BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Database Definisi

BAB 2
LANDASAN TEORI
2.1
Konsep Dasar Database
Definisi database adalah kumpulan data yang saling berhubungan (relasi). Istilah
tersebut biasa digunakan pada sistem-sistem yang terkomputerisasi. Dalam pengertian
umum, database diartikan sebagai gabungan dari elemen-elemen data yang berhubungan
dan terorganisir.
Relasi biasanya ditunjukan dengan kunci dari tiap file yang ada. Dalam satu file
terdapat record-record yang sejenis, sama besar, sama bentuk, yang merupakan satu
kumpulan entitas yang seragam. Satu record terdiri dari field yang saling berhubungan
menunjukan bahwa field tersebut dalam satu pengertian yang lengkap dan direkam
dalam satu record. Dari pengertian diatas dapat disimpulkan bahwa database
mempunyai beberapa kriteria penting, yaitu:
1. Bersifat data oriented dan bukan program oriented.
2. Dapat digunakan oleh beberapa program aplikasi tanpa perlu mengubah
database-nya.
3. Dapat dikembangkan dengan mudah, baik volume maupun strukturnya.
4. Dapat memenuhi kebutuhan sistem-sistem baru secara mudah.
5. Dapat digunakan dengan cara-cara yang berbeda.
9
2.1.1
Tujuan Database
Prinsip utama database adalah pengaturan data dengan tujuan utama fleksibelitas
dan kecepatan dalam pengambilan data kembali. Adapun tujuan database diantaranya
adalah sebagai berikut.
1. Efisiensi meliputi speed, space dan accurancy.
2. Menangani data dalam jumlah besar.
3. Kebersamaan pemakaian (Sharebility).
4. Meniadakan duplikasi dan inkonsistensi data.
2.1.2
Kriteria Database
Ada beberapa ketentuan yang harus diperhatikan pada pembuatan file database
agar dapat memenuhi kriteria sebagai suatu database, yaitu :
− Redudansi dan inkonsistensi data: Penyimpanan data yang sama dibeberapa
tempat disebut redundansi, hal ini menyebabkan pemborosan dan menimbulkan
inkonsistensi data (data tidak konsisten) karena bila terjadi perubahan terhadap
data maka data harus dirubah dibeberapa tempat, hal ini tentunya tidak efisien.
− Pengaksesan data: Data dalam basis data harus siap diakses oleh siapa saja yang
membutuhkan dan mempunyai hak untuk mengaksesnya. Oleh karena itu perlu
dibuat suatu program pengelolaan atau suatu aplikasi untuk mengakses data yang
dikenal sebagai Database Management System (DBMS).
− Data terisolasi untuk standarisasi: Jika data tersebar dalam beberapa file dalam
bentuk format yang tidak sama, maka akan menyulitkan dalam menulis program
aplikasi untuk mengambil dan menyimpan data, oleh karena itu data dalam satu
database harus dibuat satu format sehingga mudah dibuat program aplikasinya.
10
− Masalah keamanan (security): Tidak setiap pemakai sistem database
diperbolehkan untuk mengakses semua data, misalnya data mengenai gaji
pegawai hanya boleh dibuka oleh bagian keuangan dan personalia, sedang bagian
gudang tidak diperkenankan untuk membukanya. Keamanan dapat diatur dan
disesuaikan baik ditingkat database atau aplikasinya.
− Masalah integritas (Integrity): Database berisi file yang saling berhubungan,
masalah utama adalah bagaimana kaitan antar file tersebut terjadi meski
diketahui bahwa file A terkait dengan file B, namun secara teknis ada field yang
mengaitkan kedua file tersebut oleh karena itu field kunci tidak dapat diabaikan
dalam merancang suatu database.
− Multiple user : Salah satu alasan database dibangun adalah karena nantinya data
tersebut digunakan oleh banyak orang, baik dalam waktu berbeda maupun
bersamaan sehingga kebutuhan akan database handal yang mendukung banyak
pemakai perlu dipertimbangkan.
− Data independence (kebebasan data) : Pada aplikasi yang dibuat dengan bahasa
pemrograman, apabila program telah selesai dibuat dan ternyata terjadi
perubahan terhadap struktur file maka program tersebut harus diubah, ini artinya
program tersebut tidak bebas terhadap database yang ada. Berlainan dengan
paket Database Management System (DBMS) apapun yang terjadi pada struktur
file, setiap kali hendak melihat data cukup dengan utility LIST. Ini artinya
perintah Database Management System (DBMS) bebas terhadap database karena
apapun perubahan terhadap database, semua perintah akan stabil tanpa ada yang
perlu diubah.
11
Data independence dapat dibagi menjadi dua bagian, yaitu :
− Phisycal Data Independence: Kebolehan untuk mengubah pola fisik database
tanpa mengakibatkan suatu aplikasi program ditulis kembali. Modifikasi pada
level fisik biasanya hanya pada saat meningkatkan daya guna.
− Logical Data Independence: Kebolehan mengubah pola konseptual tanpa
mengakibatkan suatu aplikasi program ditulis kembali. Modifikasi pada level
konseptual teristimewa saat struktur logika database berubah, ditambahkan atau
dikurangi.
2.1.3
Abstraksi Data
Kegunaan utama sistem basis data adalah agar pemakai mampu menyusun suatu
pandangan abstraksi dari data. Bayangan mengenai data tidak lagi memperhatikan
kondisi sesungguhnya bagaimana satu data masuk ke database disimpan dalam sektor
mana, tetapi menyangkut secara menyeluruh bagaimana data tersebut dapat
diabstraksikan mengenai kondisi yang dihadapi oleh pemakai sehari-hari. Sistem yang
sesungguhnya, tentang teknis bagaimana data disimpan dan dipelihara seakan-akan
disembunyikan kerumitannya dan kemudian diungkapkan dalam bahasa dan gambar
yang mudah dimengerti oleh orang awam.
Ada tiga kelompok pemakai dalam tingkatan abstraksi saat memandang suatu
database, yaitu:
− Level Fisik : Level ini merupakan level abstraksi paling rendah karena
menggambarkan bagaimana data disimpan dalam kondisi sebenarnya.
− Level Konseptual : Level ini menggambarkan data apa yang disimpan dalam
database dan hubungan relasi yang terjadi antara data dari keseluruhan database.
12
Pemakai tidak memperdulikan kerumitan dalam struktur level fisik lagi,
penggambaran cukup dengan memakai kotak, garis dan hubungan secukupnya.
− Level Pandangan Pemakai (View level): Level ini merupakan level abstraksi data
tertinggi yang menggambarkan hanya sebagian saja yang dilihat dan dipakai dari
keseluruhan database, hal ini disebabkan beberapa pemakai database tidak
membutuhkan semua isi database.
2.1.4
Komponen Utama Database
Ada 4 komponen utama dalam database, yaitu:
− Data, yang secara fisik menyimpan informasi-informasi.
− Database Management System (DBMS) yaitu perangkat lunak yang mengelola
database.
− Data Description Languages (DDL) dan Data Manipulation Languages (DML),
yaitu bahasa basis data yang berfungsi untuk mendeskripsikan data ke Database
Management System (DBMS) dan juga memberi fasilitas untuk perubahan,
pemeliharaan, dan pengelolaan database.
− Program aplikasi yang memudahkan pengguna akhir untuk menggunakan data
dan mendapatkanya sebagai informasi yang sesuai.
13
2.2
Data Warehouse
Datawarehouse merupakan kumpulan data dari berbagai resource, yang
disimpan dalam suatu gudang data (repository) dalam kapasitas besar. Datawarehouse
biasa diartikan juga sebagai kumpulan dari data mart. Data warehouse memungkinkan
user untuk memeriksa history data dan melakukan analisis terhadap data sehingga dapat
mengambil keputusan berdasarkan analisa yang dibuat. Data Warehouse membantu para
pekerja teknologi (manager,executive,analyst) untuk pengambilan keputusan yang lebih
cepat dan mudah.
Secara tradisional, gudang (warehouse) digunakan untuk menyimpan barangbarang dengan cara tertentu supaya dapat ditemukan, dikenali dan diambil kembali
dengan cepat. Fungsi data warehouse hampir sama dengan gudang secara tradisional.
(http//:www.techrepublic.com)
Dalam sebuah perusahaan, umumnya data disimpan dalam banyak database.
Masing-masing database terpisah menurut sistemnya masing-masing dan tidak
terintegrasi menjadi satu. Misalkan data untuk profil customer, marketing, payroll dan
sebagainya. Data warehouse digunakan untuk menggabungkan data ke pusat data dan
disusun untuk membuat analisis yang lebih mudah.
2.2.1
Manfaat Data Warehouse
Adapun berbagai manfaat dari data warehouse sebagai berikut.
− Kemampuan mengakses data yang berskala perusahaan.
− Kemampuan memiliki data yang konsisten.
− Dapat melakukan analisis secara cepat.
− Dapat digunakan untuk mencari redundansi usaha di perusahaan.
14
− Menemukan gap antara pengetahuan bisnis dengan proses bisnis.
− Meminimalkan biaya administrasi.
− Meningkatkan kinerja pegawai perusahaan untuk dapat melakukan tugasnya
dengan lebih efektif.
2.2.2
Karakteristik Data Warehouse
Data warehouse mempunyai karakteristik sebagai berikut.
− Subject Oriented: Data warehouse berfokus pada entitas-entitas bisnis level
tinggi.
− Integrated: Data disimpan dalam format yang konsisten (dalam konvensi
penamaan, constraint domain, atribut fisik dan pengukuran).
− Time variant: Data diasosiasikan dengan suatu titik waktu.
− Non-volatile: Data yang berasal dari banyak resource terbebut tidak dapat diubah
karena bersifat read only.
Data warehouse adalah sebagai sebagai subject-oriented, terintegrasi, tidak
mudah berubah (konsisten) dan merupakan kumpulan data yang mendukung keputusan
manajemen. (Connolly dan Begg, 2002, p147)
15
Istilah-istilah yang berkaitan dengan data warehouse :
1. ETL (Extract Transfer Load) adalah komponen perangkat lunak yang berfungsi
untuk mengekstraksi data dari aplikasi ke dalam data mart.
2. Data Mart adalah suatu bagian pada data warehouse yang mendukung
pembuatan laporan dan analisa data pada suatu unit, bagian atau operasi pada
suatu perusahaan.
3. Dimension Table merupakan tabel yang berisikan kategori dengan ringkasan data
detail yang dapat dilaporkan. Seperti laporan laba pada tabel fakta dapat
dilaporkan sebagai dimensi waktu (berupa perbulan, perkwartal dan pertahun).
4. Fact Table merupakan tabel yang umumnya mengandung angka dan data history
dimana key (kunci) yang dihasilkan sangat unik, karena key tersebut terdiri dari
foreign key (kunci asing) yang merupakan primary key (kunci utama) dari
beberapa dimension table yang berhubungan.
5. DSS (Decision Support Systems) merupakan sistem yang menyediakan informasi
kepada pengguna yang menjelaskan bagaimana sistem ini dapat menganalisa
situasi dan mendukung suatu keputusan yang baik.
2.3
OLTP (Online Transaction Processing)
OLTP (Online Transaction Processing) adalah suatu proses yang menyediakan
mekanisme transaksi pada suatu database. Pada proses ini, design pada database harus
bersifat cepat untuk transaction (insert, update, delete). Hal ini bisa didapat dengan cara
menormalisasi tabel-tabel pada database.
16
Keuntungan dari normalisasi adalah mengurangi redundansi data (penumpukan
data yang sama) yang terdapat pada tabel-tabel. Hal ini mempercepat proses transaksi,
karena data yang perlu di-update pada tabel menjadi lebih sedikit. Proses peng-updatean data-datanya pun bersifat real time situation. Dengan kata lain setiap ada data baru,
yang bukan merupakan redudansi dari data yang pernah ada, akan di-update seketika.
OLTP (Online Transaction Processing) memungkinkan banyak pengguna dapat
mengakses sumber data yang sama pada saat bersamaan dan melaksanakan proses yang
diperlukan. Sistem ini memungkinkan transaksi dilakukan dalam database, pada saat
proses bisnis berlangsung.
Dalam proses OLTP (Online Transaction Processing) menuju OLAP (Online
Analytical Processing) dibutuhkan sedikitnya dua proses normalisasi yakni DTS (Data
Transformation Services) dan proses data validation.
2.3.1
DTS (Data Transformation Services)
Perusahaan perlu untuk memusatkan data mereka guna mendukung dalam proses
pengambilan keputusan. Data tersebut dapat disimpan dalam jumlah yang besar dalam
bentuk angka-angka dari sumber yang berbeda. Barisan data yang ada di dalam sumber
ini harus dapat di-reconciled dan diubah ke dalam beberapa kasus sebelum disimpan ke
dalam data warehouse. Data transformation services memindahkan data dari database
OLTP (Online Transaction Processing) ke data warehouse sesuai dengan tujuannya. Hal
ini dilakukan ketika validasi, cleaning-up, konsolidasi dan mengubah data yang
diperlukan. (Vieira, Robert, 2000, p91)
17
2.3.2
Data Validation
Sangatlah penting untuk melakukan validasi data sebelum data tersebut diambil
dari database OLTP (Online Transaction Processing) dan dikirim ke data warehouse.
Jika data tersebut tidak valid, maka keutuhan dari analisis bisnis perlu dipertanyakan.
Hal penting lainnya yang harus diperhatikan adalah ketika validasi data yang dilakukan
berhubungan dengan area geografis. (Vieira, et all, 2000, p92)
2.4
OLAP (Online Analytical Processing)
OLAP
(Online
Analytical
Processing)
merupakan
suatu
istilah
yang
menggambarkan suatu teknologi yang menggunakan gambaran multidimensi dari
sejumlah data untuk menyediakan atau memberikan akses dan analisis yang lebih cepat
untuk strategi informasi. (Connolly dan Begg, 2002, p111)
OLAP (Online Analytical Processing) merupakan suatu pemrosesan database
yang menggunakan tabel fakta dan dimensi untuk dapat menampilkan berbagai macam
bentuk laporan, analisis, query dari data yang berukuran besar.
OLAP (Online Analytical Processing) juga merupakan suatu proses mekanisme
untuk menganalisa data dengan menyediakan definisi, proses dan pengiriman suatu
objek analisis. Jika data warehouse adalah media penyimpanan data dari suatu
perusahaan, maka OLAP (Online Analytical Processing) adalah cara user untuk
mengakses data tersebut.
OLAP (Online Analytical Processing) bersifat natural dan intuitif, sehingga
memberikan navigasi dan pengertian yang lebih baik akan data.
18
Solusi OLAP (Online Analytical Processing) yang baik harus memenuhi hal-hal
berikut ini.
− Fast, dimana pemakai memperoleh respond dalam hitungan detik sehingga tidak
terputus rantai pemikirannya.
− Analysis, dimana sistem menyediakan fungsi-fungsi analisis, lingkup intuitif dan
fungsi-fungsi ini dapat mensuplai logika bisnis dan analisis statistikal yang
relevan dengan aplikasi user.
− Shared, dimana sistem mendukung user yang banyak secara konkurensi.
− Multi-dimensional, merupakan kebutuhan utama sehingga sistem mensuplai
view konseptual multidimensional dari data termasuk pendukung untuk hirarki
multiple.
− Information, merupakan data dan informasi yang diwariskan, dimana dibutuhkan
oleh aplikasi user.
2.5
Alasan Penggunaan Data mining
Suatu fakta yang kini cukup jelas terlihat pada suatu manajemen perusahaan
adalah pentingnya informasi untuk dapat meningkatkan kinerja mereka. Tentunya
peningkatan kinerja inilah yang diharapkan mampu membuat perusahaan tersebut
bersaing dengan perusahaan lainnya ditengah iklim usaha yang ketat saat ini. Hal
tersebut menjadi alasan utama penggunaan data mining yang mampu memberi solusi
bagi kebutuhan di atas.
Data mining sebagai tool, dapat menggali informasi tersembunyi yang mungkin
terdapat pada sekumpulan database sehingga akan membawa dampak positif yang
cukup signifikan bagi perusahaan. Data mining dapat dikatakan sebagai hasil dari
19
evolusi teknologi informasi. Yaitu mulai dari sistem data collection, database creation,
data management (termasuk storage dan retrieval serta database transaction
processing), dan data analysis and understanding.
Dengan dasar tersebutlah, dapat dilihat bermacam manfaat yang dapat dilakukan
oleh tools data mining tersebut secara langsung maupun tidak langsung yang dapat
meningkatkan kinerja perusahaan. Kecepatan berkembangnya pengumpulan dan
penyimpanan data dalam jumlah yang luar biasa banyaknya mengakibatkan data tersebut
menjadi sulit untuk dianalisis oleh seorang manusia tanpa bantuan alat bantu/powerfull
tools yang dapat meng-extract informasi penting yang terkubur di sejumlah besar data
yang tersedia. Sebagai akibatnya, seringkali keputusan-keputusan penting yang diambil
pun dibuat tidak berdasarkan informasi yang didapatkan dari data yang ada, melainkan
berdasarkan intuisi pengambil keputusan semata. Hal ini sering terjadi karena para
pengambil keputusan tidak memiliki tools yang memadai untuk melakukan pencarian
informasi yang akurat dari data yang tersedia.
Program data mining dapat melakukan analisis data dan menemukan informasi
penting yang tersembunyi mengenai suatu pola data. Hal ini dapat memberikan
kontribusi yang sangat besar pada strategi bisnis, knowledge base, dan penelitian serta
riset medikal.
Kehadiran data mining dilatar belakangi dengan problema data explosion yang
dialami akhir-akhir ini dimana banyak perusahaan telah mengumpulkan data sekian
tahun lamanya (data pembelian, data penjualan, data nasabah, data transaksi, dan
sebagainya). Hampir semua data tersebut dimasukkan dengan menggunakan aplikasi
komputer yang digunakan untuk menangani transaksi sehari-hari yang kebanyakan
adalah OLTP (Online Transaction Processing). Bayangkan berapa banyak transaksi
20
yang dimasukkan dari transaksi kartu kredit dari sebuah bank dalam seharinya dan
bayangkan betapa besarnya ukuran data mereka jika nanti telah berjalan beberapa tahun.
Pertanyaannya sekarang, apakah data tersebut akan dibiarkan menggunung, tidak
berguna lalu dibuang, ataukah dapat di‘tambang’ untuk mencari ‘emas’, ‘berlian’ berupa
informasi yang berguna untuk perusahaan. Banyak perusahaan yang kebanjiran data
namun miskin informasi.
Sebagai cabang ilmu baru di bidang komputer, namun sudah cukup banyak
penerapan yang dapat dilakukan oleh data mining. Apalagi ditunjang kekayaan dan
keanekaragaman berbagai bidang ilmu (artificial intelligence, database, statistik,
pemodelan matematika, pengolahan citra, dan sebagainya) membuat penerapan data
mining menjadi makin luas.
2.1.1 Penerapan Data mining untuk Analisis Pasar
Untuk analisis pasar, banyak sekali sumber data yang dapat digunakan seperti
transaksi kartu kredit, kartu anggota club tertentu, kupon diskon, keluhan pembeli,
ditambah dengan studi tentang gaya hidup masyarakat.
Sebagai contoh, jika seseorang mempunyai kartu kredit, sudah pasti ia akan
sering menerima surat berisi brosur penawaran barang atau jasa. Jika bank pemberi kartu
kredit mempunyai 1.000.000 nasabah, dan mengirimkan sebuah surat penawaran kepada
setiap nasabahnya dengan biaya pengiriman sebesar Rp. 1.000,- per buah maka biaya
yang dihabiskan adalah 1 milyar rupiah. Jika bank tersebut mengirimkan penawaran
sekali sebulan yang berarti 12 kali dalam setahun. Maka, anggaran yang dikeluarkan per
tahunnya adalah 12 milyar rupiah. Dari dana 12 milyar rupiah yang dikeluarkan,
21
mungkin hanya 10% dari nasabah saja yang benar-benar membeli. Secara harfiah,
berarti 90% dari dana tersebut terbuang sia-sia.
Persoalan di atas merupakan salah satu persoalan yang dapat diatasi oleh data
mining dari sekian banyak potensi permasalahan yang ada. Data mining dapat
menambang data transaksi belanja kartu kredit untuk melihat manakah nasabah yang
memang potensial untuk membeli produk tertentu. Mungkin tidak sampai presisi 10%,
tapi bayangkan jika dapat disaring menjadi 30% saja, tentunya 70% dana dapat
digunakan untuk hal lainnya.
Beberapa fungsi lainnya dari data mining untuk analisis pasar adalah sebagai
berikut.
•
Menembak target pasar
Data mining dapat melakukan pengelompokan (clustering) dari modelmodel pembeli dan melakukan klasifikasi terhadap setiap pembeli sesuai dengan
karakteristik yang diinginkan seperti kesukaan yang sama, tingkat penghasilan
yang sama, kebiasaan membeli dan karakteristik lainnya.
•
Melihat pola beli pemakai dari waktu ke waktu
Data mining dapat digunakan untuk melihat pola beli seseorang dari
waktu ke waktu. Sebagai contoh, ketika seseorang menikah dapat saja ia
kemudian memutuskan pindah dari single account ke joint account (rekening
bersama) dan kemudian setelah itu pola beli-nya berbeda dari ketika ia masih
bujangan.
22
•
Cross-Market Analysis
Data mining dapat digunakan untuk melihat hubungan antara penjualan
satu produk dengan produk lainnya.
Berikut ini adalah beberapa contohnya.
− Cari pola penjualan Coca Cola sedemikian rupa sehingga dapat diketahui
barang apa sajakah yang harus disediakan untuk meningkatkan penjualan
Coca Cola.
− Cari pola penjualan IndoMie sedemikian rupa sehingga dapat diketahui
barang apa saja yang juga dibeli oleh pembeli IndoMie. Dengan demikian
dapat diketahui dampaknya jika IndoMie tidak dijual lagi.
•
Profil Customer
Data mining dapat membantu untuk melihat profil customer sehingga
dapat diketahui kelompok customer tertentu suka membeli produk apa saja.
•
Identifikasi Kebutuhan Customer
Data mining dapat digunakan untuk mengidentifikasi produk-produk apa
saja yang terbaik untuk tiap kelompok customer dan menyusun faktor-faktor apa
saja yang kira-kira dapat menarik customer baru untuk bergabung/membeli.
•
Menilai Loyalitas Customer
VISA International Spanyol menggunakan data mining untuk melihat
kesuksesan program-program customer loyalty mereka.
•
Informasi Summary
Data mining dapat digunakan untuk membuat laporan summary yang
bersifat multi-dimensi dan dilengkapi dengan informasi statistik lainnya.
23
2.1.2 Penerapan Data mining untuk Analisis Perusahaan dan Manajemen Resiko
•
Perencanaan Keuangan dan Evaluasi Aset
Data mining dapat membantu untuk melakukan analisis dan prediksi cash
flow serta melakukan contingent claim analysis untuk mengevaluasi aset. Selain
itu dapat juga digunakan untuk analisis trend.
•
Perencanaan Sumber Daya (Resource Planning)
Dengan melihat informasi ringkas (summary) serta pola pembelanjaan
dan pemasukkan dari masing-masing resource, data mining dapat digunakan
untuk melakukan resource planning.
•
Persaingan (Competition)
Sekarang ini banyak perusahaan yang berupaya untuk dapat melakukan
competitive intelligence. Data mining dapat membantu untuk memonitor
pesaing-pesaing dan melihat market direction mereka.
− Data mining dapat digunakan untuk melakukan pengelompokan customer
dan memberikan variasi harga/layanan/bonus untuk masing-masing grup.
− Data mining dipakai dalam menyusun strategi penetapan harga di pasar
yang sangat kompetitif. Hal ini diterapkan oleh perusahaan minyak
REPSOL di Spanyol dalam menetapkan harga jual gas di pasaran.
•
Telekomunikasi
Sebuah perusahaan telekomunikasi menerapkan data mining untuk
melihat jutaan data transaksi yang masuk, transaksi mana sajakah yang masih
harus ditangani secara manual (dilayani oleh manusia). Tujuannya tidak lain
adalah untuk menambah layanan otomatis khusus untuk transaksi-transaksi yang
24
masih dilayani secara manual. Dengan demikian jumlah operator penerima
transaksi manual tetap bisa ditekan minimal.
•
Keuangan
Financial Crimes Enforcement Network di Amerika Serikat baru-baru ini
menggunakan data mining untuk menambang trilyunan dari berbagai subyek
seperti property, rekening bank dan transaksi keuangan lainnya untuk
mendeteksi transaksi-transaksi keuangan yang mencurigakan (seperti money
laundry). Mereka menyatakan bahwa hal tersebut akan susah dilakukan jika
menggunakan analisis standar.
•
Asuransi
Australian Health Insurance Commision menggunakan data mining
untuk mengidentifikasi layanan kesehatan yang sebenarnya tidak perlu tetapi
tetap dilakukan oleh peserta asuransi. Dengan strategi tersebut, mereka berhasil
menghemat satu juta dollar per tahunnya. Tentu saja ini tidak hanya bisa
diterapkan untuk asuransi kesehatan, tetapi juga untuk berbagai jenis asuransi
lainnya.
•
Olah Raga
IBM Advanced Scout menggunakan data mining untuk menganalisis
statistik permainan NBA (jumlah shots blocked, assists dan fouls) dalam rangka
mencapai keunggulan bersaing (competitive advantage) untuk tim New York
Knicks dan Miami Heat.
25
•
Astronomi
Jet Propulsion Laboratory (JPL) di Pasadena, California dan Palomar
Observatory berhasil menemukan 22 quasar dengan bantuan data mining . Hal
ini merupakan salah satu kesuksesan penerapan data mining di bidang astronomi
dan ilmu ruang angkasa.
•
Internet Web Surf-Aid
IBM Surf-Aid menggunakan algoritma data mining untuk mendata akses
halaman Web khususnya yang berkaitan dengan pemasaran guna melihat prilaku
dan minat customer serta melihat keefektifan pemasaran melalui Web.
Dengan melihat beberapa aplikasi yang telah disebutkan sebelumnya, terlihat
sekali potensi besar dari penerapan data mining di berbagai bidang. Bisa dikatakan
bahwa data mining merupakan salah satu aktivitas di bidang perangkat lunak yang dapat
memberikan ROI (return on investment) yang tinggi. Namun demikian, perlu diingat
bahwa data mining hanya melihat keteraturan atau pola dari sejarah, tetapi tetap saja
sejarah tidak sama dengan masa datang. Sebagai contoh, jika orang terlalu banyak
minum Coca Cola bukan berarti dia pasti akan kegemukan, jika orang terlalu banyak
merokok bukan berarti dia pasti akan kena kanker paru-paru atau mati muda.
Bagaimanapun juga data mining
tetaplah hanya alat bantu yang dapat membantu
manusia untuk melihat pola, menganalisis trend, dan sebagainya dalam rangka
mempercepat pembuatan keputusan.
Berbagai pemaparan tersebut merupakan suatu fakta yang tidak dapat dipungkiri
lagi oleh setiap perusahaan pada masa kini maupun masa mendatang. Oleh karena itu,
26
pada skripsi ini menggunakan sistem database yang menerapkan aplikasi data mining
untuk clustering item. Topik utama yang disampaikan akan menggunakan bantuan
metode Clustering Large Application based on Randomized Search sebagai tool untuk
sistem clustering data perusahaan. Dengan begitu, manajer dapat menindaklanjuti
dengan cepat dan tepat terhadap kemungkinan munculnya informasi yang tergali setelah
dilakukan proses clustering pada data-data yang ada.
Clustering sebenarnya merupakan teknik data mining yang digunakan untuk
mencari pengelompokan data, yang tidak memiliki pengelompokan alami. Pada
algoritma clustering, data akan dikelompokan menjadi cluster-cluster berdasarkan
kemiripan satu data dengan data yang lain. Dalam hal ini, tidak ada patokan tertentu
yang digunakan pada algoritma clustering untuk mencari pengelompokan data yang ada
pada sekumpulan data tersebut. Data yang dikelompokan dalam satu cluster memiliki
similaritas tinggi, sedangkan antara satu cluster dengan cluster lainnya memiliki
similaritas rendah.
2.6
Definisi Data Mining
Data mining merupakan proses untuk menggali (mining) pengetahuan dan
informasi baru dari data yang berjumlah banyak pada data warehouse, dengan
menggunakan kecerdasan buatan (Artificial Intelegence), statistik dan matematika. Data
mining merupakan teknologi yang diharapkan dapat menjembatani komunikasi antara
data dan pemakainya. Data mining seringkali disebut juga dengan knowledge mining
from databases, knowledge extraction, data pattern analysis, data archeology, dan data
dredging.
27
Selain itu data mining juga sering digunakan oleh banyak orang sebagai sinonim
dari Knowledge Discovery in Databases atau KDD. Teknik analisis data mining pada
umumnya diorentasikan untuk dapat mengerjakan data yang ada dalam jumlah sebanyak
mungkin, dengan tujuan mining terhadap data tersebut dapat menghasilkan keputusan
dan kesimpulan yang terjamin keakuratannya.
Arsitektur utama dari sebuah sistem data mining, pada umumnya mengandung
unsur-unsur sebagai berikut :
− Database, datawarehouse, atau media penyimpanan informasi.
Media dalam hal ini bisa jadi berupa database, datawarehouse,
spreadsheets, atau jenis-jenis penampungan informasi lainnya. Data cleaning
dan data integration dapat dilakukan pada data tersebut.
− Database atau datawarehouse server.
Database atau datawarehouse server bertanggung jawab untuk
menyediakan data yang relevan berdasarkan permintaan dari user pengguna data
mining .
− Data mining engine.
Bagian dari program aplikasi yang menjalankan program berdasarkan
algoritma yang ada.
− Pattern evaluation module
Bagian dari program aplikasi yang berfungsi untuk menemukan pattern
atau pola-pola yang terdapat di dalam database yang diolah sehingga nantinya
proses data mining dapat menemukan knowledge yang sesuai.
28
− Graphical user interface
Bagian ini merupakan sarana antara user dan sistem data mining untuk
berkomunikasi, di mana user dapat berinteraksi dengan sistem melalui data
mining query, untuk menyediakan informasi yang dapat membantu dalam
pencarian knowledge. Lebih jauh lagi, bagian ini mengijinkan user untuk
melakukan browsing pada database dan datawarehouse, mengevaluasi pattern
yang telah dihasilkan, dan menampilkan pattern tersebut dengan tampilan yang
berbeda-beda.
Suatu sistem data mining yang baik, seharusnya dibangun dengan algoritma
yang baik, terstruktur, cepat, dan juga dapat menangani data dalam jumlah besar,
sehingga ketika menangani suatu database dengan ukuran besar maupun kecil, running
time-nya pun akan berkembang secara proporsional. Dengan melakukan data mining,
knowledge yang menarik, high level information dapat di-extract dari database atau
ditampilkan dari berbagai sudut pandang. Data mining pada umumnya dapat dilakukan
terhadap segala macam data yang tersimpan baik pada relational database,
datawarehouse, transactional databases, dan tidak tertutup kemungkinan pada sebuah
sistem database pada internet, seperti misalnya, mining informasi transaksi online.
29
2.7
Tahapan-tahapan pada Data Mining
Ringkasan dari tahapan-tahapan serta proses yang dilakukan pada saat
melakukan data mining dan proses untuk menemukan knowledge dapat dilihat pada
Gambar 2.1.
Gambar 2.1. Tahap-tahapan dalam Data mining
(Sumber : Data mining : Concepts and Techniques, Jiawei Han)
Sumber: http://www.cs.sfu.ca/~han/dmbook
Tahap-tahapnya dimulai dari pemrosesan raw data atau data mentah sampai pada
penyaringan hingga ditemukannya knowledge, dijabarkan sebagai berikut.
1. Selection, yaitu proses memilih dan memisahkan data berdasarkan beberapa
kriteria, misalnya berdasarkan kota tempat tinggal konsumen.
2. Preprocessing, yaitu mempersiapkan data, dengan cara membersihkan data,
informasi atau field yang tidak dibutuhkan, yang jika dibiarkan hanya akan
memperlambat proses query, misalnya nama pelanggan jika sudah diketahui
30
kode pelanggannya. Selain itu juga, ditahap ini dilakukan penyeragaman format
terhadap data-data yang tidak konsisten, misalnya pada suatu field dari suatu
tabel, data jenis kelamin diinputkan dengan “L” atau “M”, sedangkan pada tabel
yang lain, data tersebut diinputkan sebagai “P” atau “W”.
3. Transformation, data yang telah melalui proses select dan pre-processing tidak
begitu saja langsung digunakan, tapi ditransformasikan terlebih dahulu ke bentuk
yang lebih navigable dan useable, misalnya dengan menambahan field-field
tertentu yang bersifat demografi, seperti propinsi, kota, atau informasi apapun
yang biasanya digunakan pada riset pemasaran.
4. Data mining, tahap ini dipusatkan untuk mendapatkan pola dari data (extraction
of data).
5. Interpretation and evaluation, dalam proses ini pattern atau pola-pola yang
telah diidentifikasi oleh sistem kemudian di terjemahkan/diintepretasikan ke
dalam bentuk knowledge yang lebih mudah dimengerti oleh user untuk
membantu pengambilan keputusan, misalnya menunjukan item yang saling
berasosiasi melalui grafik atau bentuk lain yang lebih mudah dimengerti.
Pada umumnya, data mining dapat digunakan untuk menganalisis dan
menemukan empat tipe relasi berikut.
− Classes, data yang tersedia dapat digunakan untuk menemukan hubungan dari
beberapa hal yang ingin diketahui. Sebagai contoh, sebuah restauran dapat
melakukan mining terhadap data penjualannya selama periode-periode tertentu,
untuk menemukan pada waktu-waktu kapan, restauran tersebut menerima
kunjungan paling banyak dan kunjungan paling sedikit, setelah menemukan,
31
restoran mungkin dapat menawarkan paket-paket istimewa untuk menarik
pelanggan lebih banyak lagi pada jam-jam sepi tersebut, sehingga nantinya dapat
meningkatkan penjualan dari restauran tersebut secara keseluruhan.
− Clusters, data item dapat dikelompokan/dipecah-pecah kedalam beberapa grup,
berdasarkan algoritma yang sudah ditentukan. Misalnya, data mining dapat
langsung mencari dan mengelompokan konsumen di daerah yang mana saja yang
mempunyai daya beli tinggi, dan yang mana memiliki daya beli rendah.
− Associations, data dapat di-mine untuk menemukan item-item apa saja, yang
dibeli konsumen, yang saling berasosiasi. Misalnya; bila seorang konsumen
membeli secangkir kopi, ternyata konsumen tersebut juga membeli makanan
ringan seperti biskuit ataupun cake.
− Sequential patterns, data dapat di-mine untuk menemukan “patterns and trends”
yaitu pola belanja konsumen dan juga trend yang terjadi secara berurutan.
Sebagai contoh adalah, konsumen yang membeli sebuah komputer, dapat
diperkirakan konsumen tersebut akan membeli juga software-software game atau
installer maupun tinta printer.
2.8
Clustering
Analisis cluster adalah upaya menemukan sekelompok objek yang mewakili
suatu karakter yang sama atau hampir sama (similar) antar satu objek dengan objek
lainnya pada suatu kelompok dan memiliki perbedaan (not similar) dengan objek-objek
pada kelompok lainnya. Tentunya persamaan dan perbedaan tersebut diperoleh berdasar
informasi yang diberikan oleh objek-objek tersebut beserta hubungan (relationship)
32
antar mereka. Dalam berbagai kesempatan, clustering juga sering disebut sebagai
Unsupervised Classification yaitu, pengelompokan data yang tidak memiliki
pengelompokan alami. Beberapa hal yang tidak termasuk dalam analisis cluster adalah
− Klasifikasi yang telah tervisikan (misal, pengelompokan hewan berdasar cara
perkembangbiakannya),
− Pemisahan sederhana (misal, pengelompokan nama siswa berdasar abjad),
− Hasil suatu Query (misal, grouping suatu spesifikasi tertentu),
− Partisi grafik, dan sebagainya.
2.8.1
Konsep dasar Clustering
Konsep terpenting yang harus disadari adalah bahwa proses clustering yang baik
akan menghasilkan cluster dengan kualitas tinggi bila memiliki :
− Tingkat kesamaan yang tinggi dalam satu class (high intra-class similarity).
− Tingkat kesamaan yang rendah antar class (low inter-class similarity).
Similarity yang dimaksud merupakan pengukuran secara numerik terhadap dua
buah objek. Nilai similarity ini akan semakin tinggi bila dua objek yang dibandingkan
tersebut memiliki kemiripan yang tinggi pula. Tentunya, perbedaaan kualitas suatu hasil
clustering ini bergantung pada metode yang dipakai untuk mengukur kesamaan
(similaritas) tersebut serta implementasinya. Dalam hal ini, diperlukan kesebandingan
antara data yang hendak di-cluster. Oleh karena itu, digunakan metode Min-Max
Normalization untuk mengatasi hal tersebut. Rumus selengkapnya dari metode ini dapat
dilihat sebagai berikut.
33
V '=
V − min A
* (new _ max A − new _ min A )+ new _ min A
max A − min A
di mana,
V’
= Nilai dari data hasil Min-Max Normalization
V
= Nilai dari data yang akan dinormalisasi
minA
= Nilai minimum dari suatu field data yang sama
maxA
= Nilai maksimum dari suatu field data yang sama
new_minA = Nilai minimum terbaru yang diinginkan
new_maxA = Nilai maksimum terbaru yang diinginkan
Selain itu pula, suatu metode clustering juga harus dapat diukur kemampuannya
dalam usahanya untuk menemukan suatu pola tersembunyi pada data yang tersedia.
Dalam mengukur nilai similarity ini, ada beberapa metode yang dapat dipakai. Namun,
hanya akan dijelaskan metode yang dipakai dalam pembuatan skripsi ini, yaitu
Euclidean Distance.
Pada metode ini, dua buah point dapat dihitung jaraknya bila diketahui nilai dari
masing-masing atribut pada kedua point tersebut. Berikut adalah rumus distance yang
dipakai.
n
Distance = (∑ μ k | p k − q k | r )1 / r
k =1
dimana, n = Jumlah record data
k = Urutan field data
r=2
34
μ k = Bobot field yang diberikan oleh user
•
(0 <= μ k <= 1)
•
p k , qk ε R
Yang dimaksud dengan bobot field ( μ k ) adalah ukuran kemampuan suatu field
ke-k dalam mempengaruhi jarak antara kedua point. Semakin besar nilai μ k , akan
semakin besar pula pengaruhnya terhadap jarak antara kedua point, dan sebaliknya
semakin kecil nilai μ k , akan semakin kecil pengaruhnya terhadap jarak antar kedua
point.
2.8.2
Tipe Clustering
Pada dasarnya terdapat 2 tipe Clustering, yaitu:
− Partitional Clustering: Tipe cluster yang benar-benar terpisah antara sekelompok
objek dengan sekelompok objek lainnya.
Original Points
A Partitional Clustering
Gambar 2.2. Tipe-tipe Cluster
Sumber: http://en.wikipedia.org/wiki/Cluster_analysis
35
− Hierarchical Clustering: Sekelompok cluster yang terorganisasi sebagai suatu
pohon hirarki (hierarchical tree).
Gambar 2.3. Traditional Hierarchical Clustering
Sumber: http://en.wikipedia.org/wiki/Cluster_analysis
2.8.3
Penggunaan Aplikasi Clustering
Berbagai macam aplikasi penggunaan clustering, dapat meliputi sebagai berikut :
− Pengenalan pola
− Analisis data spasial (Spatial Data)
•
Membuat Map GIS (Geographic Information System)
•
Mendeteksi cluster spasial dan menjelaskannya pada data mining spasial
− Memroses image tertentu
− Ilmu Pengetahuan Ekonomi (analisis pasar)
− Meng-cluster weblog data
36
Contoh penggunaan aplikasi cluster :
− Marketing: Membantu para pelaku pasar menemukan kelompok tertentu pada
basis customer mereka dan menggunakan pengetahuan tersebut untuk
mengembangkan program target marketing mereka.
− Land use: Mengidentifikasi setiap area yang ada di permukaan bumi untuk
keperluan observasi pada database.
− Insurance: Mengidentifikasi sekelompok pemegang polis asuransi yang
memiliki tingkat biaya klaim rata-rata tertentu.
− City Planning: Mengidentifikasi sekelompok rumah berdasar tipe, nilai serta
letak geografisnya.
− Earth-quake Studies: mengobservasi berbagai macam titik episentrum gempa
bumi yang terjadi pada berbagai benua.
2.9
Clustering Large Applications based On Randomized Search
Metode ini dapat dijelaskan sebagai berikut :
− Clustering Large Application based on Randomized Search menggambarkan
contoh pasangan set (neighbor) secara dinamis
− Proses clustering dapat menggambarkan pencarian suatu graph, di mana setiap
node pada graph tersebut merupakan solusi yang potensial, yaitu sekumpulan k
medoids.
− Jika optimum lokal ditemukan, Clustering Large Application based on
Randomized Search memulai lagi dengan memilih node baru secara random
untuk menemukan optimum lokal yang baru.
37
Tahapan dalam algoritmanya adalah sebagai berikut.
1. Input parameter numlocal dan maxneighbor. Inisialisasi i = 1 dan
mincos t = nilai numerik yang besar (misal : 1000).
2.
Set current_node = arbitrary node pada Gn, k.( Graph )
3. Set j = 1.
4. Tentukan random neighbor S dari current_node, dan kalkulasikan cost
differential dari dua node.
5. Jika S memiliki cost yang lebih rendah, set current_node = S, dan kembali ke
Step 3.
6. Jika tidak, increament j ( j = j + 1 ). Jika j _ maxneighbor, kembali ke Step 4
7. Selain itu, saat j > maxneighbor, bandingkan cost dari current dengan mincost.
Jika nilai cost yang didapat dari perhitungan current_node lebih kecil dari
mincost, set mincost = cost dari current_node dan set bestnode = current_node.
8. Increament i ( i = i + 1). Jika i >numlocal, output bestnode dan halt . Jika tidak,
kembali ke Step 2.
Gambar 2.4 Grafik Cluster
38
2.10
Flowchart
Flowchart merupakan suatu cara penggambaran alur kontrol eksekusi sebuah
program dengan menggunakan simbol-simbol tertentu. Tujuan penggambaran flowchart
adalah untuk memudahkan orang lain dalam mempelajari alur logika sebuah program.
Simbol-simbol yang digunakan dalam menggambarkan flowchart adalah sebagai
berikut:
a. Terminator
Digunakan untuk mengawali dan mengakhiri sebuah alur flowchart.
Untuk mengawali sebuah alur program digunakan kata “Start”, dan untuk
mengakhiri alur tersebut digunakan kata “End”. Untuk mengawali dan
mengakhiri sebuah modul atau suatu bagian dari program, digunakan kata
“Enter” dan “Return”.
Gambar 2.5 Terminator
b. Preparation
Digunakan untuk menginisialisasi nilai sebuah variabel, record, atau field
lainnya yang diperlukan dalam program.
Gambar 2.6 Preparation
39
c. Process
Digunakan untuk menampilkan proses-proses yang terjadi dalam alur
program, seperti penambahan, pengurangan, dan lain-lain.
Gambar 2.7 Process
d. Decision
Digunakan untuk menggambarkan proses percabangan (branching) yang
terjadi dalam alur program.
Gambar 2.8 Decision
e. Input/Output
Digunakan untuk menggambarkan proses yang melibatkan input dan
output data, seperti meminta input-an dan menampilkan hasil output kepada user.
Gambar 2.9 Input/Output
40
f. Predefined Process
Digunakan untuk menggambarkan proses pemanggilan prosedur lain yang
terpisah dari alur utama program. Prosedur tersebut dijabarkan dalam flowchart
lain.
Gambar 2.10 Predefined Process
g. Connector
Digunakan untuk menghubungkan ujung-ujung percabangan dalam
aprogram.
Gambar 2.11 Connector
h. Arrow
Digunakan untuk menggambarkan arah alur program antara dua simbol.
Gambar 2.12 Arrow
41
Berikut ini adalah flowchart dari algoritma Clustering Large Application based
on Randomized Search.
Start
MinCost=1000
Count_Neighbor=0
i=1
No
End
Yes
i<=NumLocal
Count_Neighbor<=Max_Neighbor
Yes
No
Inc(Count_Neighbor)
CountMedoid(Current_Node)<=CountMedoid(Neighbor)
best_count_medoid_so_far<=current_value
No
No
Count_Neighbor=0
Current_Node=Neighbor
Yes
Yes
best_node=current_node
best_count_medoid_so_far=current_value
Set Neighbor
Select Arbitrary Node
Set Neighbor
Inc(i)
Gambar 2.13 Flowchart of Data Clustering’s Procedure
42
2.11
Naive Bayes Classification
Metode ini dipakai untuk mengklasifikasikan item baru yang tidak mengalami
proses clustering. Jadi, setelah hasil akhir cluster terbentuk, bila ada data terbaru yang
ingin di-input-kan, user dapat langsung mengetahui data baru tersebut terklasifikasikan
pada cluster yang mana (tanpa harus mengulangi proses Clustering). Berikut ini adalah
rumus yang dipakai :
Ρ( x1,..., xk | C ) = Ρ( x1 | C ) * ... * Ρ(xk | C )
Dimana, P(xi|C) adalah perkiraan frekuensi relativitas dari sampel yang memiliki
nilai xi seperti pada atribut yang ada pada class C.