7
2. Discovery
Aplikasi discovery
adalah pendekatan eksploratoris untuk
analisis data.
Aplikasi
discovery
menggunakan teknik
yang
menganalisis data set
yang besar
untuk
menemukan
association
rules
(atau
pola),
atau
menemukan kluster
dari
sampel
yang
dapat
dikelompokan. Hasil
dari
metode
discovery
umumnya
dimaksudkan
untuk
pengguna,
namun hasilnya juga dapat diaplikasikan ke metode data mining yang lain
3. Deviation Detection
Deviation
detection
melakukan deteksi anomali secara otomatis.
Tujuannya
untuk
mengidentifikasi kebiasaan suatu
entitas
dan
menetapkan sejumlah norm
melalui
pattern
discovery.
Sampel
yang
berdeviasi
dari
norm
lalu
diidentifikasi
sebagai
tidak
biasa.
Teknik
deviation
detection
melalui
visualisasi melalui
parallel
coordinates,
scatterplots, dan surface plots.
2.1.6 Proses data mining
Tujuan dari data mining itu sendiri adalah mencari data pada sebuah database /
data warehouse, yang dapat meramalkan prospek masa depan. Karena data mining
adalah suatu rangkaian proses, data mining dapat dibagi menjadi beberapa tahap yaitu :
1.
Pembersihan data (untuk membuang data yang tidak konsisten dan noise)
2.
Integrasi data (penggabungan data dari beberapa sumber)
3.
Transformasi data (data diubah menjadi bentuk yang sesuai untuk di-mining)
4.
Aplikasi teknik data mining
5.
Evaluasi pola yang ditemukan (untuk menemukan yang menarik/bernilai)
6.
Presentasi pengetahuan (dengan teknik visualisasi)
Tahap-tahap
diatas,
bersifat
interaktif
di
mana
pemakai
terlibat
langsung
atau
dengan
perantaraan knowledgebase.
 |