BAB II TINJAUAN PUSTAKA II.1 Data Mining Data mining

BAB II
TINJAUAN PUSTAKA
II.1 Data Mining
Data mining merupakan teknologi yang menggabungkan metoda analisis
tradisional dengan algoritma yang canggih untuk memproses data dengan volume
besar. Data mining adalah suatu istilah yang digunakan untuk menemukan
pengetahuan yang tersembunyi di dalamdatabase.Data mining merupakan proses
semi otomatik yang menggunakan teknik statistik, matematika, kecerdasanbuatan,
dan machine learning untuk mengekstraksi dan mengidentifikasi informasi
pengetahuan potensial dan berguna yang bermanfaat yang tersimpan di dalam
database besar. (Turban et al, 2005 ).
Beberapa definisi awal dari data mining meyertakan focus pada proses
otomatisasi. Berry danLinoff, (2004) dalam buku Data Mining Technique for
Marketing, Sales, and Customer Support mendefinisikan data mining sebagai
suatu proses eksplorasi dan analisis secara otomatis maupun semi otomatis
terhadap data dalam jumlah besar dengan tujuan menemukan pola atau aturan
yang berarti (Larose, 2006).
Analisis yang diotomatisasi yang dilakukanoleh data mining melebihi
yang dilakukan oleh sistem pendukung keputusan tradisional yang sudah banyak
digunakan. Data Mining dapat menjawab pertanyaan-pertanyaan bisnis yang
dengan caratradisional memerlukan banyak waktu dan cost tinggi. Data Mining
mengeksplorasi basis datauntuk menemukan pola-pola yang tersembunyi, mencari
informasi untuk memprediksi yangmungkin saja terlupakan oleh para pelaku
bisnis karena terletak di luar ekspektasi mereka.
Perkembangan
yang
cepat
dalam
teknologi
pengumpulan
dan
penyimpanan data telah memudahkan organisasi untuk mengumpulkan sejumlah
data berukuran besar, sehingga menghasilkan gunung data. Data Maining adalah
proses pencarian secara otomatis informasi yang berguna dalam tempat
Universitas Sumatera Utara
penyimpanan data berukuran besar. Istilah lain yang sering digunakan diantaranya
knowledge discovery (mining) indatabases (KDD).
Istilah data mining dan Knowledge Discovery in Database (KDD) sering
kali digunakan secara bergantian untuk menjelaskan proses penggalian informasi
tersembunyi dalam suatu basis data yang besar. Sebenarnya kedua istilah tersebut
memiliki konsep yang berbeda, tetapi berkaitan satu sama lain. Dan salah satu
tahapan dalam keseluruhan proses KDD adalah data mining.
II.2 Pengertian Teknik Data Mining
Ada beberapa definisi dari data mining yang dikenal diiantaranya adalah :
1. Data mining adalah serangkaian proses untuk menggali nilai tambah dari
suatu kumpulan data berupa pengetahuan yang selama ini tidak diketahui
secara manual.
2. Data mining adalah analisa otomatis dari data yang berjumlah besar atau
kompleks dengan tujuan untuk menemukan pola atau kecenderungan yang
penting yang biasanya tidak disadari keberadaannya
3. Data mining atau Knowledge Discovery in Databases (KDD) adalah
pengambilan informasi
yang tersembunyi, dimana informasi tersebut sebelumnya tidak dikenal
dan berpotensibermanfaat. Proses ini meliputi sejumlah pendekatan teknis
yang
berbeda,
seperti
clustering,
data
summarization,
learning
classification rules.
Teknik Data Maining digunakan untuk memeriksa basis data berukuran
besar sebagai cara untuk menemukan pola yang baru dan berguna. Tidak semua
pekerjaan pencarian informasi dinyatakan sebagai Data Maining. Sebagai contoh,
pencarian record individual menggunakan database management system atau
pencarian web tertentu melalui query kesemua searce engine adalah pekerjaan
pencarian informasi yang erat kaitannya dengan information retrieval. Teknikteknik data maining dapat digunakan untuk meningkatkan kemampuan sistemsistem information retrieval.
Universitas Sumatera Utara
II.2.1 Teknik Data Mining
Data mining adalah serangkaian proses untuk menggali nilai tambah dari suatu
kumpulandata berupa pengetahuan yang selama ini tidak diketahui secara manual.
Perlu diingat bahwa katamining sendiri berarti usaha untuk mendapatkan sedikit
data berharga dari sejumlah besar datadasar. Karena itu data mining sebenarnya
memiliki akar yang panjang dari bidang ilmu sepertikecerdasan buatan (artificial
intelligent), machine learning, statistik dan basisdata. Beberapa teknikyang sering
disebut-sebut dalam literatur data mining antara lain yaitu association rule
mining,clustering, klasifikasi, neural network, genetic algorithm dan lain-lain.
Model maupun hasil analisanya, salah satunya dengan kemampuan
pembelajaran yang dimiliki beberapa teknik data mining seperti klasifikasi.Data
mining adalah serangkaian proses untuk menggali nilai tambah dari suatu
kumpulandata berupa pengetahuan yang selama ini tidak diketahui secara manual.
Perlu diingat bahwa katamining sendiri berarti usaha untuk mendapatkan sedikit
data berharga dari sejumlah besar datadasar. Karena itu data mining sebenarnya
memiliki akar yang panjang dari bidang ilmu sepertikecerdasan buatan (artificial
intelligent), machine learning, statistik dan basisdata. Beberapa teknikyang sering
disebut-sebut dalam literatur data mining antara lain yaitu association rule
mining,clustering, klasifikasi, neural network, genetic algorithm dan lain-lain.
A. Classification
Suatu teknik dengan melihat pada kelakuan dan atribut dari kelompok yang
telahdidefinisikan.Teknik ini dapat memberikan klasifikasi pada data baru dengan
memanipulasi datayang ada yang telah diklasifikasi dan dengan menggunakan
hasilnya untuk memberikan sejumlahaturan. Aturan-aturan tersebut digunakan
pada data-data baru untuk diklasifikasi. Teknik inimenggunkan supervised
induction, yang memanfaatkan kumpulan pengujian dari record yangterklasifikasi
untuk menentukan kelas-kelas tambahan. Salah satu contoh yang mudah dan
populeradalah dengan Decision tree yaitu salah satu metode klasifikasi yang
paling populer karena mudahuntuk diinterpretasi. Decision tree adalah model
Universitas Sumatera Utara
prediksi menggunakan struktur pohon atau strukturberhirarki.Decision tree adalah
struktur flowchart yang menyerupai tree (pohon), dimana setiapsimpul internal
menandakan suatu tes pada atribut, setiap cabang merepresentasikan hasil tes,
dansimpul daun merepresentasikan kelas atau distribusi kelas. Alur pada decision
tree di telusuri darisimpul akar ke simpul daun yang memegang prediksikelas
untuk contoh tersebut. Decision tree mudah untuk dikonversi ke aturan
klasifikasi(classification rules)
Gambar 2.1 Contoh decision tree
B. Association
Digunakan untuk mengenali kelakuan dari kejadian-kejadian khusus atau proses
dimanalink asosiasi muncul pada setiap kejadian. Contoh dari aturan assosiatif
dari analisa pembelian disuatu pasar swalayan adalah bisa diketahui berapa besar
kemungkinan seorang pelanggan membeliroti bersamaan dengan susu. Dengan
pengetahuan tersebut pemilik pasar swalayan dapat mengaturpenempatan
barangnya atau merancang kampanye pemasaran dengan memakai kupon diskon
Universitas Sumatera Utara
untukkombinasi barang tertentu.Penting tidaknya suatu aturan assosiatif dapat
diketahui dengan dua parameter, supportyaitu prosentasi kombinasi atribut
tersebut dalam basisdata dan confidence yaitu kuatnya hubunganantar atribut
dalam aturan asosiatif.Motivasi awal pencarian association rule berasal dari
keinginanuntuk menganalisa data transaksi supermarket, ditinjau dari perilaku
customer dalam membeliproduk. Association rule ini menjelaskan seberapa sering
suatu produk dibeli secara bersamaan.Sebagai contoh, association rule “beer
=>diaper (80%)” menunjukkan bahwa empat dari limacustomer yang membeli
beer juga membeli diaper. Dalam suatu association rule X =>Y, X disebutdengan
antecedent dan Y disebut dengan consequent.Rule.
C.
Clustering
Digunakan untuk menganalisis pengelompokkan berbeda terhadap data, mirip
denganklasifikasi,
namun
pengelompokkan
belum
didefinisikan
sebelum
dijalankannya tool data mining. Biasanya menggunkan metode neural network
atau statistik. Clustering membagi item menjadi kelompok-kelompok berdasarkan
yang ditemukan tool data mining.Prinsip dari clustering adalah memaksimalkan
kesamaan antar anggota satu kelas danmeminimumkan kesamaan antar cluster.
Clustering dapat dilakukan pada data yang memilikibeberapa atribut yang
dipetakan sebagai ruang multidimensi.
Ilustrasi dari clustering dapat dilihatdi Gambar 3 dimana lokasi,
dinyatakan dengan bidang dua dimensi, dari pelanggan suatu tokodapat
dikelompokkan menjadi beberapa cluster dengan pusat cluster ditunjukkan oleh
tanda positif(+).
Banyak algoritma clustering memerlukan fungsi jarak untuk mengukur
kemiripan antar data,diperlukan juga metoda untuk normalisasi bermacam atribut
yang dimiliki data.
Gambar 2.2 : Contoh klasterisasi
Universitas Sumatera Utara
II.3 Definisi Data Mining
Kemajuan dalam pengumpulan data dan teknologi penyimpanan yang
cepatmemungkinkan organisasi menghimpun jumlah data yang sangat luas. Alat
dan teknik analisis datayang tradisional tidak dapat digunakan untuk mengektrak
informasi dari data yang sangat besar.Untuk itu diperlukan suatu metoda baru
yang dapat menjawab kebutuhan tersebut. Data miningmerupakan teknologi yang
menggabungkan metoda analisis tradisional dengan algoritma yangcanggih untuk
memproses data dengan volume besar.
II.4 Tahapan Data Mining
Salah satu tuntutan dari data mining ketika diterapkan pada data berskala besar
adalahdiperlukan metodologi sistematis tidak hanya ketika melakukan analisa saja
tetapi juga ketikamempersiapkan data dan juga melakukan interpretasi dari
hasilnya sehingga dapat menjadi aksiataupun keputusan yang bermanfaat.Data
mining seharusnya dipahami sebagai suatu proses, yang memiliki tahapantahapantertentu dan juga ada umpan balik dari setiap tahapan ke tahapan
sebelumnya. Pada umumnyaproses data mining berjalan interaktif karena tidak
jarang hasil data mining pada awalnya tidaksesuai dengan harapan analisnya
sehingga perlu dilakukan desain ulang prosesnya.
Universitas Sumatera Utara
Gambar 2.3. Tahap-Tahap Data Mining
Sebagai suatu rangkaian proses, data mining dapat dibagi menjadi
beberapa tahap yangdiilustrasikan di Gambar 1. Tahap-tahap tersebut. bersifat
interaktif di mana pemakai terlibatlangsung atau dengan perantaraan knowledge
base.
1.
Pembersihan
data,
Digunakan
untuk
membuang
data
yang
tidakkonsisten dan noise
2.
Intergrasi Data, Data yang diperlukan untuk data mining tidak hanya
berasal dari satu database tetapi juga berasal dari beberapa database
atau file teks. Hasil integrasi data sering diwujudkan dalam sebuah
datawarehouse karena dengan data warehouse, data dikonsolidasikan
dengan struktur khusus yangefisien. Selain itu data warehouse juga
memungkinkan tipe analisa seperti OLAP.
Universitas Sumatera Utara
3.
Transformasi data,Transformasi dan pemilihan data ini untuk
menentukan kualitas dari hasil data mining, sehinggadata diubah
menjadi bentuk sesuai untuk di-Mining.
4.
Aplikasi Teknik Data Mining,Aplikasi teknik data mining sendiri
hanya merupakan salah satu bagian dari proses data mining Ada
beberapa teknik data mining yang sudah umum dipakai.
5.
Evaluasi pola yang ditemukan,Dalam tahap ini hasil dari teknik data
mining berupa pola-pola yang khas maupun model prediksidievaluasi
untuk menilai apakah hipotesa yang ada memang tercapai.
6.
Presentasi Pengetahuan,Presentasi pola yang ditemukan untuk
menghasilkan aksi tahap terakhir dari proses data miningadalah
bagaimana memformulasikan keputusan atau aksi dari hasil analisa
yang didapat.
Sesuai yang tercantum dalam buku “Advances in Knowledge Discovery
danData mining” terdapat definisi sebagai berikut: Knowledge discovery (data
mining) in databases (KDD) adalah keseluruhan proses non-trivial untuk mencari
dan mengidentifikasi pola (pattern) dalam data, dimana pola yang ditemukan
bersifat sah (valid), baru (novel), dapat bermanfaat (potentially usefull), dapat
dimengerti (ultimately understandable)[2].Istilah data mining dan knowledge
discovery in databases (KDD) sering kali digunakan secara bergantian untuk
menjelaskan proses penggalian informasi tersembunyi dalam suatu basis data
yang besar. Sebenarnya kedua istilah tersebut memiliki konsep yang berbedaakan
tetapi berkaitan satu sama lain. Dan salah satu tahapan dalam keseluruhan proses
KDD adalah data mining. Proses KDD secara garis besar dapat dijelaskan sebagai
berikut[2]:
1. Data Selection
Pemilihan (seleksi) data dan sekumpulan data operasional perlu
dilakukan sebelum tahap penggalian informasi dalam KDD dimulai. Data
hasil seleksi yang akan digunakan untuk proses data mining, disimpan
dalam suatu berkas, terpisahdari basis data operasional.
Universitas Sumatera Utara
2. Pre-processing/ Cleaning
Sebelum proses data mining dapat dilaksanakan, perlu dilakukan proses
cleaningpada data yang menjadi focus KDD. Proses cleaning mencakup
antara lain membuang duplikasi data, memeriksa data yang inkonsisten,
dan memperbaiki kesalahan pada data, seperti kesalahan cetak
(tipografi).
Juga
dilakukan
proses
enrichment,
yaitu
proses
“memperkaya” data yang sudah ada dengan data atau informasi lain yang
relevan dan diperlukan untuk KDD, seperti data atau informasi eksternal.
3. Transformation
Codinga dalah proses transformasipada data yang telah dipilih, sehingga
data tersebut sesuai untuk proses data mining. Proses coding dalam KDD
merupakan proses kreatif dan sangat tergantung pada jenis atau pola
informasi yang akan dicari dalam basis data
4. Data mining
Data mining adalah proses mencari pola atau informasi menarik dalam
data terpilih dengan menggunakan teknik atau metode tertentu. Teknik,
metode, atau algoritma dalam data mining sangat bervariasi. Pemilihan
metode atau algoritma yang tepat sangat bergantung pada tujuan dan
proses KDD secara keseluruhan.
5. Interpretation/ Evaluation
Pola informasi yang dihasilkan dari proses data mining perlu ditampilkan
dalam bentuk yang mudah dimengerti oleh pihak yang berkepentingan.
Tahap ini merupakan bagian dari proses KDD yang disebut dengan
interpretation.
Tahap ini mencakup pemeriksaan apakah pola atau informasi yang
ditemukan bertentangan dengan fakta atau hipotesa yang ada sebelumnya.Proses
KDD secara garis besar memang terdiri dari 5 tahap seperti yang telah dijelaskan
sebelumnya. Akan tetapi, dalam proses KDD yang sesungguhnya, dapat saja
terjadi iterasi atau pengulangan pada tahap-tahap tertentu. Pada setiap tahap dalam
proses KDD, seorang analis dapat saja kembali ketahap sebelumnya. Sebagai
Universitas Sumatera Utara
contoh, pada saat coding atau data mining, analis menyadari proses cleaning
belum dilakukan dengan sempurna, atau mungkin saja analis menemukan data
atau informasi baru untuk “memperkaya” data yang sudah ada.
II.5 Arsitektur Sistem Data mining
Data mining merupakan proses pencarian pengetahuan yang menarik dari data
berukuran besar yang disimpan dalam basis data, data warehouse atau tempat
penyimpanan informasi lainnya. Dengan demikian arsitektur sistem data mining
memiliki komponen-komponen utama yaitu:
1. Basis data, data warehouse atau tempat penyimpanan informasi lainnya.
2. Basis data dan data warehouse server. Komponen ini bertanggung jawab
dalam pengambilan relevant data, berdasarkan permintaan pengguna.
3. Basis pengetahuan. Komponen ini merupakan domain knowledge yang
digunakan untuk memandu pencarian atau mengevaluasi pola-pola yang
dihasilkan. Pengetahuan tersebut meliputi hirarki konsep yang digunakan
untuk mengorganisasikan atribut atau nilai atribut ke dalam level
abstraksi yang berbeda. Pengetahuan tersebut juga dapat berupa
kepercayaan pengguna (user belief), yang dapat digunakan untuk
menentukan kemenarikan pola yang diperoleh. Contoh lain dari domain
knowledge adalah threshold dan metadata yang menjelaskan data dari
berbagai sumber yang heterogen.
4. Data mining engine. Bagian ini merupakan komponen penting dalam
arsitektur sistem data mining. Komponen ini terdiri modul-modul
fungsional data mining seperti karakterisasi, asosiasi, klasifikasi, dan
analisis cluster.
5. Modul evaluasi pola. Komponen ini menggunakan ukuran-ukuran
kemenarikan dan berinteraksi dengan modul data mining dalam
pencarian pola-pola menarik. Modul evaluasi pola dapat menggunakan
threshold kemenaikan untuk mem-filter pola-pola yang diperoleh.
Universitas Sumatera Utara
6. Antarmuka pengguna grafis. Modul ini berkomunikasi dengan pengguna
dan sistem data mining. Melalui modul ini, pengguna berinteraksi dengan
sistem mengan menentukan kueri atau task data mining. Antarmuka juga
menyediakan informasi untuk memfokuskan pencarian dan melakukan
eksplorasi data mining berdasarkan hasil data mining antara. Komponen
ini juga memungkinkan pengguna untuk mencari (browse) basis data dan
skema data warehouse atau struktur data, evaluasi pola yang diperoleh
dan visualisasi pola dalam berbagai bentuk.
Data mining dapat diaplikasikan pada berbagai jenis penyimpanan data
seperti basis data relational, data warehouse, transactional database, objectoriented and object-relational databases, spatial databases, time-series data and
temporal data, text databases and multimedia databases, heterogeneous and legacy
databases dan WWW.
1. Basis data Relasional Basis data relasional merupakan koleksi dari table.
Setiap table berisi atribut (field) dan biasanya menyimpan sejumlah besar
tuple (record). Setiap tuple dalam table relasional merepesentasikan
sebuah objek yang diidentifikasikan oleh kunci unik dan dideskripsikan
oleh sekumpulan nilai atribut. Data relasional dapat diakses oleh kueri
basis data yang ditulis dalam bahasa kueri relasional seperti SQL atau
dengan bantuan antarmuka pengguna grafis.
2. Data warehouse Data warehouse merupakan tempat penyimpanan
informasi yang dikumpulkan dari berbagai sumber, disimpan dalam skema
yang dipersatukan (unified schema) dan biasanya bertempat pada tempat
penyimpanan tunggal. Data warehouse dikonstruksi melalui sebuah proses
data cleaning, data transformation, data integration, data loading dan
periodic data refreshing.
Untuk memfasilitasi proses pembuatan keputusan, data dalam data
warehouse diorganisasikan ke dalam subjek utama seperti customer, item,
Universitas Sumatera Utara
supplier atau aktivitas. Data disimpan untuk menyediakan informasi dari
perspektif sejarah (seperti 5-10 tahun yang lalu) dan biasanya data tersebut
diringkas (summarized). Sebagai contoh, daripada menyimpan data rinci dari
transaksi penjualan, data warehouse dapat menyimpan ringkasan dari transaksi
per tipe item untuk setiap toko atau diringkas dalam level yang lebih tinggi seperti
daerah pemasaran.
Data
warehouse
biasanya
dimodelkan
oleh
struktur
basis
data
multidimensional, dimana setiap dimensi berkaitan dengan sebuah atribut atau
sekumpulan atribut dalam skema, dan setiap sel menyimpan nilai dari ukuran
agregasi seperti count dan sales_amount. Struktur fisik dari data warehouse dapat
berupa
penyimpanan
basis
data
relasional
atau
sebuah
kubus
data
multidimensional.
Selain data warehouse, terdapat istilah penyimpanan data yang lain yaitu
data mart. Sebuah data warehouse mengumpulkan informasi mengenai subjeksubjek yang menjangkau seluruh organisasi, dengan demikian cakupannya
enterprise-wide. Sedangkan data mart merupakan sub bagian dari data
warehouse. Fokus data mart adalah pada subjek yang dipilih dan dengan
demikian cakupannya adalah department-wide.
3. Basis data Transaksional Secara umum, basis data transaksional terdiri dari
sebuah file dimana setiap record merepresentasikan transaksi. Sebuah
transaksi biasanya meliputi bilangan identitas transaksi yang unik
(trans_id), dan sebuah daftar dari item yang membuat transaksi (seperti
item yang dibeli dalam sebuah took). Basis data transaksi dapat memiliki
tabel tambahan, yang mengandung informasi lain berkaitan dengan
penjualan seperti tanggal transaksi, customer ID number, ID number dari
sales person dan dari kantor cabang (branch) dimana penjualan terjadi.
Universitas Sumatera Utara
II.6 Tugas-tugas dalam Data mining
Tugas-tugas dalam data mining secara umum dibagi ke dalam dua kategori utama:
1. Prediktif. Tujuan dari tugas prediktif adalah untuk memprediksi nilai dari
atribut tertentu berdasarkan pada nilai dari atribut-atribut lain. Atribut
yang diprediksi umumnya dikenal sebagai target atau variabel tak bebas,
sedangkan atribut-atribut yang digunakan untuk membuat prediksi dikenal
sebagai explanatory atau variabel bebas.
2. Deskriptif. Tujuan dari tugas deskriptif adalah untuk menurunkan polapola (korelasi, trend, cluster, trayektori, dan anomali) yang meringkas
hubungan yang pokok dalam data. Tugas data mining deskriptif sering
merupakan penyelidikan dan seringkali memerlukan teknik postprocessing
untuk validasi dan penjelasan hasil.
Berikut adalah tugas-tugas dalam data mining:
1. Analisis Asosiasi (Korelasi dan kausalitas)
Analisis asosiasi adalah pencarian aturan-aturan asosiasi yang menunjukkan
kondisi-kondisi nilai atribut yang sering terjadi bersama-sama dalam
sekumpulan data. Analisis asosiasi sering digunakan untuk menganalisa
market basket dan data transaksi.
Aturan-aturan asosiasi memiliki bentuk X ⇒ Y, bahwa A1 ∧ A2 ∧ … ∧ Am
→ B1 ∧ B2 ∧ … ∧ Bn, dimana Ai (untuk i = 1, 2, …, m) dan Bj (untuk j = 1,
2, …,
n) adalah pasangan-pasangan nilai atribut. Aturan asosiasi X ⇒ Y
diinterpretasikan sebagai tuple-tuple basis data yang memenuhi kondisikondisi dalam X juga mungkin memenuhi kondisi dalam Y.
Contoh dari aturan asosiasi adalah age(X, “20..29”) ^ income(X,
“20..29K”) ⇒ buys(X, “PC”) [support = 2%, confidence = 60%]
contains(T, “computer”) ⇒ contains(x, “software”) [1%, 75%]
Universitas Sumatera Utara
Klasifikasi dan Prediksi Klasifikasi adalah proses menemukan model
(fungsi) yang menjelaskan dan membedakan kelas-kelas atau konsep, dengan
tujuan agar model yang diperoleh dapat digunakan untuk memprediksikan kelas
atau objek yang memiliki label kelas tidak diketahui. Model yang turunkan
didasarkan pada analisis dari training data (yaitu objek data yang memiliki label
kelas yang diketahui). Model yang diturunkan dapat direpresentasikan dalam
berbagai bentuk seperti aturan IF-THEN klasifikasi, pohon keputusan, formula
matematika atau jaringan syarf tiruan.
Dalam banyak kasus, pengguna ingin memprediksikan nilai-nilai data
yang tidak tersedia atau hilang (bukan label dari kelas). Dalam kasus ini biasanya
nilai data yang akan diprediksi merupakan data numeric. Kasus ini seringkali
dirujuk sebagai prediksi. Di samping itu, prediksi lebih menekankan pada
identifikasi trend dari distribusi berdasarkan pada data yang tersedia.
1.
Analisis Cluster Tidak seperti klasifikasi dan prediksi, yang menganalisis
objek data yang diberi label kelas, clustering menganalisis objek data
dimana label kelas tidak diketahui. Clustering dapat digunakan untuk
menentukan label kelas tidak diketahui dengan cara mengelompokkan data
untuk membentuk kelas baru. Sebabai contoh clustering rumah untuk
menemukan
pola
distribusinya.
Prinsip
dalam
clustering
adalah
memaksimumkan kemiripan intra-class dan meminimumkan kemiripan
interclass.
2.
Analisis Outlier Outlier merupakan objek data yang tidak mengikuti
perilaku umum dari data. Outlier dapat dianggap sebagai noise atau
pengecualian. Analisis data outlier dinamakan outlier mining. Teknik ini
berguna dalam fraud detection dan rare events analysis.
3.
Analisis Trend dan Evolusi Analisis evolusi data menjelaskan dan
memodelkan trend dari objek yang memiliki perilaku yang berubah setiap
Universitas Sumatera Utara
waktu. Teknik ini dapat meliputi karakterisasi, diskriminasi, asosiasi,
klasifikasi, atau clustering dari data yang berkaitan dengan waktu.
Data mining merupakan bidang interdisplin. Disiplin ilmu ini banyak
dipengaruhi oleh disiplin sistem basis data, statistika, ilmu informasi,
mesinpembelajaran, dan visualisasi. Sistem data mining dapat diklasifsikasikan
berdasarkan beberapa kategori, yaitu :
1. Klasifikasi berdasarkan data yang akan di-mine seperti relational,
transactional, object-oriented, object-relational, spatial, time-series, text,
multi-media dan www.
2. Klasifikasi berdasarkan pengetahuan yang akan di-mine, yaitu berdasarkan
fungsionalitas data mining seperti karakterisasi, diskriminasi, asosiasi,
klasifikasi, clustering, analisis outlier dan analisis evolusi. Sistem data
mining yang komprehensif biasanya menyediakan beberapa fungsi-fungsi
data mining.
3. Klasifikasi berdasarkan teknik yang akan digunakan seperti databaseoriented,
data
warehouse
(OLAP),
machine learning,
Statistics,
Visualization dan neural network.
4. Klasifikasi berdasarkan aplikasi yang diadaptasi, sebagai contoh system
data mining untuk keuangan, telekomunikasi, DNA, dan e-mail.
II.7 Pengertian SSVM (Smooth Support Vektor Machine).
Support Vector Machine (SVM) pertama kali diperkenalkan oleh Vapnik pada
tahun 1992 sebagai rangkaianharmonis konsep-konsep unggulan dalam bidang
pattern recognition. Sebagai salah satu metode pattern recognition,usia SVM
terbilang masih relatif muda. Walaupun demikian, evaluasi kemampuannya dalam
berbagai aplikasinyamenempatkannya sebagai state of the art dalam pattern
recognition. SVM adalah metode learning machine yang bekerja atas prinsip
Structural RiskMinimization (SRM) dengan tujuan menemukan hyperplane
terbaik yang memisahkan dua buah class pada inputspace. Tulisan ini membahas
Universitas Sumatera Utara
teori dasar SVM dan aplikasinya dalam bioinformatika, khususnya pada
analisaekspresi gen yang diperoleh dari analisa microarray.Konsep SVM dapat
dijelaskan secara sederhanasebagai usaha mencari hyperplaneterbaik yangberfungsi
sebagai pemisah dua buah class padainput space.
Konsep dasar SVMsebenarnya merupakan kombinasi harmonis dariteori-teori
komputasi yang telah ada puluhantahun sebelumnya, seperti margin hyperplane(Duda &
Hart tahun 1973, Cover tahun 1965,Vapnik 1964, dsb.), kernel diperkenalkan
olehAronszajn tahun 1950, dan demikian jugadengan konsep-konsep pendukung yang
lain.
Akan tetapi hingga tahun 1992, belum pernahada upaya merangkaikan komponenkomponentersebut.
II.7.1 KARAKTERISTIK SVM
Karakteristik SVM sebagaimana telah dijelaskanpada bagian sebelumnya, dirangkumkan
sebagaiberikut:
1. Secara prinsip SVM adalah linear classifier
2. Pattern recognition dilakukan denganmentransformasikan data pada input
spaceke ruang yang berdimensi lebih tinggi, danoptimisasi dilakukan pada ruang
vector yangbaru tersebut. Hal ini membedakan SVMdari solusi pattern
recognition padaumumnya, yang melakukan optimisasiparameter pada ruang
hasil transformasiyang berdimensi lebih rendah daripadadimensi input space.
3. Menerapkan strategi Structural RiskMinimization (SRM)
4. Prinsip kerja SVM pada dasarnya hanyamampu menangani klasifikasi dua class.
II.7. 2 KELEBIHAN DAN KEKURANGAN SVM
Dalam
memilih
solusi
untuk
menyelesaikansuatu
masalah,
kelebihan
dan
kelemahanmasing-masing metode harus diperhatikan.Selanjutnya metode yang tepat
dipilih denganmemperhatikan karakteristik data yang diolah.Dalam hal SVM, walaupun
berbagai studi telahmenunjukkan kelebihan metode SVMdibandingkan metode
konvensional lain, SVMjuga memiliki berbagai kelemahan. KelebihanSVM antara lain
sbb.
Universitas Sumatera Utara
1.
Generalisasi
Generalisasi
didefinisikan
sebagaikemampuan
suatu
metode
(SVM,
neuralnetwork, dsb.) untuk mengklasifikasikansuatu pattern, yang tidak
termasuk data yangdipakai dalam fase pembelajaran metode itu.Vapnik
menjelaskan bahwa generalizationerror dipengaruhi oleh dua faktor:
errorterhadap training set, dan satu faktor lagiyang dipengaruhi oleh dimensi
VC(Vapnik-Chervokinensis). Strategipembelajaran pada neural network
danumumnya
metode
learning
machinedifokuskan
pada
usaha
untukmeminimimalkan error pada training-set.Strategi ini disebut Empirical
RiskMinimization (ERM). Adapun SVM selainmeminimalkan error pada
training-set, jugameminimalkan faktor kedua. Strategi inidisebut Structural
Risk Minimization (SRM),dan dalam SVM diwujudkan denganmemilih
hyperplane dengan margin terbesar.Berbagai studi empiris menunjukkan
bahwapendekatan SRM pada SVM memberikanerror generalisasi yang lebih
kecil daripadayang diperoleh dari strategi ERM padaneural network maupun
metode yang lain.
2.
Curse of dimensionality.
Curse of dimensionality didefinisikansebagai masalah yang dihadapi
suatumetode
pattern
recognition
dalammengestimasikan
parameter
(misalnyajumlah hidden neuron pada neural network,stopping criteria dalam
proses pembelajarandsb.) dikarenakan jumlah sampel data yangrelatif sedikit
dibandingkan dimensionalruang vektor data tersebut. Semakin tinggidimensi
dari
ruang
vektor
informasi
yang
diolah,
membawa
konsekuensi
dibutuhkannya jumlah data dalam proses pembelajaran. ada kenyataannya
seringkali terjadi, data yang diolah berjumlah terbatas, dan untuk
mengumpulkan data yang lebih banyak tidak mungkin dilakukan karena
kendala biaya dan kesulitan teknis. Dalam kondisi tersebut, jika metode itu
“terpaksa”harus
bekerja
pada
data
yang
berjumlah
relatif
sedikit
dibandingkan dimensinya,akan membuat proses estimasi parameter metode
menjadi sangat sulit.Curse of dimensionality sering dialami dalam aplikasi di
Universitas Sumatera Utara
bidang biomedicalengineering, karena biasanya data biologi yang tersedia
sangat terbatas, dan penyediaannya memerlukan biaya tinggi.Vapnik
membuktikan bahwa tingkat generalisasi yang diperoleh oleh SVM tidak
dipengaruhi oleh dimensi dari input vector. Hal ini merupakan alasan
mengapa SVM merupakan salah satu metode yang tepat dipakai untuk
memecahkan masalah berdimensi tinggi, dalam keterbatasan sampel data
yang ada.
3.
Landasan teoriSebagai metode yang berbasis statistik,SVM memiliki
landasan teori yang dapatdianalisa dengan jelas, dan tidak bersifat.
Universitas Sumatera Utara