSet
3.0
Write a Comment
User Comments (0)
About PowerShow.com