23
2.
Tipe &.0.
tekn]k
dattL
yar;g
diopentsikan
(contoh
;
co-ntimwusdiscreet,
time series,
nomina{).
3.
Tipe
apli.i.;:asi
(model
ekunomib.iolugi, genetik, web log
mining).
4. Beniu....\..-bentuk atribut
(accura'Ji,
precision,
interpretability, nervne.ss,
expressiveness_).
1'e1-::nik
data
mining
menjadi
l.ebih
menarik bi1a
diiihat
me1a1ui
kategori
masalah
bisnis
ynng
dialokasikan
o1eh data
warehouse
dan
data
mining.
Pada
pe:ndekatan ini, data
mining
hams
d:ik.f!tegorikan tcrlcbih
dahulu, antara
lain
:
1.
Analisis Rctrospcktif
Di
mana
memfoku.skan
tt..--rhadap pokok
penwalan.
di
masa
lalu.
dan
maa
sekarang.
Sebagai contoh
sebuah
orga:pisasi
harus
mengambil
kepulus:m.
yang
rnembutu.hkan
analisa
yang
rnendahm
tentang
data
penjuala.""L?J.ya sdama
dua
tahun, seperti
analisis
berdasarkan
demografinya, jenl.s paket,
jenis produk ya••g la1m.
&'Um yang
tid&la...k.1J.
2. Analisis
Predik'-cif
Di
llli!lla
tc-rfok:eskan
pada
nJc..... d.iksikan.l
kejadian-kejadian dan
sikap-sikap
tertentu. Contohnya, sebt.W.h organisasi
alau perusahaan
ingin membuai model-model Y.,..'"'Tkiraan
yang menjelaskan pengurangan
jUlll1lah
pelanggan dan
membuat
langkah-langkah
untuk
menregah.
prngunmgan
pelangga."l.
Data
mining
moogidentifikasi
fai.--ta-fakta
atau mengusulkan
kesimpulan
benJa::::arlw.n
pcnyditlikan
mdalui
da!.a
untuk
mcru:.."llnik.an
_pola-poh>-
atau
anomah.
 |