Data Mining

Muhammad Zamroni Uska

1
Textbooks

2
Referensi
1. Jiawei Han and Micheline Kamber, Data Mining: Concepts and
Techniques Third Edition, Elsevier, 2012
2. Ian H. Witten, Frank Eibe, Mark A. Hall, Data mining: Practical
Machine Learning Tools and Techniques 3rd Edition, Elsevier, 2011
3. Markus Hofmann and Ralf Klinkenberg, RapidMiner: Data Mining
Use Cases and Business Analytics Applications, CRC Press Taylor &
Francis Group, 2014
4. Daniel T. Larose, Discovering Knowledge in Data: an Introduction
to Data Mining, John Wiley & Sons, 2005
5. Ethem Alpaydin, Introduction to Machine Learning, 3rd ed., MIT
Press, 2014
6. Florin Gorunescu, Data Mining: Concepts, Models and
Techniques, Springer, 2011
7. Oded Maimon and Lior Rokach, Data Mining and Knowledge
Discovery Handbook Second Edition, Springer, 2010
8. Warren Liao and Evangelos Triantaphyllou (eds.), Recent Advances
in Data Mining of Enterprise Data: Algorithms and Applications,
World Scientific, 2007
3
 Pre-Test
1. Jelaskan perbedaan antara data, informasi dan pengetahuan!
2. Jelaskan apa yang anda ketahui tentang data mining!
3. Sebutkan peran utama data mining!
4. Sebutkan pemanfaatan dari data mining di berbagai bidang!
5. Pengetahuan atau pola apa yang bisa kita dapatkan dari data
di bawah?
NIM Gender Nilai Asal IPS1 IPS2 IPS3 IPS 4 ... Lulus Tepat
UN Sekolah Waktu
10001 L 28 SMAN 2 3.3 3.6 2.89 2.9 Ya
10002 P 27 SMAN 7 4.0 3.2 3.8 3.7 Tidak
10003 P 24 SMAN 1 2.7 3.4 4.0 3.5 Tidak
10004 L 26.4 SMAN 3 3.2 2.7 3.6 3.4 Ya
...
11000 L 23.4 SMAN 5 3.3 2.8 3.1 3.2 Ya

4
1. Pengantar Data Mining
1.1 Apa itu Data Mining?
1.2 Peran Utama dan Metode Data Mining
1.3 Contoh Penerapan Data Mining

5
1.1 Apa itu Data Mining?

6
 Manusia Memproduksi Data

Manusia memproduksi beragam

data yang jumlah dan ukurannya
sangat besar
• Astronomi
• Bisnis
• Kedokteran
• Ekonomi
• Olahraga
• Cuaca
• Financial
• …

7
Pertumbuhan Data

Astronomi kilobyte (kB) 103

• Sloan Digital Sky Survey megabyte (MB) 106
• New Mexico, 2000 gigabyte (GB) 109
terabyte (TB) 1012
• 140TB over 10 years
petabyte (PB) 1015
• Large Synoptic Survey Telescope exabyte (EB) 1018
• Chile, 2016 zettabyte (ZB) 1021
• Will acquire 140TB every five days yottabyte (YB) 1024

Biologi dan Kedokteran

• European Bioinformatics Institute (EBI)
• 20PB of data (genomic data doubles in size each year)
• A single sequenced human genome can be around 140GB in size

8
Perubahan Kultur dan Perilaku

(Insight, Big Data Trends

for Media, 2015)

9
 kilobyte (kB) 103
Datangnya Tsunami Data megabyte (MB) 106
gigabyte (GB) 109
• Mobile Electronics market terabyte (TB) 1012
petabyte (PB) 1015
• 5B mobile phones in use in 2010 exabyte (EB) 1018
• 150M tablets was sold in 2012 (IDC) zettabyte (ZB) 1021
• 200M is global notebooks shipments in 2012 yottabyte (YB) 1024
(Digitimes Research)
• Web and Social Networks generates
amount of data
• Google processes 100 PB per day, 3 million servers
• Facebook has 300 PB of user data per day
• Youtube has 1000PB video storage
• 235 TBs data collected by the US Library of Congress
• 15 out of 17 sectors in the US have more data stored
per company than the US Library of Congress
10
Mengapa Data Mining?

We are drowning in data, but

starving for knowledge!

11
Apa itu Data Mining?

12
Apa itu Data Mining?
• Disiplin ilmu yang mempelajari metode untuk
mengekstrak pengetahuan atau menemukan pola dari
suatu data yang besar

• Ekstraksi dari data ke pengetahuan:

1. Data: fakta yang terekam dan tidak membawa arti
2. Pengetahuan: pola, rumus, aturan atau model yang muncul
dari data

• Nama lain data mining:

• Knowledge Discovery in Database (KDD)
• Knowledge extraction
• Pattern analysis
• Information harvesting
• Business intelligence

13
Apa Itu Data Mining?

Himpunan Metode Data

Pengetahuan
Data Mining

14
Definisi Data Mining
• Melakukan ekstraksi untuk mendapatkan informasi
penting yang sifatnya implisit dan sebelumnya tidak
diketahui, dari suatu data (Witten et al., 2011)

• Kegiatan yang meliputi pengumpulan, pemakaian

data historis untuk menemukan keteraturan, pola
dan hubungan dalam set data berukuran besar
(Santosa, 2007)

• Extraction of interesting (non-trivial, implicit,

previously unknown and potentially useful)
patterns or knowledge from huge amount of data
(Han et al., 2011)

15
• Pembersihan data (untuk menghilangkan noise dan data yang
tidak konsisten)
• Integrasi data (di mana beberapa sumber data dapat
dikombinasikan)
• Data selection (dimana data yang relevan untuk dianalisis pada
data base)
• Data transformasi (dimana data diubah atau dikonsolidasikan ke
bentuk yang tepat diuntuk pertambangan(mining) dengan
melakukan ringkasanatau digabungkan
• Data mining (proses esensial dimana metode cerdas diaplikasikan
untukmengekstrak pola data)
• Evaluasi Pola (untuk mengidentifikasi pola yang benar-benar
menarik yang mewakili pengetahuan berdasarkan beberapa
tindakan pengukuran yang menarik perhatian.
• Presentasi pengetahuan (di mana visualisasi dan pengetahuan
representasi techtehnik yang Digunakan untuk menyajikan
pengetahuan ditambang kepada pengguna)

16
Proses Data Mining

17
Data - Informasi – Pengetahuan

NIP TGL DATANG PULANG

1103 02/12/2004 07:20 15:40
1142 02/12/2004 07:45 15:33
1156 02/12/2004 07:51 16:00
1173 02/12/2004 08:00 15:15
1180 02/12/2004 07:01 16:31
1183 02/12/2004 07:49 17:00

Data Kehadiran Pegawai

18
Data - Informasi – Pengetahuan

NIP Masuk Alpa Cuti Sakit Telat

1103 22

1142 18 2 2

1156 10 1 11

1173 12 5 5

1180 10 12

Informasi Akumulasi Bulanan Kehadiran Pegawai

19
 Data - Informasi – Pengetahuan

Senin Selasa Rabu Kamis Jumat

Terlambat 7 0 1 0 5

Pulang 0 1 1 1 8
Cepat
Izin 3 0 0 1 4

Alpa 1 0 2 0 2

Pola Kebiasaan Kehadiran Mingguan Pegawai

20
Data - Informasi – Pengetahuan - Kebijakan

• Kebijakan penataan jam kerja karyawan khusus

untuk hari senin dan jumat

• Peraturan jam kerja:

• Hari Senin dimulai jam 10:00
• Hari Jumat diakhiri jam 14:00
• Sisa jam kerja dikompensasi ke hari lain

21
Data Mining pada Business Intelligence

Increasing potential
to support business
End User
decisions Decision
Making

Data Presentation Business Analyst

Visualization Techniques
Data Mining Data Analyst
Information Discovery

Data Exploration
Statistical Summary, Querying, and Reporting

Data Preprocessing/Integration, Data Warehouses

DBA
Data Sources
Paper, Files, Web documents, Scientific experiments, Database Systems

22
Hubungan dengan Berbagai Bidang

Computing
Statistics
Algorithms

Pattern Database
Recognition Technology

Machine Data High

Performance
Learning
Mining Computing

23
Masalah-Masalah di Data Mining
• Tremendous amount of data
• Algorithms must be highly scalable to handle such as tera-
bytes of data
• High-dimensionality of data
• Micro-array may have tens of thousands of dimensions
• High complexity of data
• Data streams and sensor data
• Time-series data, temporal data, sequence data
• Structure data, graphs, social networks and multi-linked data
• Heterogeneous databases and legacy databases
• Spatial, spatiotemporal, multimedia, text and Web data
• Software programs, scientific simulations
• New and sophisticated applications
24
Latihan
1. Jelaskan dengan kalimat sendiri apa
yang dimaksud dengan data mining?

2. Sebutkan sudut pandang multidimensi

dari data mining!

25
1.2 Peran Utama Data Mining

26
Peran Utama Data Mining

1. Estimasi

5. Asosiasi 2. Prediksi

4. Klastering 3. Klasifikasi

27
Dataset (Himpunan Data)
Attribute/Feature Class/Label/Target

Record/
Object/
Sample/
Tuple

Nominal

Numerik
28
29
Jenis Atribut

30
Jenis Deskripsi Contoh Operasi
Tipe Data
Atribut
Ratio • Data yang diperoleh dengan • Umur geometric
(Mutlak) cara pengukuran, dimana jarak • Berat badan mean,
dua titik pada skala sudah • Tinggi badan harmonic
diketahui • Jumlah uang mean, percent
• Mempunyai titik nol yang variation
absolut
(*, /)
Interval • Data yang diperoleh dengan • Suhu 0°c-100°c, mean, standard
(Jarak) cara pengukuran, dimana jarak • Umur 20-30 deviation,
dua titik pada skala sudah tahun Pearson's
diketahui correlation, t
• Tidak mempunyai titik nol yang and F tests
absolut
(+, - )
Ordinal • Data yang diperoleh dengan • Tingkat kepuasan median,
(Peringkat cara kategorisasi atau pelanggan (puas, percentiles,
) klasifikasi sedang, tidak rank
• Tetapi diantara data tersebut puas) correlation, run
terdapat hubungan atau 31 tests, sign tests
Peran Utama Data Mining

1. Estimasi

5. Asosiasi 2. Prediksi

4. Klastering 3. Klasifikasi

32
 1. Estimasi Waktu Pengiriman Pizza
Customer Jumlah Pesanan (P) Jumlah Traffic Light (TL) Jarak (J) Waktu Tempuh (T)

1 3 3 3 16
2 1 7 4 20
3 2 4 6 18 Label
4 4 6 8 36
...
1000 2 4 2 12
Pembelajaran dengan
Metode Estimasi (Regresi Linier)

Waktu Tempuh (T) = 0.48P + 0.23TL + 0.5J

Pengetahuan
33
 Contoh: Estimasi Performansi CPU
• Example: 209 different computer configurations

Cycle time Main memory Cache Channels Performance

(ns) (Kb) (Kb)
MYCT MMIN MMAX CACH CHMIN CHMAX PRP
1 125 256 6000 256 16 128 198
2 29 8000 32000 32 8 32 269
…
208 480 512 8000 32 0 0 67
209 480 1000 4000 0 0 0 45

• Linear regression function

PRP = -55.9 + 0.0489 MYCT + 0.0153 MMIN + 0.0056
MMAX
+ 0.6410 CACH - 0.2700 CHMIN + 1.480 CHMAX

34
Output/Pola/Model/Knowledge
1. Formula/Function (Rumus atau Fungsi Regresi)
• WAKTU TEMPUH = 0.48 + 0.6 JARAK + 0.34 LAMPU + 0.2 PESANAN

2. Decision Tree (Pohon Keputusan)

3. Korelasi dan Asosiasi

4. Rule (Aturan)
• IF ips3=2.8 THEN lulustepatwaktu

5. Cluster (Klaster)

35
2. Prediksi Harga Saham
Label

Dataset harga saham

dalam bentuk time
series (rentet waktu)

Pembelajaran dengan
Metode Prediksi (Neural Network)

36
Pengetahuan berupa
Rumus Neural Network

Prediction Plot

37
 3. Klasifikasi Kelulusan Mahasiswa
Label

NIM Gender Nilai Asal IPS1 IPS2 IPS3 IPS 4 ... Lulus
UN Sekolah Tepat
Waktu
10001 L 28 SMAN 2 3.3 3.6 2.89 2.9 Ya

10002 P 27 SMA DK 4.0 3.2 3.8 3.7 Tidak

10003 P 24 SMAN 1 2.7 3.4 4.0 3.5 Tidak

10004 L 26.4 SMAN 3 3.2 2.7 3.6 3.4 Ya

Pembelajaran dengan
... Metode Klasifikasi (C4.5)
...
11000 L 23.4 SMAN 5 3.3 38 2.8 3.1 3.2 Ya
Pengetahuan Berupa Pohon Keputusan

39
 Contoh: Rekomendasi Main Golf
• Input:

• Output (Rules):
If outlook = sunny and humidity = high then play = no
If outlook = rainy and windy = true then play = no
If outlook = overcast then play = yes
If humidity = normal then play = yes
If none of the above then play = yes
40
Contoh: Rekomendasi Main Golf
• Output (Tree):

41
 Contoh: Rekomendasi Contact Lens
• Input:

42
 Contoh: Rekomendasi Contact Lens
• Output/Model (Tree):

43
4. Klastering Bunga Iris
Dataset Tanpa Label

Pembelajaran dengan
Metode Klastering (K-Means)

44
Pengetahuan Berupa Klaster

45
5. Aturan Asosiasi Pembelian Barang

Pembelajaran dengan
Metode Asosiasi (FP-Growth)

46
Pengetahuan Berupa Aturan Asosiasi

47
Contoh Aturan Asosiasi

• Algoritma association rule (aturan asosiasi) adalah

algoritma yang menemukan atribut yang “muncul
bersamaan”
• Contoh, pada hari kamis malam, 1000 pelanggan
telah melakukan belanja di supermaket ABC, dimana:
• 200 orang membeli Sabun Mandi
• dari 200 orang yang membeli sabun mandi, 50 orangnya
membeli Fanta
• Jadi, association rule menjadi, “Jika membeli sabun
mandi, maka membeli Fanta”, dengan nilai support =
200/1000 = 20% dan nilai confidence = 50/200 = 25%
• Algoritma association rule diantaranya adalah: A
priori algorithm, FP-Growth algorithm, GRI algorithm

48
Metode Learning Pada Algoritma DM

Supervised Semi- Unsupervised

Supervised
Learning Learning Learning

49
1. Supervised Learning

• Pembelajaran dengan guru, data set memiliki

target/label/class
• Sebagian besar algoritma data mining
(estimation, prediction/forecasting,
classification) adalah supervised learning
• Algoritma melakukan proses belajar
berdasarkan nilai dari variabel target yang
terasosiasi dengan nilai dari variable prediktor

50
Dataset dengan Class
Attribute/Feature Class/Label/Target

Nominal

Numerik
51
2. Unsupervised Learning

• Algoritma data mining mencari pola dari

semua variable (atribut)
• Variable (atribut) yang menjadi
target/label/class tidak ditentukan (tidak ada)
• Algoritma clustering adalah algoritma
unsupervised learning

52
Dataset tanpa Class
Attribute/Feature

53
3. Semi-Supervised Learning
• Semi-supervised learning adalah metode data
mining yang menggunakan data dengan label dan
tidak berlabel sekaligus dalam proses
pembelajarannya
• Data yang memiliki kelas digunakan untuk
membentuk model (pengetahuan), data tanpa label
digunakan untuk membuat batasan antara kelas

54
 3. Semi-Supervised Learning

• If we consider the labeled

examples, the dashed line is the
decision boundary that best
partitions the positive examples
from the negative examples

• Using the unlabeled examples,

we can refine the decision
boundary to the solid line

• Moreover, we can detect that

the two positive examples at the
top right corner, though labeled,
are likely noise or outliers

55
Algoritma Data Mining (DM)

1. Estimation (Estimasi):
• Linear Regression, Neural Network, Support Vector Machine, etc
2. Prediction/Forecasting (Prediksi/Peramalan):
• Linear Regression, Neural Network, Support Vector Machine, etc
3. Classification (Klasifikasi):
• Naive Bayes, K-Nearest Neighbor, C4.5, ID3, CART, Linear Discriminant
Analysis, Logistic Regression, etc
4. Clustering (Klastering):
• K-Means, K-Medoids, Self-Organizing Map (SOM), Fuzzy C-Means, etc
5. Association (Asosiasi):
• FP-Growth, A Priori, Coefficient of Correlation, Chi Square, etc

56
Output/Pola/Model/Knowledge

1. Formula/Function (Rumus atau Fungsi Regresi)

• WAKTU TEMPUH = 0.48 + 0.6 JARAK + 0.34 LAMPU + 0.2 PESANAN

2. Decision Tree (Pohon Keputusan)

3. Tingkat Korelasi

4. Rule (Aturan)
• IF ips3=2.8 THEN lulustepatwaktu

5. Cluster (Klaster)

57
Latihan
1. Sebutkan 5 peran utama data mining!
2. Jelaskan perbedaan estimasi dan prediksi!
3. Jelaskan perbedaan prediksi dan klasifikasi!
4. Jelaskan perbedaan klasifikasi dan klastering!
5. Jelaskan perbedaan klastering dan association!
6. Jelaskan perbedaan estimasi dan klasifikasi!
7. Jelaskan perbedaan estimasi dan klastering!
8. Jelaskan perbedaan supervised dan unsupervised
learning!
9. Sebutkan tahapan utama proses data mining!

58
1.3 Contoh Penerapan Data Mining

59
Contoh Penerapan Data Mining
• Penentuan kelayakan aplikasi peminjaman uang di bank
• Penentuan pasokan listrik PLN untuk wilayah Jakarta
• Prediksi profile tersangka koruptor dari data pengadilan
• Perkiraan harga saham dan tingkat inflasi
• Analisis pola belanja pelanggan
• Memisahkan minyak mentah dan gas alam
• Menentukan kelayakan seseorang dalam kredit KPR
• Penentuan pola pelanggan yang loyal pada perusahaan
operator telepon
• Deteksi pencucian uang dari transaksi perbankan
• Deteksi serangan (intrusion) pada suatu jaringan

60
61
 Contoh (1)
• Anda seorang manajer marketing untuk
perusahaan telepon cellular:
– Pelanggan menerima sebuah telepon gratis (nilai
1.5 juta) dengan kontrak satu tahun; anda
memberikan suatu komisi penjualan sebesar 2.5
juta per kontrak
– Problem: Turnover (setelah kontrak berakhir)
adalah 25%
– Memberikan suatu telepon baru ke setiap orang
yang kontraknya habis sangatlah mahal
– Membawa kembali customer setelah keluar
adalah juga sukar dan mahal
Pengantar DM
 Contoh (1)
• Tiga bulan sebelum suatu
kontrak berakhir, cari tahu
customer mana yang akan
Yippee! keluar:
I won't leave!
– Jika anda ingin
mempertahankan
customer yang diduga akan
keluar, tawarkan customer
tersebut suatu telepon baru

Pengantar DM
 Contoh (2)
• Anda seorang petugas
asuransi dan anda harus
mendefinisikan suatu
Oh, yes! pembayaran bulanan yang
I love my pantas untuk seorang pemuda
Ferrari! berusia 18 tahun yang
membeli sebuah Ferrari …
apa yang anda akan lakukan?

Pengantar DM
 Contoh (2)
• Kaji seluruh data customer dan data
kompensasi pembayaran sebelumnya
• Kaji peluang penyebab kecelakaan paling
banyak berdasarkan dugaan…
– Kelamin pengendara (pria/wanita) dan
usia
– Model dan usia mobil, tempat tinggal
– dsb.
• Jika peluang kecelakaan lebih besar dari
rata-rata, aturlah pembayaran bulanan
yang sesuai!
Pengantar DM
 Contoh (3)
• Anda berada diluar negeri dan seseorang
mencuri atau menggandakan kartu kredit
atau telepon mobile anda …
• Perusahaan kartu kredit …
– Menggunakan data histori untuk
membangun model prilaku penipuan dan
gunakan data mining untuk membantu
didalam mengenali kejadian yang mirip
• Perusahaan telepon …
– Menganalisis pola yang menyimpang dari
suatu kebiasaan yang diharapkan (tujuan,
durasi, dsb.)
Pengantar DM
 Contoh (4)

• Log pengaksesan Web bisa

dianalisis untuk …
Excellent surfing – Mendapatkan apa kesukaan customer
experience!
– Memperbaiki situs Web organisasi

• Demikian pula …
– Seluruh jenis analisis log informasi

– Adaptasi antarmuka/layanan user

Pengantar DM
Referensi
1. Jiawei Han and Micheline Kamber, Data Mining: Concepts and
Techniques Third Edition, Elsevier, 2012
2. Ian H. Witten, Frank Eibe, Mark A. Hall, Data mining: Practical
Machine Learning Tools and Techniques 3rd Edition, Elsevier, 2011
3. Markus Hofmann and Ralf Klinkenberg, RapidMiner: Data Mining
Use Cases and Business Analytics Applications, CRC Press Taylor &
Francis Group, 2014
4. Daniel T. Larose, Discovering Knowledge in Data: an Introduction
to Data Mining, John Wiley & Sons, 2005
5. Ethem Alpaydin, Introduction to Machine Learning, 3rd ed., MIT
Press, 2014
6. Florin Gorunescu, Data Mining: Concepts, Models and
Techniques, Springer, 2011
7. Oded Maimon and Lior Rokach, Data Mining and Knowledge
Discovery Handbook Second Edition, Springer, 2010
8. Warren Liao and Evangelos Triantaphyllou (eds.), Recent Advances
in Data Mining of Enterprise Data: Algorithms and Applications,
World Scientific, 2007

68