Pada data mining sangat banyak teknik penggalian pengetahuan dan algoritma yang dapat dipilih dan disesuaikan dengan tujuan mining dan tipe karakter datanya. Semuanya memiliki fungsi dan tujuan yang berbeda-beda tergantung dari kebutuhannya masing-masing.
Pada pemilihan metode data mining atau pemilihan algoritma wajib disesuaikan dengan tipe karakter datanya, baik berupa nominal ataupun numerik, dimana pada tahap ini ditentukan modeling atau penggunaan algoritma yang tepat untuk digunakan dan dipilih dari beberapa pilihan model algoritma yang tersedia.
Berikut adalah pengelompokan peran data mining sebagaimana yang dikemukakan oleh (Buulolo, 2020):
- Description digunakan untuk mengidentifikasi pola yang sering muncul dan mengubah pola tersebut menjadi aturan yang dapat digunakan untuk memudahkan suatu aktivitas.
- Classification digunakan jika atributnya bisa berupa nominal atau numerik tetapi labelnya harus berupa nominal. Pada klasifikasi dilakukan pengelompokkan berdasarkan hubungan antara variabel kriteria dengan variabel target.
- Prediction digunakan jika atributnya numerik dan labelnya numerik serta terdapat time series pada atributnya. Peran data mining prediksi ini secara umum hampir sama dengan klasifikasi.
- Estimation digunakan jika dataset atributnyanumerik dan labelnya numerik. Estimasi adalah perkiraan atau prediksi sehingga estimasi hampir sama dengan klsifikasi yang membedakan hanya pada jenis dataset yang digunakan.
- Clustering digunakan jika dataset tidak memiliki label dan atributnya numerik. Pengklasteran merupakan pengelompokkan data yang memiliki kemiripan nilai.
- Association digunakan jika dataset ingin diketahui seberapa dekat hubungan antar atributnya. Dalam data mining proses asosiasi adalah pencarian atribut yang muncul atau sering muncul dalam waktu yang bersamaan.
Jika peran data mining sudah dipahami maka proses data mining akan mudah dilakukan untuk dapat melahirkan suatu pengetahuan yang dapat digunakan sesuai dengan kebutuhan. Pengetahuan tersebut merupakan jenis yang dihasilkan dari proses datamining atau penambangan data, bisa berupa pola seperti formula, tree, cluster, rule ataupun correlation.
Jurnal : Prediksi Kondisi Sarana Air Minum Menggunakan Algoritma Naive Bayes
Teknologi saat ini sangat memungkinkan untuk melakukan penyimpanan data dan menangkap dalam jumlah yang sangat besar. Dari data-data tersebut kemudian bisa dicari pola, trend dan anomali dari dataset nya, kemudian menyimpulkannya dengan model kuantitatif sederhana. Sehingga data mining akan menjadi tantangan tersendiri dalam mengubah data menjadi informasi dan pengetahuan.
Test online manajemen proyek:
Quiz online manajemen proyek dan perubahan
Test skill pengetahuan manajemen proyek
