DATA INTERGRATION
PENERAPAN DATA MINING DALAM BISNIS
DI SUSUN OLEH :
NGURAH GEDE CAHYA TOSHI PERMADI
TI – DGM
10101095
SEKOLAH TINGGI ILMU KOMPUTER INDONESIA
DENPASAR
2011/2012
KATA PENGANTAR
Pertama-tama penulis panjatkan puji syukur kehadapan Tuhan Yang Maha Esa, karena atas berkat rahmat-Nya lah penulis dapat menyelesaiakan makalah yang berjudul “Penerapan Data Mining dalam Bisnis”. Adapun makalah yang penulis buat merupakan makalah penugasan kelompok dari mata kuliah Data Intergration.
Banyak perusahaan yang tidak mengetahui bagaimana menambang emas dari tumpukan data yang dimilikinya. Banyak diantara perusahaan hanya menjadikannya sebagai arsip dan bahkan tumpukan data atau berkas-berkas usang. Tanpa sadar perusahaan menimbun asset berharga yang sebenarnya dapat dijadikan strategi bisnis yang menguntungkan.
Di dalam makalah ini penulis membahas tentang apa itu data mining, tujuan utama data mining dan bagaimana penerapan data mining dalam bisnis. Sehingga diharapkan pembaca dapat lebih memahami tentang data mining.
Penulis menyadari, makalah ini jauh dari sempurna. Oleh sebab itu, kritik, saran, dan masukan-masukan lain yang bersifat membangun dari pembaca senantiasa penulis harapkan demi kesempurnaan makalah ini. Semoga makalah ini dapat memberikan manfaat dalam praktik promosi kesehatan ibu menyusui.
Denpasar, 2 Maret 2011
Penulis
DAFTAR ISI
Halaman Judul
Kata Pengantar
Daftar Isi
BAB I PENDAHULUAN
A. Latar Belakang
B. Tujuan
C. Rumusan Masalah
BAB II PEMBAHASAN
A. Definisi Data Mining
B. Tujuan Data Mining
C. Keterbatasan Data Mining
D. Penerapan Data Mining dalam Bisnis
BAB III PENUTUP
A. Kesimpulan
B. Saran
DAFTAR PUSTAKA
BAB I
PENDAHULUAN
A. Latar Belakang
Database saat ini berkembang menjadi sangat besar secara cepat ke dalam ukuran terabyte. Di dalam tumpukan data tersebut mungkin terdapat informasi-informasi tersembunyi yang sangat penting atau menjadi penting pada saat dibutuhkan. Akan tetapi bagaimana caranya kita menemukan sebuah jarum dalam tumpukan jerami? Dalam hal ini dapat kita katakan bahwa semua data belum berarti informasi.
Kita telah mengetahui bahwa data mentah (raw data) tidak terlalu berguna karena ukurannya yang begitu besar sehingga tidak mungkin dianalisa. Kita perlu mengekstrak pola dari data mentah tersebut. Jawabannya adalah dengan data mining. Banyak organisasi di dunia telah menggunakan data mining untuk mencari dan menarik kesimpulan dari data yang mereka miliki. Berikut beberapa contoh aplikasi data mining:
1. Perusahaan pemasaran menggunakan data sejarah respon pembelian terhadap suatu tawaran produk untuk membangun model untuk memperkirakan pelanggan potensial yang akan di raih dengan metode penawaran tertentu.
2. Agen pemerintah menyaring data transaksi keuangan untuk mendeteksi money laundering dan penyelundupan obat terlarang.
3. Dalam tahapan diagnosis, para fisikawan membangun expert system berdasarkan banyak percobaan yang telah dilakukan.
Secara definisi data mining adalah ekstraksi informasi potensial yang sebelumnya tak diketahui atau implisit, suatu kelas dari aplikasi database yang mencari pola tersembunyi dalam suatu kelompok data. Atau, data mining bisa juga didefinisikan sebagai suatu proses yang menggunakan berbagai perangkat analisis data untuk menemukan pola dan relasi data agar dapat digunakan untuk membuat prediksi dengan tepat.
Dari tinjauan keamanan sistem informasi, data mining memang bagai pisau bermata ganda. Di satu sisi bisa berguna bagi pihak pemilik data untuk hal-hal yang telah disebutkan di atas, namun bisa jadi illegal jika data-data tersebut disalahgunakan untuk hal-hal yang bersifat melanggar privasi orang lain atau bahkan jika pengumpulan data tersebut dilakukan secara tidak etis dan tanpa sepengetahuan pihak yang memiliki informasi.
Aplikasi data mining sendiri bukanlah suatu aplikasi sederhana. Ia melibatkan algorithma machine learning yang membutuhkan algoritma kecerdasan buatan yang cukup kompleks dan berada di luar cakupan makalah ini.
B. Rumusan Masalah
1. Apakah yang dimaksud dengan data mining?
2. Apakah tujuan dari data mining?
3. Bagaimana penerapan data mining dalam bisnis?
C. Tujuan
Adapun tujuan umum dari pembuatan makalah ini adalah agar pembaca mampu memahami penerapan data mining dalam bisnis. Sedangkan tujuan khusus dari pembuatan makalah ini antara lain:
1. Memahami tentang data mining.
2. Mengetahui tujuan dari data mining.
3. Mengetahui penerapan data mining dalam bisnis.
BAB II
PEMBAHASAN
A. Definisi Data Mining
Data mining adalah proses yang menggunakan teknik statistik, matematika, kecerdasan buatan dan machine learning untuk mengekstraksi dan mengidentifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai database besar. (Turban, dkk. 2005).
Langkah pertama dan paling sederhana dalam data mining yaitu menggambarkan data – menyimpulkan atribut statistik (seperti rata-rata dan standar deviasi), mereview secara visual menggunakan diagram dan grafik, serta mencari relasi berarti yang potensial antar variabel (misalnya nilai yang sering muncul bersamaan). Mengumpulkan, mengeksplor, dan memilih data yang tepat adalah sangat penting.
B. Tujuan Data Mining
Belakangan ini kekuatan penghitungan processor sangat meningkat secara signifikan, kapasitas media penyimpanan seperti harddisk juga meningkat tajam dan dengan harga yang sangat lebih terjangkau, akibatnya kemampuan untuk menyimpan data berlari lebih cepat daripada kemampuan untuk memproses data pada media penyimpanan tersebut. Ini menjadikan data-data yang telah terkumpul hanya terdiam di dalam database, kebanyakan data-data ini datang dari perangkat lunak bisnis, seperti aplikasi finansial, Sistem Enterprise Resource Planning (ERP), Sistem Customer Relationship Management (CRM), dan lainnya.
Data-data yang diam terkumpul tersebut seringkali luput dari perhatian, perusahaan biasanya sudah merasa aman mempunyai data, akan tetapi mereka yang tidak melakukan proses data mining sebenarnya kaya akan data tapi miskin informasi akan data-data yang mereka miliki. Jadi tujuan utama dari Data Mining, yaitu penemuan dari suatu pengetahuan (knowledge discovery) dan model prediksi (prediction model) dari data transaksi yang telah dicatat oleh berbagai aplikasi, di mana pengetahuan ataupun prediksi tersebut dapat membantu manajemen senior dalam mengidentifikasi tren bisnis (business trend) untuk pengambilan keputusan strategis.
C. Keterbatasan Data Mining
Data mining hanyalah sebuah alat, bukan tongkat ajaib. Data mining tidak secara otomatis mengamati apa yang terjadi pada database lalu mengirimkan laporan ketika terdapat pola-pola menarik. Penggunaan data mining tetap saja mengharuskan kita untuk mengerti data kita dan mengerti metode-metode analisis data. Data mining membantu analis untuk menemukan pola dan relasi data akan tetapi tidak secara langsung mengatakan nilai dari pola tersebut. Lebih jauh lagi, pola-pola yang tidak diketemukan melalui data mining harus diverifikasi kembali dalam dunia nyata.
Perlu diingat bahwa hubungan prediktif yang ditemukan melalui data mining tidak selalu merupakan sebab dari suatu prilaku atau tindakan. Misalnya, datamining bisa jadi menemukan bahwa pria dengan pendapatan Rp. 5 – 10 juta per bulan adalah pelanggan dari majalah-majalah tertentu dan kemungkinan besar merupakan pembeli dari suatu produk. Suatu perusahaan bisa saja mengambil keuntungan dari pola ini dengan menargetkan pemasaran kepada orang-orang yang memenuhi pola tersebut. Tapi tetap saja perusahaan tersebut tidak boleh mengasumsikan bahwa hanya faktor inilah yang menyebabkan mereka membeli produk perusahaan tersebut.
D. Penerapan Data Mining dalam Bisnis
Data mining sebenarnya tidak mesti harus diterapkan pada perusahaan besar, untuk perusahaan menengahpun bsa, bahkan untuk personal sekalipun. Penerapan yang bisa kita lakukan antara lain misalnya untuk mengetahui minat atau kesukaan pelanggan terhadap suatu produk.
Data mining bisa diterapkan pada usaha retail, misalnya saja pada mini market atau supermarket. Para pembeli supermarket biasanya akan membeli barang yang saling berhubungan, misalnya saja jika membeli kopi maka akan disertai juga dengan membeli gula dan susu. Jika membeli roti tawar maka akan disertai juga dengan margarin dan susu kental manis.
Melihat model seperti ini maka data mining bisa diterapkan dalam pengelolaan barang yang dibeli, dalam satu hari transaksi maka bisa melihat adanya saling keterkaitan. Jika sudah seperti ini maka manager bisa mengatur tata letak produk-produk tersebut agar berdekatan, sehingga prospek beli dari konsumen semakin besar. Sebenarnya ada banyak faktor lain yang terlibat dengan temuan-temuan mining ini, misalnya strategi peletakan barang difungsikan pula bagi pelanggan yang lupa untuk membeli barang-barang pelengka karena kealfaam pelanggan dalam memberi barang yang seharusnya dibeli adalah kerugian bagi perusahaan.
Sedangkan untuk perusahaan besar sebenarnya harus sudah menggunakan data mining untuk meramalkan bisnis perusahaan kedepan, apalagi jika perusahaan tersebut memiliki banyak pelanggan yang terbesar di beberapa wilayah, belum lagi persaingan yang semakin ketat dengan perusahaan lain. Dalam perusahaan hendaknya sudah memilikistrategi bisnis yang muktakhir dan terarah.
Sebagai contoh perusahaan besar yang menggunakan data mining ialah IBM (International Business Machines) yaitu sebuah perusahaan yang berasal dari Amerika Serikat yang memproduksi dan menjual perangkat keras (hardware) dan perangkat lunak (software). IBM dikenal sebagai perusahaan teknologi informasi terbesar di dunia. Untuk urusan data IBM tidak mau ketinggalan, terbukti pada bulan Mei 2000 IBM bekerjasama dengan SurfAid dan WebCriteria melakukan kemitraan dalam hal e-solusi. IBM SurfAid menggunakan algoritma data mining untuk mendata akses halama Web, khususnya yang berhubungan dengan pemasaran, tujuannya tentu saja untuk melihat minat prilaku dan customer serta melihat keaktifan pemasaran melalui web.
Sebenarnya banyak sekali brand atau perusahaan yang sudah menggunakan data mining, akan tetapi tidak semua perusahaan mau menyampaikan ke publik. Hal ini bisa dimaklumi sebab strategi bisnis perusahaan tentu berbeda dan tidak mau jika ditiru oleh perusahaan lainnya.
BAB III
PENUTUP
A. Kesimpulan
Data mining menawarkan prospek yang menjanjikan ke banyak organisasi dalam usaha menemukan pola yang tersembunyi dalam data mereka yang dapat digunakan untuk memprediksi prilaku pelanggan, produk, atau proses. Akan tetapi perangkat data mining membutuhkan pengguna yang mengerti bisnis, data, prilaku umum dari metode analitis yang digunakan. Data mining yang sukses diharapkan dapat meningkatkan pendapatan atau mengurangi biaya. Membangun model hanyalah satu langkah dalam knowledge discovery. Mengumpulkan dan mempersiapkan data yang tepat, serta pengujian model dalam dunia nyata adalah sangat penting.
Data mining tidak mesti harus diterapkan pada perusahaan besar, untuk perusahaan menengahpun bisa, bahkan untuk personal sekalipun. Penerapan yang bisa kita lakukan antara lain misalnya untuk mengetahui minat atau kesukaan pelanggan terhadap suatu produk.
B. Saran
Sebaiknya setiap perusahaan lebih memikirkan untuk menggunakan data mining, sehingga arsip-arsip dan tumpukan data yang disimpan oleh perusahaan dapat dijadikan asset berharga yang sebenarnya dapat dijadikan strategi bisnis yang menguntungkan.
DAFTAR PUSTAKA
Ishwara. 2011. Pengenalan Data Mining. (http://ishwara.us/pengenalan-data-mining/ diakses 2 Maret 2012)
Kusrini dan Emha Taufiq Lutfi. 2009. Algoritma Data Mining. Yogyakarta : C.V Andi Offset
Sulianta, Feri dan Dominikus Juju. 2010. Data Mining – Meramalkan Bisnis Perusahaan. Jakarta : PT. Elex Media Komputindo
|
|
