Intro to Data Mining

Dalam bahasa saya sendiri, Data Mining adalah sebuah cabang dalam ilmu komputer yang bertujuan untuk menemukan pengetahuan berharga dari sekumpulan data. Pengetahuan ini bisa juga diartikan sebagai patterns, regularities, dan unchanged. Bahwa dari sekumpulan data, pasti ada pola keterhubungan antara satu data dengan data lainnya. Contohnya, dari data transaksi penjualan barang di sebuah supermarket, kita bisa menemukan hubungan antara penjualan barang A dengan barang B. Jika seseorang memberi barang A, maka kemungkinan dia akan membeli barang B juga. Sederhananya seperti itu.

Sebelum membahas lebih jauh tentang Data Mining (DM), saya ingin menuliskan perbedaan antara DM dengan Information Retrieval (IR), karena dulu saya penasaran apa bedanya. Ternyata, dalam IR, kita hanya berurusan dengan peroleh informasi saja. Artinya, hasil perolehan yang kita dapatkan bentuk/format datanya sama dengan apa yang tersimpan. Hasilnya sudah dapat kita duga; kalau kita masukkan query tentang suatu hal, maka mesin IR akan memberikan hasil tentang hal tersebut. Berbeda dengan DM, kita tidak tahu apa yang akan mesin DM berikan. Hasil keluaran DM ini bisa jadi merupakan hal yang tidak tertulis secara eksplisit pada data, melainkan sebuah pola keterhubungan yang selama ini belum diketahui. Itulah knowledge.

Machine Learning is the heart of Data Mining

Jadi, bagaimana caranya mesin menemukan knowledge yang berupa pola keterhubungan antardata itu? Jawabannya adalah dengan Machine Learning (ML). Kalau bicara ML, sepertinya ada perdebatan filosofis tentang apa itu learning. Kalau learning diartikan sebagai kemampuan beradaptasi dan mengubah perilaku, apakah sebuah sandal jepit juga dikatakan melakukan learning? Karena sandal itu kalau sudah lama dipakai, lama2 di bagian yg menempel dengan telapak kaki tidak akan datar lagi, tapi menyesuaikan dengan bentuk kaki. Jadi apakah learning perlu intensi/keinginan sendiri? Nah hal ini masih menjadi perdebatan. Tapi yang jelas, learning memerlukan tujuan.

Ada dua jenis masalah dalam ML, yaitu classification dan regression. Jadi dalam DM pun sebenarnya masalahnya hanya 2 hal itu saja. Contoh klasifikasi adalah memprediksi akan main ke luar rumah atau tidak. Jika kita punya atribut seperti temperatur, cuaca, kelembaban, dan angin; untuk setiap kemungkinan nilai dari atribut itu, kita bisa menentukan apakah akan main ke luar atau tidak. Contohnya, jika hari panas, berangin, dan lembab, kita tidak akan main ke luar rumah. Jika kita punya banyak data yang berisi kemungkinan2 nilai ini, maka data tersebut disebut training instances yang bisa digunakan mesin untuk belajar, sehingga kalau ada data baru dia bisa memprediksi apa outputnya. Yang dinamakan output adalah hasil main keluar rumah/tidak, dan input adalah keempat atribut tadi. Sedangkan contoh regresi adalah prediksi performance CPU jika diketahui workload, kecepatan proses, dan besar memori. Di sini kita berurusan dengan angka-angka. Dengan regresi nanti kita bisa mendapatkan sebuah persamaan garis yang berupa penjumlahan dari nilai2 atribut yang diberi bobot, sehingga dengan persamaan regresi ini kita bisa memprediksi output juga kalau ada data baru.

Di balik itu semua, ternyata ML dan DM ini didasari oleh teori2 matematika dan terutama probabilistik! Gimana nggak, hasil dari DM itu sendiri sebenarnya adalah aproksimasi fungsi, yang terdiri dari 2 macam: polynomial function untuk masalah regresi, dan probability/distribution function untuk masalah klasifikasi. Jadi kalau belajar DM dari pendekatan Machine Learning-nya, akan sangat kental sekali dengan teori probabilitas dan matematika. Kalau di S1 Ilmu Komputer, kuliah yang menunjang ini mungkin Probabilitas Terapan dan Analisis Numerik. Huaaa.. dulu saya sebodo amat sama dua kuliah ituuu T_T Tapi sekarang harus mau belajar biar ngerti. Never too late to learn, right?

Sekian dulu cerita tentang pengantar Data Mining