Jenis-jenis Data dalam Data Mining

Vikra Alizanovic Maret 3, 2023 8 min read

Kualitas hasil dari data mining bergantung pada kualitas datanya. Oleh karena itu, penting untuk memahami berbagai jenis dan tipe data dalam data mining.

Di tulisan ini akan dibahas tipe-tipe data berdasarkan sumber, bentuk, serta metodologi pengolahannya.

Sumber data untuk data mining

Proses data mining umumnya dilakukan terhadap sekumpulan data yang masif, yang kita sebut dataset. Dataset ini biasanya tersedia di database.

Database sendiri memiliki banyak jenis.

Berikut beberapa contoh sumber data yang biasa digunakan dalam data mining.

Relational database

Relational database adalah database terstruktur yang datanya terorganisir dalam bentuk satu tabel atau lebih. Seperti tabel pada umumnya, database ini terdiri atas kolom dan baris.

Bagian kolom berisikan data-data dengan jenis tertentu yang menyimpan value attribute dan bersifat aktual.

Sementara bagian baris menerangkan kelompok nilai dari suatu objek tertentu yang biasanya memiliki tanda unik atau ID khusus.

Kelebihan dari relational database adalah:

Sistem operasionalnya lebih mudah, karena user interface sederhana
Tabel fleksibel, sehingga operator tertentu bisa mengambil data yang mana saja untuk kemudian mengolahnya
Memiliki sistem keamanan tingkat tinggi dengan tambahan fitur otorisasi
Data dalam database ini mempunyai tingkat presisi dan konsistensi tinggi, karena database menerapkan berbagai perhitungan kalkulus dan operasi aljabar

Data warehouse

Data warehouse atau gudang data adalah tempat penyimpanan informasi elektronik yang paling aman, baik untuk bisnis maupun organisasi lain.

Meski namanya gudang, data warehouse sebenarnya lebih mirip seperti perpustakaan yang menyimpan data history dari waktu ke waktu hingga informasi paling terkini.

Hal ini selaras dengan tujuan data warehouse, yakni menyediakan informasi secara real-time.

Contoh data warehouse dalam bisnis di antaranya adalah data transaksi keuangan, penjualan, stok, dll.

Beberapa karakteristik dari data warehouse meliputi:

Sistem informasi pada data warehouse sudah terintegrasi
Subject oriented atau fokus untuk tema atau fungsi tertentu saja
Non-volatile atau konsisten
Dioperasikan untuk jangka waktu tertentu

Manfaat dari data warehouse:

Kemudahan dan kecepatan akses
Informasi yang konsisten meski diakses banyak pihak
Kemampuan memprediksi pola atau tren
Meningkatkan return of investment secara optimal
Sebagai bahan pertimbangan dalam mengambil keputusan
Memiliki arsip historis yang bersumber dari data relevan

Transactional database

Sesuai namanya, transactional database adalah sekumpulan informasi yang berasal dari data hasil aktivitas transaksi.

Tampilan transactional database kurang lebih mirip seperti faktur, yakni ada kolom yang menjelaskan semua item terkait.

Pada operasionalnya, transactional database mempunyai 4 sifat standar atau yang biasa disingkat menjadi ACID, yaitu:

Atomicity: memastikan bahwa transaksi yang terjadi benar-benar sudah sukses. Jika belum atau ternyata gagal, sistem akan kembali ke kondisi sebelumnya.
Consistency: memastikan jika pengubahan status transaksi sudah benar.
Isolation: memastikan transaksi berlangsung secara transparan serta independen.
Durability: menjamin jika ada kegagalan transaksi, hasil atas terjadinya transaction commit tetap tersedia.

Karena keempat sifat tersebut, banyak perusahaan yang memanfaatkan transactional database untuk menunjang bisnisnya.

Bukan hanya sebagai catatan saja, tetapi juga memberikan banyak manfaat lainnya, seperti:

Kolom sangat fleksibel dan dapat diatur dengan bebas sesuai item yang berhubungan dengan transaksi
Risiko kehilangan data akibat transaksi gagal lebih kecil
Data terintegrasi secara optimal

Database management system

Database management system (DBMS) adalah sebuah software yang berfungsi untuk mengembangkan dan mengelola database. Di dalam DBMS bisa terdapat satu atau banyak database.

DBMS punya kemampuan yang lebih baik daripada database biasa.

Berikut adalah berbagai manfaat dari DBMS:

Berbagi data menjadi lebih cepat dengan sistem keamanan yang terjamin
Mengintegrasikan data secara efektif
Data yang tersimpan bersifat konsisten
Memiliki fitur kebijakan privasi serta keamanan, sehingga mampu menekan risiko terjadinya pelanggaran aturan
Meningkatkan produktivitas, berkat sistem operasionalnya yang mudah
Informasi berkualitas tinggi, sehingga mampu membuat keputusan yang lebih bijak
Mampu meminimalkan redundancy dan/atau duplikat

World Wide Web (WWW)

Sumber data berikutnya yang bisa digunakan untuk data mining adalah WWW–atau sederhananya berasal dari internet.

Secara teknis, WWW adalah sekumpulan dokumen yang bisa diakses dengan protokol tertentu. Fungsi utamanya adalah untuk mendistribusikan dokumen atau informasi melalui koneksi internet.

Umumnya, pengguna mengenalnya dengan sebutan web.

Komponen dari web adalah:

Uniform Resource Locator (URL)
HyperText Transfer Protocol (HTTP)
Hyper Text Markup Language (HTML)

WWW ini termasuk jenis repositori yang sangat heterogen, karena mampu mengumpulkan data dari berbagai sumber.

Sifatnya sendiri sangat dinamis, karena volume data akan terus meningkat dan perubahan bisa terjadi kapan saja.

Lebih dari itu, kamu juga bisa mendapatkan banyak manfaat dari sini, seperti:

Ketersediaan informasi yang bisa kamu akses dari mana saja
Lebih hemat budget, karena biaya koneksi awal cenderung rendah
Komunikasi bisa semakin interaktif dan cepat
Minim hambatan dalam koneksi
Memiliki fasilitas akses ke berbagai sumber informasi dan masih terus di-update
Menyediakan fasilitas untuk membentuk kontak profesional
Kini sudah menjadi media global

Salah satu cara memperoleh data dari web adalah dengan melakukan scraping.

Tipe-tipe data dalam data mining berdasarkan bentuknya

Setelah mengenali berbagai sumber data, sekarang mari kita bahas jenis-jenis data dalam data mining dilihat dari bentuk datanya.

Data multimedia

Data multimedia mencakup objek-objek seperti data dalam bentuk:

gambar,
video,
audio,
text (termasuk webpage, dll.)

Data mining terhadap data multimedia biasanya bertujuan untuk mencari pola dan insight.

Prosesnya mencakup analisis data digital seperti:

image processing,
image classification,
audio data mining,
pattern recognition, dsb.

Data dalam bentuk multimedia ini kerap menjadi bidang penelitian yang populer.

Sebab sebagian besar data dari platform media sosial seperti Twitter dan Facebook dapat dianalisis dengan mudah dan mampu menghasilkan tren dan pola yang menarik.

Data web

Aktivitas web mining bertujuan mengungkap data dalam bentuk informasi dan pola yang krusial dari internet.

Data yang akan dianalisis umumnya diambil dari berbagai laman web beserta data multimedianya, termasuk foto dan gambar pada website.

Tujuan dari analisis data dalam bentuk ini adalah untuk memahami konten, pengguna unik website tertentu, ranking website, hingga pola pencarian yang dilakukan pengguna.

Data web juga berguna untuk menentukan search engine yang paling optimal beserta algoritma yang digunakan oleh search engine tersebut.

Data teks

Sebagian besar informasi yang ada dalam hidup kita hadir dalam bentuk teks–mulai dari berita harian, jurnal riset, buku, pesan surel, hingga blog.

Data mining terhadap data teks dapat digunakan lebih lanjut untuk analisis sentimen, perangkuman dokumen, kategorisasi teks, hingga penerapan informasi untuk machine learning.

Contoh dari hasil analisis data teks adalah yang dilakukan oleh Pacmann berikut ini:

Data spatiotemporal

Data spatio-temporal adalah data yang terdiri atas keterangan ruang (space) dan waktu (tempo). Data spatio-temporal dapat berupa informasi hasil scan dataran peta, analisis GPS, cuaca, timer, dsb.

Hasil ekstraksi data ini dapat digunakan lebih lanjut untuk mengukur nilai tanah, usia bebatuan, hingga ramalan cuaca.

Jenis-jenis metode pengolahan data dalam data mining

Sekarang kamu sudah tahu jenis-jenis data berdasarkan sumber dan bentuknya. Setelah data didapatkan, tentunya data tersebut masih perlu diolah dan dianalisis.

Berikut adalah beberapa metode yang sering digunakan untuk mengolah data dalam data mining:

Association

Metode ini mencakup identifikasi pola hubungan antar item dalam sebuah dataset. Contohnya seperti market basket analysis di bidang online marketplace, yang mengidentifikasi dua benda yang sering dibeli bersamaan.

Clustering

Metode ini dilakukan dengan mengelompokkan poin-poin data yang serupa berdasarkan karakteristik atau sifat tertentu dari data tersebut.

Clustering biasanya digunakan untuk mengidentifikasi pola dalam dataset atau untuk menguak struktur yang tersembunyi dalam dataset tertentu.

Classification

Metode ini dilakukan dengan sekelompok data yang sudah dilabeli guna menyempurnakan model.

Model ini yang nantinya bisa difungsikan untuk data baru yang belum dilabeli agar bisa diklasifikasikan berdasarkan kategori atau kelompok yang sudah ditentukan.

Prediction

Metode ini memprediksi hubungan antara variabel dependen dan variabel independen. Metode ini berguna untuk membangun prediksi mengenai potensi profit berdasarkan penjualan yang sudah terjadi.

Regression

Metode regresi ini digunakan untuk membentuk model serta prediksi nilai numerik, seperti harga saham atau pola cuaca.

Anomaly detection

Metode data mining satu ini biasanya digunakan untuk mengidentifikasi data yang menyimpang dari nilai normal. Metode ini kerap digunakan untuk mendeteksi fraud atau penipuan, atau mengidentifikasi nilai terluar dari rentetan dataset.