bab ii landasan teori

6
BAB II
LANDASAN TEORI
2.1 Data Mining
2.1.1
Pengertian Data Mining
Secara singkat, data mining berarti menggali atau menemukan
informasi dari sejumlah besar data (Han & Kamber, 2006). Dan secara
luasnya, data mining adalah proses menemukan interesting knowledge dari
sejumlah besar data yang tersimpan dalam database, data warehouse, atau
media penyimpanan lainnya (Han & Kamber, 2006). Sedangkan
berdasarkan Gartner Group (Larose, 2005), data mining adalah sebuah
proses untuk menemukan hubungan, pola, dan tren dengan memilah-milah
sejumlah besar data yang tersimpan dalam media penyimpanan,
menggunakan teknologi pengenalan pola serta statistika dan matematika.
Dengan berdasarkan pengertian diatas, maka dapat dikatakan jika data
mining adalah sebuah proses mencari informasi dari data yang berjumlah
besar dan tersimpan dalam media penyimpanan. Data mining bisa tercipta
dikarenakan adanya keinginan untuk mencari pengetahuan atau informasi
dari data yang tersimpan dalam jumlah yang banyak. Selain hal tersebut,
dalam
penerapannya
terdapat
beberapa
pengembangan data mining, yaitu:
-
Pertumbuhan yang besar pada data
faktor
yang
mendukung
7
Data mining, dalam penerapannya akan mengakses file yang
besar. Hal ini dikarenakan hasil dari data mining akan menjadi dasar
dalam pengambilan keputusan untuk melakukan tindakan tertentu,
sehingga tingkat kebeneran informasi yang dihasilkan sangat
diperlukan.untuk mencapai tingkat kebenaran informasi yang tinggi,
maka diperlukan data yang sangat besar untuk diolah. Seiring dengan
perkembangan media penyimpanan, maka perkembangan jumlah data
yang disimpan bergerak naik sangat cepat. Akan tetapi, jika terjadinya
minim pengetahuan untuk mengolah data tersebut maka akan tercipta
kondisi “data rich but information poor” (Han & Kamber, 2006),
dimana tidak diketahuinya informasi dari data yang tersimpan
tersebut.
-
Pertumbuhan yang luar biasa dalam daya komputasi dan kapasitas
penyimpanan oleh perangkat keras
Penerapan data mining pada dasarnya akan membutuhkan
kebutuhan sumber daya dan kemampuan komputasi yang sangat
besar. Dengan perkembangan teknologi yang terjadi, mengakibatkan
perkembangan yang sangat pesat bagi kemampuan komputasi dan
kapasitas penyimpanan oleh perangkat keras. Sehingga dengan
ketersediaan perangkat yang memiliki kemampuan tersebut, dapat
menjadikan proses data mining menjadi cukup layak untuk dilakukan
secara komersial.
-
Peningkatan persaingan untuk meningkatkan pasar dalam ekonomi
global
8
Seiring dengan persaingan bisnis yang semakin ketat, maka akan
mendorong setiap perusahaan untuk selalu dapat berinovasi dan
memberikan pelayanan-pelayanan atau promosi agar dapat bersaing
dengan perusahaan lain. Data mining dalam peranannya dapat
memberikan pengolahan informasi yang dapat menjadi pertimbangan
bagi perusahaan dalam melakukan sebuah tindakan, seperti dalam
memilih promosi, produk, dan pelayanan yang akan dipasarkan.
-
Peningkatan terhadap akses ke data dengan melalui navigasi Web atau
intranet
Perkembangan
teknologi
jaringan
sampai
sekarang,
mengakibatkan kemudahan akses oleh data baik itu melalui jaringan
internet atau intranet. Dengan kemudahan akses tersebut, maka
mengakibatkan data transaksi mengenai akses data yang sangat besar.
Sehingga dengan data mining, diharapkan dapat membantu dalam
mengolah data transaksi tersebut agar dapat menjadi informasi yang
berguna bagi perusahaan.
-
Pengembangan terhadap perangkat lunak untuk data mining
Seiring dengan perkembangan dan kebutuhan akan data mining,
mengakibatkan pertumbuhan perangkat lunak yang dapat mendukung
data mining tersebut. Perangkat lunak yang dapat membantu dalam
data mining, antara lain Orange, RapidMiner, Weka, JhepWork,
KNIME, dan lain sebagainya. Dimana pada masing-masing perangkat
lunak
memiliki
perbedaan
masing-masing
seperti
bahasa
pemrograman yang digunakan, bentuk tampilan, dan lain sebagainya.
9
Dalam penerapannya, data mining dapat diterapkan dalam berbagai
penyimpanan data (Han & Kamber, 2006). Media penyimpanan yang
disebut antara lain realational database, data warehouses, transactional
database, advanced database system, flat files, data streams, dan World
Wide Web. Dan dalam penerapannya pun, teknik dan algoritma yang
digunakan untuk data mining pun berbeda satu sama lain antar setiap media
penyimpana dan fungsi dari data mining tersebut. Algoritma data mining
yang ada sekarang bermacam-macam, namun berdasarkan jurnal (Wu, et al.,
2008) disebutkan 10 algoritma terbaik untuk data mining, antar lain C4.5,
algoritma k-means, support vector machine, algoritma apriori, algoritma
EM, PageRank, AdaBoost, kNN(k-nearest neighbor), Naive Bayes,
CART(Classification and Regression Tree). Sedangkan untuk setiap
algoritma menyesuaikan dengan fungsi dari data mining, yaitu fungsi
karakterisasi, fungsi diskriminasi, fungsi asosiasi, fungsi prediksi, fungsi
klasifikasi, dan fungsi cluster (Han & Kamber, 2006).
2.1.2
Data Stream
Data mining dapat diterapkan dalam berbagai data salah satunya
adalah data stream. Data stream adalah data dengan karakteristik dimana
aliran data masuk dan keluar terjadi secara dinamis dari sebuah platform
observasi (Han & Kamber, 2006). Data stream memiliki beberapa
karakteristik unik lainnya antara lain volume data yang besar dan tidak
terbatas, berubah secara dinamis, mengalir masuk dan keluar, dan
memungkinkan hanya satu atau sebagian pemeriksaan, dan bersifat cepat
dalam waktu respon.
10
Data stream pada penerapannya akan menjadi 2 kategori (Liu, Lin, &
Han, 2009), yaitu:
-
Transactional Data Stream
Data stream yang mencatat kegiatan interaksi antara dua
entitas. Contoh dari transactional data stream adalah transaksi
retail, tellecommunications record, web access logs, dan operasi
ATM.
-
Measurement Data Stream
Data stream yang mencatat hasil pengukuran pada sebuah
entitas. Contoh dari measurement data stream adalah data
sensor jaringan, sinyal peralatan mobile, IP packets, dan
pembacaan instrumen sains.
2.1.3
Metodologi Data Mining
Pada pengembangannya hingga sekarang ini, terjadi beberapa
perkembangan terhadap metodologi dalam penerapan data mining.
Metodologi atau model proses merupakan suatu rangkaian tugas yang harus
dilakukan untuk mengembangkan elemen tertentu, serta unsur-unsur yang
diproduksi dalam setiap tugas(output) dan dan unsur-unsur yang diperlukan
untuk melakukan tugas(input). Dengan tujuan untuk membuat proses agar
dapat berulang, dikendalikan, dan terukur (Marbán, Mariscal, & Segovia,
2009).
Perkembangan metodologi pada data mining terjadi mulai pada
metodologi KDD(Knowledge Discovery from Data) pada awal tahun 1990-
11
an. Setelah itu terjadi perkembangan metodologi yang menyusul setelahnya.
Berikut merupakan gambaran perkembangan metodologi data mining.
Gambar 2.1 Perkembangan Metodologi Data Mining (Marbán,
Mariscal, & Segovia, 2009)
Pada gambaran diatas, diketahui perkembangan metodologi dimulai
pada metodologi KDD. Selanjutnya dengan berdasar KDD dikembangkan
beberapa metodologi dengan melakukan beberapa perubahan namun secara
garis besar memiliki fitur serupa, yaitu Human-centered, SEMMA, Two
Crows, Anand & Buchner dan Cabena.
Di lain sisi, metodologi 5 A’s merupakan metodologi yang menjadi
pelopor dari CRISP-DM, dimana siklus yang dikerjakan memiliki kemiripan
dengan siklus pada CRISP-DM. Selanjutnya CRISP-DM menjadi dasar
pengembangan CIOS yang lebih fokus pada kebutuhan riset akademik,
RAMSYS (RApid collaborative data Mining SYStem) dan DMIE (Data
12
Mining for Industrial Engineering). Metodologi tersebut tetap didasarkan
pada CRISP-DM dan mempertahankan fase yang sama secara generik. Pada
tabel berikut ini akan dijelaskan mengenai tahapan pada beberapa
metodologi.
Tabel 2.1 Perbandingan Metodologi (Marbán, Mariscal, &
Segovia, 2009)
Walau jumlah tahapan dan tahapan yang dilakukan berbeda-beda,
namun secara garis besar tahapan pada setiap metodologi data mining
adalah sebagai berikut:
-
Pre-processing
Pada tahapan ini dilakukan persiapan mengenai data
mining yang akan dilakukan. Seperti pengenalan bisnis,
pengenalan data, dan persiapan data.
13
-
Data Mining
Pada tahap ini dilakukan kegiatan data mining dengan
berdasarkan metode dan algoritma yang ditentukan.
-
Post-processing
Tahapan ini adalah tahapan setelah melakukan proses data
mining.
Berikut merupakan penjelasan mengenai beberapa metodologi:
2.1.3.1
KDD
KDD merupakan singkatan dari Knowledge Discovery from
Data. KDD mulai dikembangkan pada era awal 1990-an. Fayyad pada
1996 menggagas proses model KDD dan menetapkan langkah untuk
proyek DM. Pada metodologi KDD terdapat 9 tahap (Han & Kamber,
2006) sesuai dengan gambar di bawah.
14
Gambar 2.2 Tahapan Metodologi KDD (Han & Kamber, 2006)
-
Data Cleaning
Pada tahapan ini melakukan pemilihan data yang relevan
dari database dengan melakukan pemisahan terhadap data yang
tidak konsisten dan data yang tidak relevan.
-
Data Integration
15
Pada tahapan ini dilakukan integrasi terhadap data yang
ada dengan cara menggabungkan berbagai sumber data menjadi
satu sumber.
-
Data Selection
Pada tahapan ini melakukan pemilihan terhadap data yang
relevan dengan analisa yang akan dilakukan pada database.
-
Data Transformation
Pada tahapan ini dilakukan pengubahan terhadap format
data yang ada menjadi format data yang sesuai untuk diproses
dalam data mining.
-
Data Mining
Pada tahapan ini dilakukan proses data mining, dengan
menerapkan metode tertentu untuk mendapatkan informasi yang
tersembunyi dari data yang ada.
-
Pattern Evaluation
Pada tahapan ini dilakukan identifikasi terhadap pola-pola
yang menarik yang didapat dari hasil data mining, untuk
kemudian direpresentasikan.
-
Knowledge Presentation
Pada tahapan ini dilakukan visualisasi dan penyajian
terhadap pengetahuan mengenai teknik yang digunakan untuk
memperoleh pengetahuan yang diperoleh user.
16
2.1.3.2
SEMMA
SEMMA merupakan singakatan dari Sample Explore Modify
Model Assess, singkatan tersebut mengacu pada proses dalam
melakukan sebuah proyek data mining. Pada penerapannya, SAS
Institute membagi siklus SEMMA menjagi 5 tahapan untuk proses
data mining (Azevedo & Santos, 2008), berikut tahapannya:
-
Sample
Tahap ini melakukan sampling data dengan cara
mengekstraksi sebagian besar data dan menetapkan besar data
yang cukup untuk menampung informasi yang signifikan.
-
Explore
Tahap ini melakukan eksplorasi terhadap data dengan cara
mencari tren yang tak terduga dan anomali dalam rangka untuk
mendapatkan pemahaman dan ide-ide.
-
Modify
Tahap ini melakukan modifikasi terhadap data dengan
menciptakan, memilih, dan mengubah variabel untuk fokus pada
proses pemilihan model.
-
Model
Pada tahap ini terdiri pada pemodelan data dengan suatu
perangkat lunak untuk mencari kombinasi data yang dapat
memprediksi hasil yang diinginkan.
-
Assess
17
Pada tahap ini terdiri dari penilaian data dengan
mengevaluasi kegunaan dan keandalan dari temuan pada proses
data mining.
Gambar 2.3 Tahapan Metodologi SEMMA (Mariscal, Marban, &
Fernandez, 2010)
2.1.3.3 CRISP-DM
CRISP-DM merupakan singkatan dari Cross Industry
Standard Process for Data Mining.
CRISP-DM
merupakan
standarisasi data mining yang disusun oleh tiga penggagas data
mining market. Yaitu Daimler Chrysler (Daimler-Benz), SPSS (ISL),
NCR (Larose, 2005). Pada metodologi ini dilakukan pembagian siklus
untuk proses data mining menjadi 6 tahap, dimana ketergantungan
antara setiap tahap digambarkan dengan panah. Berikut merupakan
gambaran dari metodologi CRISP-DM.
18
Gambar 2.4 Tahapan Metodologi CRISP-DM (Larose, 2005)
Berdasarkan pada gambar di atas, lingkaran siklus paling luar
menggambarkan bahwa data mining dengan metodologi CRISP-DM
dapat mengambil pengalaman dari proyek masa lalu untuk menjadi
masukan dalam proyek-proyek baru. Pada beberapa literatur
digambarkan bahwa dari tahapan evaluasi dapat mengirim analisis
kembali
ke
salah
satu
tahapan
sebelumnya,
namun
untuk
kesederhanaan maka pada literatur ini digambarkan proses yang
paling umum dimana dari tahapan evaluasi dapat kembali ke tahap
modeling. Berikut adalah penjelasan dari setiap tahap:
-
Business Understanding
19
Pada tahap ini berfokus pada pemahaman mengenai tujuan
dari proyek dan kebutuhan secara persepktif bisnis, kemudian
mengubah hal tersebut menjadi sebuah permasalahan data
mining dan rencana awal untuk mencapai tujuan tersebut.
Kegiatan yang dilakukan antara lain: menentukan tujuan dan
persyaratan dengan jelas secara keseluruhan, menerjemahkan
tujuan tersebut serta menentukan pembatasan dalam perumusan
masalah data mining, dan selanjutnya mempersiapkan strategi
awal untuk mencapai tujuan tersebut.
-
Data Understanding
Pada tahap ini dilakukan pengumpulan terhadap data, lalu
kemudian mempelajari data tersebut dengan tujuan untuk
mengenal data, melakukan identifikasi dan mengetahui kualitas
dari data, serta mendeteksi subset yang menarik dari data yang
dapat dijadikan hipotesa bagi informasi yang tersembunyi.
-
Data Preparation
Pada tahap ini dilakukan persiapan mengenai data yang
akan digunakan pada tahap berikutnya. Kegiatan yang dilakukan
antara
lain:
memilih kasus dan parameter
dianalisis(Select Data),
parameter
data
modeling(Cleaning).
-
melakukan transformasi terhadap
tertentu(Transformation),
pembersihan
Modeling
yang akan
agar
data
dan
siap
melakukan
untuk
tahap
20
Pada tahap ini dilakukan penentuan terhadap teknik data
mining, alat bantu data mining, dan algoritma data mining yang
akan diterapkan. Lalu selanjutnya adalah melakukan penerapan
teknik dan algoritma data mining tersebut kepada data dengan
bantuan alat bantu. Jika diperlukan penyesuaian data terhadap
teknik data mining tertentu, dapat kembali ke tahap persiapan
data.
-
Evaluation
Melakukan interpretasi terhadap hasil dari data mining
yang
dihasilkan
sebelumnya.
dalam
Evaluasi
proses
pemodelan
pada
tahap
dilakukan
terhadap
model
yang
diterapkan pada tahap sebelumnya dengan tujuan agar model
yang ditentukan dapat sesuai dengan tujuan yang ingin dicapai
dalam tahap pertama.
-
Deployment
Melakukan penyusunan laporan terhadap hasil yang
didapat dari evaluasi pada tahap sebelumnya atau dari proses
data mining yang dilakukan secara keseluruhan.
2.1.3.4 Perbandingan KDD, SEMMA, dan CRISP-DM
Dengan berdasarkan pada penjelasan ketiga metodologi
diatas, dapat dinyatakan jika pendekatan KDD and SEMMA adalah
ekuivalen atau memiliki kesamaan. Sample dapat diidentifikasikan
dengan Selection. Explore dapat diidentifikasikan sebagai Pre
processing. Modify sebagai Transformation. Model sebagai Data
21
Mining. Assess dapat berarti Interpretation/Evaluation. Sehingga
dapat dikatakan proses SEMMA terlihat mirip dengan lima tahapan
pada KDD. Pada tabel berikut akan dijelaskan mengenai tahapan pada
masing-masing metodologi:
Tabel 2.2 Perbandingan Tahapan KDD, SEMMA, dan CRISPDM (Azevedo & Santos, 2008)
Pada tabel di atas diketahui jika penggunaan CRISP-DM,
menambahkan sebuah tahapan yaitu business undertanding, dimana
pada penerapannya tahapan ini dilakukan untuk mengetahui
pemahaman mengenai tujuan dari proyek data mining yang akan
dilakukan. Sedangkan tahap lainnya dapat diidentifikasikan dengan
tahapan pada KDD, atau merupakan kombinasi dari tahapan pada
KDD sesuai dengan gambaran pada tabel di atas.
Setiap metodologi memiliki kelebihan masing-masing, akan
tetapi untuk mengetahui metodologi yang sering digunakan maka
dilakukan survey mengenai penggunaan metodologi tersebut. Berikut
merupakan gambar mengenai survey yang dilakukan terhadap
penggunaan metodologi dalam data mining.
22
Gambar 2.5 Survey Penggunaan Metodologi Data Mining
(Mariscal, Marban, & Fernandez, 2010)
Dari hasil survey diatas diketahui bahwa metodologi CRISPDM menjadi metodologi yang paling sering digunakan. Dimana pada
tahun 2002 jumlah pemilih CRISP-DM mencapai 51%, sedangkan
pada tahun 2004 dan 2007 menurun menjadi 41%. Walau menurun,
CRISP-DM tetap menjadi metodologi yang sering digunakan sesuai
dengan survey tersebut.
2.1.4
Fungsional Data Mining
Selanjutnya, terdapat beberapa fungsi atau tugas dari data mining
yang biasanya dikerjakan dalam proyek data mining. Fungsi tersebut antara
lain (Larose, 2005):
-
Description
23
Data mining dapat berfungsi untuk melakukan deskripsi
pola dan trend pada kumpulan data, dengan melakukan deskripsi
akan didapat penjelasan yang mungkin untuk tren atau pola
tersebut. Data mining harus bersifat se-transparan mungkin,
karena hasil dari data mining harus menjelaskan pola yang jelas.
-
Estimation
Fungsi estimation memiliki kemiripan dengan fungsi
classification, yaitu bertujuan untuk menentukan nilai dari
atribut output yang belum diketahui. Namun berbeda dengan
classification, atribut output pada estimation lebih bersifat
numerik daripada kategori.
Contoh kasus yang menerapkan estimation antara lain:
o
Memperkirakan rata-rata nilai(IPK) dari seorang
mahasiswa pasca sarjana dengan didasarkan pada IPK
ketika sarjana.
o
Memperkirakan jumlah uang yang dikeluarkan
untuk berbelanja keperluan sekolah ketika tahun ajaran
baru dimulai oleh sebuah keluarga.
-
Prediction
Tujuan dari fungsi ini adalah untuk menemukan
kemungkinan hasil di masa depan dengan berdasarkan tindakan
sekarang. Dimana atribut output yang dihasilkan bisa berupa
kategori atau numerik. Berikut merupakan contoh kasus yang
menerapkan fungsi prediction:
24
o
Memprediksi pemenang dari kejuaraan dengna
berdasarkan perbandingan statistik tim.
o
Memprediksi
persentase
kenaikan
tingkat
kecelakaan lalu lintas pada tahun depan jika batasan
kecepatan meningkat.
o
Memprediksi harga saham 3 bulan ke depan.
Gambar 2.6 Prediksi Harga Saham 3 Bulan Kedepan (Han &
Kamber, 2006)
-
Classification
Klasifikasi merupakan sebuah proses untuk mencari model
atau fungsi yang menjelaskan dan membedakan
kelas atau
konsep dari data, dengan tujuan untuk menggunakan model dan
melakukan prediksi dari kelas suatu objek dimana tidak
diketahui label dari kelas tersebut (Han & Kamber, 2006).
Berikut
merupakan
contoh
dari
penerapan
fungsi
klasifikasi:
o
Menentukan apakah transaksi dengan kartu kredit
tersebut adalah penipuan.
25
o
Menilai apakah pengajuan kredit yang diajukan
memiliki resiko kredit yang baik atau buruk.
o
Mendiagnosis apakah terdapat penyakit tertentu.
Dalam
melakukan representasi terhadap klasifikasi,
terdapat beberapa model yang dapat digunakan. Representasi
tersebut bisa dengan menggunakan classification (IF-THEN)
rules, decision trees, mathematical formulae, atau neural
networks.
Decision tree merupakan sebuah diagram alur yang
berbentuk
seperti
pohon,
dimana
setiap
cabang
merepresentasikan output dari pengujian dan daun pohon
merepresentasikan kelas atau distribusi dari kelas.
Gambar 2.7 Contoh Decision Tree (Han & Kamber, 2006)
Neural network berbentuk seperti sebuah koleksi unit
proses yang berbentuk neuron dengan weighted connections
diantara setiap unit.
26
Gambar 2.8 Contoh Neural Network (Han & Kamber, 2006)
Dalam pemanfaatannya terdapat banyak metode yang
dapat digunakan untuk melakukan model klasifikasi, seperti
support vector machine, naive Bayesian classification, dan knearest neighbor classification.
-
Clustering
Clustering berkaitan dengan pengelompokan dari records,
penelitian, atau kasus ke dalam kelas yang memiliki kesamaan
objek. Clustering berbeda dengan classification, dikarenakan
pada clustering tidak ada target parameter yang digunakan untuk
clustering.
Algoritma
pada
clustering
akan
melakukan
segmentasi data pada seluruh data menjadi sub-kelompok yang
relatif memiliki kesamaan.
Berikut
merupakan
contoh
dari
penerapan
fungsi
clustering:
o
Menentukan target pemasaran produk untuk bisnis
kecil yang tidak memiliki anggaran pemasaran yang besar.
27
o
Sebagai alat pengurangan dimensi data ketika set
data memiliki ratusan atribut
o
Mengelompokkan pelanggan dengan berdasarkan
karakterisasi
pola
pembeliannya,
sehingga
dapat
membantu pemasaran untuk strategi pemasaran.
Gambar 2.9 Contoh Penerapan Clustering terhadap lokasi
pelanggan dalam sebuah kota (Han & Kamber, 2006)
Dalam penerapannya, banyak algoritma yang dapat
digunakan untuk melakukan clustering,
seperti k-means
algorithm, dan self-organizing maps(SOM).
-
Association
Asosiasi dalam penerapan data mining memiliki tugas
untuk menemukan atribut yang memiliki keterkaitan atau
mencari hubungan atau suatu item. Sebagai contohnya dalam
himpunan transaksi, dimana dari himpunan transaksi tersebut
mungkin akan ditemukan suatu hubungan seperti berikut, pada
sebuah supermarket ditemukan bahwa terdapat 1000 pelanggan
28
yang melakukan transaksi pembelian dimana 200 pelanggan
membeli popok, dan dari 200 pelanggan tersebut diketahui 50
pelanggannya membeli bir. Dalam bahasa asosiasi hal tersebut
dibaca menjadi “Jika membeli popok, maka membeli bir”
dengan support 200/1000 = 20% dan confidence 50/200 = 25%.
Support dalam hal ini berarti persentase jumlah transaksi
dalam analisis yang menggambarkan bahwa kedua produk telah
dipesan dalam satu transaksi yang sama. Sedangkan confidence
berarti persentase jumlah pelanggan yang akan membeli produk
ke-2 jika membeli produk pertama, dalam hal ini berarti jika
pembeli membeli popok, maka ada peluang 25% pembeli
tersebut juga akan membeli bir.
Dengan demikian, untuk dapat menemukan hubungan
antar item tersebut mungkin diperlukan pembacaan terhadap
data transaksi secara berulang terhadap data transaksi tersebut.
Dikarenakan data transaksi tersebut berjumlah sangat besar
maka
diperlukan
algoritma
yang
efisien
untuk
dapat
mengerjakannya.
Selain itu terdapat beberapa contoh penerapan fungsi
asosiasi, antara lain:
o
Menginvestigasi proporsi pelanggan yang akan
merespon positif terhadap tawaran dari perusahaan ponsel.
o
Memprediksi
telekomunikasi.
degradasi
dari
jaringan
29
Mendapatkan keterkaitan antar parameter yang
o
berpengaruh pada peluang berhasilnya lulus ujian dari
seorang pelajar ketika menghadapi ujian akhir.
Untuk menerapkan asosiasi terdapat beberapa algoritma
yang
dapat
digunakan,
yaitu
apriori
algorithm,
dan
GRI(generalized rule induction) algorithm.
2.1.5
Clustering
Clustering merupakan proses pengelompokan sekumpulan objek fisik
atau abstrak kedalam kelas dengan objek yang serupa (Han & Kamber,
2006). Sedangkan cluster merupakan koleksi objek data yang memiliki
kesamaan satu sama lain dalam kelompok yang sama dan berbeda dengan
objek di kelompok lain. Cluster analisis dapat diterapkan secara luas pada
berbagai penggunaan, termasuk dalam market research, pattern recognition,
data analysis, dan image processing. Salah satunya dalam bisnis, clustering
dapat membantu pemasaran dalam mengetahui pengelompokan bagi
pelanggannya dan mengkarakterisasi kelompok pelanggannya berdasarkan
pola belanjanya.
Clustering dapat juga dikatakan sebagai data segmentation pada
beberapa penerapan, karena clustering akan membagi sekumpulan data yang
besar
ke
dalam
kelompok-kelompok
dengan
berdasarkan
pada
kesamaannya. Han & Kamber (2006) juga menyebutkan bahwa clustering
merupakan sebuah contoh dari unsupervised learning. Karena tidak seperti
klasifikasi, clustering tidak berdasarkan pada parameter atau kelas yang
30
ditentukan sebelumnya. Sehingga clustering merupakan bentuk “learning by
observation”, bukan “learning by examples”.
Clustering pada penerapannya di data mining memiliki beberapa
kebutuhan, yaitu (Han & Kamber, 2006):
-
Scalability
Skalabilitas dari clustering, baik dalam sampel kecil atau
database yang besar untuk menghindari hasil yang bias.
-
Ability to deal with different types of attributes
Clustering dapat
memiliki kemampuan untuk mengolah
berbagai macam jenis atribut, yang dapat berupa data biner, nominal,
ordinal, atau kombinasi dari tipe data tersebut.
-
Discovery of clusters with arbitrary shape
Algoritma
clustering
dengan
berdasarkan
ukuran
jarak
cenderung akan menemukan cluster dengan bentuk lingkaran, akan
tetapi clustering sebaiknya dapat mendeteksi cluster dengan bentuk
apapun, karena tidak semua cluster akan berbentuk bulat.
-
Minimal requirements for domain knowledge to determine input
parameters
Algoritma pada clustering terkadang mengharuskan pengguna
untuk memasukkan parameter tertentu dalam analisis cluster (seperti
jumlah cluster yang diinginkan), dimana hasil dari clustering sangat
sensitif terhadap parameter yang dimasukkan. Akan tetapi parameter
seringkali sulit untuk ditentukan sehingga menjadi kesulitan bagi
31
pengguna. Untuk itu
diperlukan kebutuhan yang minimal untuk
menentukan parameter masukan.
-
Ability to deal with noisy data
Database yang ada cenderung akan memiliki data yang salah,
sedangkan pada beberapa algoritma clustering yang sensitif terhadap
data tersebut dapat mengakibatkan kualitas hasil yang buruk.
-
Incremental clustering and insensitivity to the order of input
records
Beberapa algoritma clustering sensitif terhadap urutan data
masukan. Artinya, ketika diberi satu set objek data, algoritma dapat
memberikan hasil clustering yang berbeda tergantung pada urutan
penyajian data masukan. Hal ini berkaitan dengan pengembangan
terhadap algoritma clustering dan algoritma tambahan yang sensitif
terhadap urutan data masukan.
-
High dimensionality
Database atau data warehouse cenderung memiliki beberapa
dimensi atau atribut, dan banyak algoritma clustering yang dapat
menangani dimensi data yang kecil seperti dengan dua atau tiga
dimensi. Sehingga dapat mengurangi penanganan berdimensi tinggi,
karena manusia normal dapat belajar setidaknya sampai 3 dimensi.
-
Constraint-based clustering
Pada penerapannya mungkin diperlukan pengelompokkan
dengan berdasarkan pada berbagai macam batasan, sehingga hal ini
32
akan menjadi tantangan untuk menemukan hasil clustering data yang
baik dengan memenuhi terhadap batasan tersebut.
-
Interpretability and usability
Dalam penerapan clustering, pengguna mengharapkan hasil dari
penerapannya dapat dipahami, serta dapat digunakan. Sehingga
dengan kata lain, diperlukan pertimbangan terhadap tujuan dari
aplikasi
tersebut ketika melakukan pemilihan fitur dan metode
clustering.
Untuk kebutuhan penggunaan clustering,
biasanya penerapan
dilakukan pada (Jain, 2009):
-
Underlying structure, untuk mendapatkan informasi tentang
data,
menghasilkan
hipotesis,
mendeteksi
anomali,
dan
mengidentifikasi fitur yang penting.
-
Natural classification, untuk mengidentifikasi tingkat kesamaan
antara bentuk-bentuk (phylogenetic relationship).
-
Compression, sebagai metode untuk mengatur dan meringkas
data dengan melalui prototipe cluster.
2.1.5.1
K-Means
Kegiatan clustering merupakan proses pengelompokan
sekumpulan objek fisik atau abstrak kedalam kelas dengan objek yang
serupa. Dalam melakukan clustering tersebut, pada jurnal “Data
Clustering: 50 Years Beyond K-Means” (Jain, 2009) diungkapkan
perihal mengenai penggunaan K-means sebagai sebuah algoritma
33
yang cukup handal digunakan untuk proses clustering. K-means yang
disebutkan merupakan salah satu algoritma yang digunakan ketika
akan melakukan proses clustering.
Pada jurnal “Top 10 algorithms in data mining” (Wu, et al.,
2008), disebutkan bahwa algoritma K-means merupakan algoritma
yang paling banyak digunakan dalam data mining dan menempati
peringkat ke-2(dua), selanjutnya K-means menjadi posisi pertama
untuk algoritma clustering. Berikut urutan algoritma yang menjadi
terbaik (Wu, et al., 2008):
-
C4.5
-
K-means
-
SVM (Support Vector machines)
-
Algoritma Apriori
-
EM (Expectation Maximazation)
-
Algoritma PageRank
-
Algoritma AdaBoost
-
K-Nearst Neighbor
-
Naive Bayes
-
Classification and Regression Trees.
Algoritma K-means adalah metode iteratif sederhana untuk
melakukan partisi terhadap data yang diberikan ke dalam sejumlah
penggunaan cluster tertentu (Wu, et al., 2008). Algoritma K-means
ditemukan oleh beberapa peneliti di seluruh disiplin ilmu yang
34
berbeda, terutama Lloyd (1957, 1982), Forgey (1965), Friedman dan
Rubin (1967), dan McQueen (1967).
Anggap X = {xi}, dimana i = 1,. . . ,n, merupakan himpunan
pada n d-dimensi yang akan dikelompokkan pada K cluster, yang
digambarkan C = { ck, k=1,...,K}. Selanjutnya k-means akan
menemukan partisi secara sedemikian rupa sehingga kesalahan
kuadrat antara rata-rata empiris cluster dan poin di cluster dapat
diminimalkan. Anggapk menjadi rata-rata dari cluster ck, maka
hubungan antara keduanya dirumuskan menjadi:
Selanjutnya tujuan dari k-means akan meminimalkan nilai
J(ck) terhadap keseluruhan K cluster, sehingga dirumuskan menjadi:
Secara umum, langkah-langkah utama dari algoritma Kmeans adalah sebagai berikut:
-
Pilih partisi awal pada cluster K, ulangi langkah 2 dan 3
sampai keanggotaan cluster telah stabil.
-
Menghasilkan sebuah partisi baru dengan menetapkan
kepada masing-masing pola terhadap pusat cluster
terdekatnya.
-
Menghitung pusat cluster yang baru.
35
Berikut merupakan gambaran dari algoritma k-means pada
sebuah data dua dimensi dengan tiga cluster:
Gambar 2.10 Ilustrasi K-means (Jain, 2009)
Berdasarkan pada gambar di atas, maka pada tahap pertama
masukan data diberikan dengan tiga cluster(a), selanjutnya tiga titik
utama dipilih sebagai pusat cluster dan nilai awal untuk melakukan
cluster(b), lalu pada (c) dan (d) dilakukan iterasi langkah-langkahnya
untuk memperbaharui cluster dan pusat pada masing-masing cluster,
dan pada akhir clustering diperoleh pengelompokkan terakhir(e).
2.2 CDR(Call Details Records)
Perusahaan telekomunikasi mendapatkan keuntungan dari penjualan jasa
komunikasi untuk pelanggannya. Dari jasa komunikasi yang disediakan,
panggilan melalui telepon selular merupakan salah satu pelayanan dari perusahaan
telekomunikasi,
dimana
dengan
menggunakan
layanan
tersebut
maka
36
memungkinkan komunikasi langsung antara pelaku dan penerima panggilan.
Dalam penggunaan layanan panggilan tersebut, maka transaksi mengenai
panggilan akan disimpan dalam sebuah penyimpanan yang kemudian hasil
penyimpanan akan disebut sebagai Call Details Records(CDR).
Call Details Records(CDR) menyimpan informasi yang memadai dan
menggambarkan kegiatan panggilan dari setiap kegiatan panggilan yang terjadi
(Folasade, 2011). Call Details Records(CDR) pada umumnya akan terdiri dari hal
berikut (Ofrane & Lawrence, 2003):
-
Nomor telepon asal dan tujuan panggilan (who)
Berisikan informasi mengenai nomor telepon dari pengguna yang
melakukan panggilan, dan nomor telepon tujuan dari panggilan yang
dilakukan.
-
Tanggal dan waktu panggilan, serta durasi panggilan (when)
Berisikan informasi mengenai tanggal dan waktu pada saat melakukan
panggilan serta lama waktu yang terjadi pada saat melakukan panggilan.
-
Jenis panggilan dan perinciannya (what)
Berisikan informasi mengenai tanggal dan waktu pada saat melakukan
panggilan.
-
Lokasi panggilan (where)
Berisikan informasi mengenai lokasi terjadinya panggilan.
-
Alasan kejadian perekaman (why)
Berisikan alasan terhadap perekaman panggilan.
Call Details Records(CDR) dihasilkan dari mediation devices. Mediation
devices adalah perangkat yang akan menerima, mengolah, dan mengubah format
37
informasi dari jaringan telekomunikasi menjadi format yang sesuai dengan satu
atau lebih billing dan customer care system (Ofrane & Lawrence, 2003). Berikut
merupakan gambaran dari proses kerja mediation devices.
Gambar 2.11 Proses Kerja Mediation Devices (Ofrane & Lawrence, 2003)
Sesuai dengan gambar di atas, maka mediation device mampu untuk
menerima, dan melakukan decoding format data yang diterima dari switch
yang
berbeda.
Dan
mengubahnya
menjadi
standar
Call
Details
Records(CDR) yang dapat digunakan oleh billing system.
Selanjutnya pada gambar di bawah ini, terdapat gambaran mengenai
struktur dasar dari Call Details Records(CDR). Diagram ini melakukan
referensi terhadap, Usage Detail Record(UDR). Hal ini dikarenakan tidak
semua kejadian merupakan suara atau panggilan data, sehingga terdapat
catatan yang dihasilkan pada jaringan yang disebut Usage Detail
Record(UDR). Pada diagram ditunjukkan bahwa UDR berisikan mengenai
38
nomor identifikasi yang unik, pelaku panggilan, nomor tujuan panggilan,
serta waktu awal dan waktu akhir dari panggilan.
Gambar 2.12 Usage Detail Record(UDR) (Ofrane & Lawrence, 2003)
Selanjutnya dari Call Details Records(CDR) setiap pelanggan, dapat
dilakukan pengolahan sehingga menghasilkan informasi berupa catatan yang
menggambarkan perilaku pelanggan menelepon. Pada umumnya, selain dengan
Call Details Records(CDR), perusahaan telekomonukasi dapat melakukan
pengelompokkan pelanggan mereka dengan menggunakan billing system. Akan
tetapi dari data yang tersimpan pada billing system, hanya menggambarkan
mengenai perilaku pelanggan dalam berlangganan, berbelanja, dan melakukan
pembayaran. Sedangkan pada Call Details Records(CDR), dapat menggambarkan
perilaku dari pelanggan dalam memanfaatkan layanan panggilan. Dari hal
tersebut, dapat diketahui jika Call Details Records(CDR) memiliki data yang
lebih tepat untuk menggambarkan mengenai perilaku pelanggan daripada data di
billing system (Lin, 2007).
Dengan berdasarkan pada Call Details Records(CDR) yang mengandung
data mengenai perilaku pelanggan, maka hal ini dapat membantu untuk
mendapatkan informasi pelanggan yang dapat diperoleh untuk tujuan pemasaran.
39
Salah satu informasi tersebut adalah mengenai perilaku komunikasi dari
pelanggan, dimana perilaku komunikasi pelanggan tersebut akan mewakili
perilaku panggilan dari para pelanggan selama periode yang cukup lama. Dengan
mendapatkan informasi pelanggan tersebut maka perusahaan dapat memahami
kebutuhan pelanggan, sehingga penawaran khusus mengenai penggunaan
panggilan dapat dibuat dan tarif dapat disesuaikan dengan perilaku pelanggan
tersebut (Maedche, Hotho, & Wiese). Jika berdasarkan data yang tersedia pada
Call Details Records(CDR), maka perilaku komunikasi dari pelanggan dapat
digambarkan dengan ketertarikan pelanggan (profile interest) dalam panggilan
melalui pengelompokan berdasarkan lama panggilan yang dilakukan, ketertarikan
panggilan dari dan ke mana panggilan terjadi, serta dari penyebaran data
panggilan berdasarkan jam. Yang kemudian dari hal tersebut bisa diketahui
mengenai pola kemana panggilan yang dilakukan, darimana panggilan berasal,
serta kapan dan berapa lama panggilan terjadi.