·
Menerapkan
proses data mining untuk pengolahan
basis data customer dengan metode clustering menggunakan algoritma hirarkis divisive k-means untuk mengelompokan customer.
·
Penggunaan
metode clustering dan algoritma hirarki divisive k-means untuk
mengetahui kemiripan karakteristik antar data dalam basis data customer berdasarkan transaksi yang
dilakukan, guna membentuk kelompok – kelompok customer.
·
Membangun
sebuah aplikasi data mining yang
dapat membantu mentranformasikan basis data customer
berdasarkan transaksi yang dilakukan menjadi informasi yang berguna.
·
Memanfaatkan aplikasi
data mining untuk melakukan competitive
intelligence perusahaan guna pengelompokan customer.
METODOLOGI
A. Data Mining
Data mining merupakan sebuah analisa dari
observasi data dalam jumlah besar untuk
menemukan hubungan yang tidak diketahui sebelumnya dan metode baru untuk
meringkas data agar mudah dipahami serta
kegunaannya untuk pemilik data (David Hand et al, 2001) .
- Metode Clustering
Clustering adalah salah satu teknik unsupervised
learning dimana kita tidak perlu
melatih metode tersebut atau dengan kata lain, tidak ada fase learning.
Tujuan dari metode clustering adalah untuk mengelompokkan sejumlah data atau
objek kedalam klaster sehingga setiap klaster akan terisi data yang semirip
mungkin (Budi Santosa, 2007).
- Algoritma Hirarki Divinsive
Langkah awal yang dilakukan dalam
algoritma hirarki divisive adalah membentuk satu cluster besar
yang dapat ditempati oleh semua obyek data.
Pada langkah berikutnya, satu cluster besar tersebut dipisah –
pisahkan menjadi beberapa cluster yang lebih kecil dengan karakteristik
data yang mempunyai lebih besar kesamaan satu dengan yang lainnya, sehingga
data yang tidak memiliki kemiripan yang cukup besar berada pada cluster yang
terpisah.
APLIKASI
Implementasi Sistem
Dalam studi kasus ini, sistem yang
dibangun merupakan sebuah perangkat lunak data
mining dengan metode clustering
menggunakan algoritma hirarki devisive. Perangkat lunak ini berisi form-form tampilan basis data yang telah dinormalisasi, form tampilan untuk data frekuensi
transaksi dan form tampilan dari
hasil pengelompokan data customer
menjadi beberapa klaster. Perangkat
lunak ini berfungsi untuk mencari pola-pola yang menarik dari basis data yang
berupa nilai frekuensi transaksi untuk mengelompokan customer.
Software yang digunakan untuk membangun
perangkat lunak ini adalah kode program PHP
dengan server basis data XAMMP. Untuk menjalankannya, cukup dengan
menggunakan aplikasi web browser
seperti windows internet explorer, firefox, flock web browser, atau aplikasi web broser sejenisnya tetapi
harus dengan aplikasi server basis data yaitu XAMMP sudah terinstal pada
PC tempat membuka aplikasi ini, hal ini disebabkan karena perangkat lunak ini
membutuhkan asupan basis data dalam
bentuk tabel untuk bisa melakukan proses clustering. Hasil akhir dari perangkat lunak yang
dibangun dalam studi kasus ini berupa tabel pengelompokan customer dan chart-chart
presentase dari tabel pengelompokan tersebut, sehingga dari hasil ini nantinya
bisa digunakan oleh user dalam hal
ini adalah manager pemasaran dan customer
service sebagai pendukung keputusan seperti peningkatan promosi kepada customer-customer yang kurang aktif,
ataupun strategi-strategi bisnis lainya.
Adapun form–form
atau halaman–halaman utama yang menjadi isi dari perangkat lunak atau aplikasi
ini, adalah sebagai berikut:
- Halaman
login.
- Halaman
menu utama dan view data normal.
- Halaman
view data frekuensi.
- Halaman
klaster
DAFTAR PUSTAKA
http://informatika.unsada.ac.id/wp-content/uploads/2009/09/jurnal-implementasi-data-mining-dengan-metode-clustering-untuk-melakukan.doc
Baca Juga : Makalah Kesimpulan Dan Perancangan Sistem Otomasi SMS Gateway
Semoga dengan postingan diatas yang berjudul DATA WAREHOUSE DAN DATA MINING TEORI dapat bermanfaat untuk sobatku semuanya, dan apabila berkenan mohon untuk share buat temannya di facebook ataupun media social lainnya.
Baca Juga : Makalah Kesimpulan Dan Perancangan Sistem Otomasi SMS Gateway
Semoga dengan postingan diatas yang berjudul DATA WAREHOUSE DAN DATA MINING TEORI dapat bermanfaat untuk sobatku semuanya, dan apabila berkenan mohon untuk share buat temannya di facebook ataupun media social lainnya.
0 Response to "DATA WAREHOUSE DAN DATA MINING TEORI"
Post a Comment