Materi
Data mining adalah langkah menerapkan algoritma untuk menemukan pola di dalam data. Fayyad, Piatetsky-Shapiro, dan Smyth (1996) menempatkannya sebagai satu langkah di dalam proses yang lebih besar, yaitu knowledge discovery in databases (KDD): proses menemukan pola yang sah, baru, berguna, dan dapat dipahami. Langkah KDD di artikel itu berurutan: seleksi data, praproses (pembersihan dan penanganan nilai hilang), transformasi (mengubah bentuk atau mengurangi atribut), data mining, lalu interpretasi dan evaluasi pola yang ditemukan.
CRISP-DM (Cross-Industry Standard Process for Data Mining) membagi sebuah proyek menjadi enam fase: pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, dan penerapan. Dokumentasi Oracle Machine Learning, yang menyatakan prosesnya berdasar CRISP-DM, merinci isi fase-fase itu: menetapkan tujuan dan kriteria sukses; mengumpulkan, menjelajahi, dan menilai mutu data; membersihkan, menggabungkan, memilih, dan mentransformasi data; mencoba, membangun, dan menyetel model; menilai hasil terhadap kriteria sukses bisnis; lalu memasang, memantau, dan melaporkan model.
| Fase CRISP-DM | Contoh kegiatan di toko buku daring |
|---|---|
| Pemahaman bisnis | Menetapkan sasaran: pengembalian barang turun 10% dalam enam bulan |
| Pemahaman data | Menghitung sel kosong per kolom dan memeriksa rentang tanggal pesanan |
| Persiapan data | Menyeragamkan nama kota, mengisi ongkir yang kosong, membuat kelompok umur |
| Pemodelan | Mencoba dua algoritma dan menyetel parameternya |
| Evaluasi | Mencocokkan hasil model dengan sasaran 10% tadi |
| Penerapan | Memasang model di sistem pesanan dan memantau hasilnya tiap bulan |
Urutan fase tidak kaku. Dokumentasi yang sama menyebut bahwa bila algoritma menuntut transformasi tertentu, pekerjaan kembali ke fase persiapan data, dan tugas persiapan data dikerjakan berulang. Kelas Machine Learning Dasar membahas pemodelan dan penilaian model secara rinci; kelas ini memusatkan diri pada persiapan data dan pada teknik mencari pola: asosiasi, pemilihan atribut, pengelompokan, dan pencilan.
