Source Data Mining

Beberapa panduan untuk pengenalan Mata Kuliah Data Mining

Oleh : Prof David Moase

1. Data Mining Bagian I
2. Data Mining Bagian II
3. Data Mining Bagian III
4. Data Mining Bagian IV
5. Data Mining Bagian V
6. Data Mining Bagian VI
7. Data Mining Bagian VII
8. Data Mining Bagian VIII
9. Data Mining Bagian IX
10. Data Mining Bagian X
11. Data Mining Bagian XI
12. Data Mining Bagian XII
13. Data Mining Bagian XIII

Data Mining oleh Prof Cathy Blake
Bagian I


Bagian II



Semoga ada manfaatnya

Istilah Subsidi BBM Menyesatkan. Mengapa Dipakai Untuk Menaikkan Harga Lagi?? (Kwik Kian Gie)

Dalam tulisan ini saya membuat beberapa kalkulasi tentang jumlah uang yang masuk karena penjualan BBM dan uang yang harus dikeluarkan untuk memproduksi dan mengadakannya. Hasilnya pemerintah kelebihan uang. Mengapa dikatakan pemerintah harus mengeluarkan uang untuk memberi subsidi, sehingga APBN-nya jebol. Dan karena itu harus menaikkan harga BBM yang sudah pasti akan lebih menyengsarakan rakyat lagi setelah kenaikan luar biasa di tahun 2005 sebesar 126%.

Mari kita segera saja melakukan kalkulasinya.

Menteri Keuangan Sri Mulyani Indrawati (Menteri Ani) memberi keterangan kepada Rakyat Merdeka yang dimuat pada tanggal 24 April 2008.

Angka-angka yang dikemukakannya adalah angka-angka yang terakhir disepakati antara Pemerintah dan DPR, yang sekarang tentunya sudah ketinggalan lagi.

Maka dalam perhitungan yang saya tuangkan ke dalam tiga buah Tabel Kalkulasi saya menggunakan angka-angkanya Menteri Ani yang diperlukan untuk mengetahui berapa persen bagian bangsa Indonesia dari minyak mentah yang dikeluarkan dari perut bumi Indonesia. Berapa jumlah penerimaan Pemerintah dari Migas di luar pajak. Jadi yang saya ambil angka-angka yang masih dapat dipakai walaupun banyak angka yang sudah ketinggalan oleh perkembangan, seperti harga minyak mentahnya sendiri. Angka kesepakatan antara Pemerintah dan Panitia Anggaran harga minyak masih US$ 95 per barrel. Sekarang sudah di atas US$ 120. Saya mengambil US$ 120 per barrel.

Keseluruhan data dan angka yang menjadi landasan kalkulasi saya tercantum dalam tabel-tabel kalkulasi yang bersangkutan.

Setiap Tabel kalkulasi sudah cukup jelas. Untuk memudahkan memahaminya, saya jelaskan sebagai berikut.

Menteri Ani antara lain mengemukakan bahwa lifting (minyak mentah yang disedot dari dalam perut bumi Indonesia) sebanyak 339,28 juta barrel per tahun. Dikatakan bahwa angka ini tidak seluruhnya menjadi bagian Pemerintah. (baca : bagian milik bangsa Indonesia). Kita mengetahui bahwa 90% dari minyak kita dieksploitasi oleh perusahaan-perusahaan minyak asing. Maka mereka berhak atas sebagian minyak mentah yang digali. Berapa bagian mereka? Menteri Ani tidak mengatakannya. Tetapi kita bisa menghitungnya sendiri berdasarkan angka-angka lain yang dikemukakannya, yaitu sebagai berikut.

Menteri Ani memberi angka-angka sebagai berikut.

Lifting : 339,28 juta barrel per tahun
Harga minyak mentah : US$ 95 per barrel
Nilai tukar rupiah : Rp. 9.100 per US$
Penerimaan Migas diluar pajak : Rp. 203,54 trilyun.

Dari angka-angka tersebut dapat dihitung berapa hak bangsa Indonesia dari lifting dan berapa persen haknya perusahaan asing. Perhitungannya sebagai berikut.

Hasil Lifting dalam rupiah : (339.280.000 x 95) x Rp. 9.100 = Rp. 293,31 trilyun.

Penerimaan Migas Indonesia : Rp. 203,54 trilyun. Ini sama dengan (203,54 : 293,31) x 100 % = 69,39%. Untuk mudahnya dalam perhitungan selanjutnya, kita bulatkan menjadi 70% yang menjadi hak bangsa Indonesia.

Jadi dari sini dapat diketahui bahwa hasil lifting yang miliknya bangsa Indonesia sebesar 70%. Kalau lifting seluruhnya 339,28 juta barrel per tahunnya, milik bangsa Indonesia 70% dari 339,28 juta barrel atau 237,5 juta barrel per tahun.

Berapa kebutuhan konsumsi BBM bangsa Indonesia? Banyak yang mengatakan 35,5 juta kiloliter per tahun. Tetapi ada yang mengatakan 60 juta kiloliter. Saya akan mengambil yang paling jelek, yaitu yang 60 juta kiloliter, sehingga konsumsi minyak mentah Indonesia lebih besar dibandingkan dengan produksinya.

Produksi yang haknya bangsa Indonesia : 237,5 juta kiloliter.

Konsumsinya 60 juta kiloliter. 1 barrel = 159 liter. Maka 60 juta kiloliter sama dengan 60.000.000.000 :159 = 377,36 juta barrel.

Walaupun kesepakatan antara Pemerintah dan DPR seperti yang dikatakan Menteri Ani tentang harga minyak mentah US$ 95 per barrel, saya ambil US$ 120 per barrel.

Walaupun kesepakatan antara Pemerintah dan DPR seperti yang diungkapkan Menteri Ani tentang nilai tukar adalah Rp. 9.100 per US$, saya ambil Rp. 10.000 per US$.



Klik Tabel III

Hasilnya seperti yang tertera dalam Tabel III, yaitu Pemerintah kelebihan uang tunai sebesar Rp. 35,71 trilyun, walaupun dihadapkan pada keharusan mengimpor dalam memenuhi kebutuhan konsumsi rakyatnya. Produksi minyak mentah yang menjadi haknya bangsa Indonesia 237,5 juta barrel. Konsumsinya 60 juta kiloliter yang sama dengan 377,36 juta barrel. Terjadi kekurangan sebesar 139,86 juta barrel yang harus dibeli dari pasar internasional dengan harga US$ 120 per barrelnya dan nilai tukar diambil Rp. 10.000 per US$. Toh masih kelebihan uang tunai.


Klik Tabel I

Apalagi kalau kita merangkaikan semua data kesepakatan terakhir antara Pemerintah dengan Panitia Anggaran DPR. Seperti yang diungkapkan oleh Menteri Ani kepada Rakyat Merdeka tanggal 24 April yang lalu kesepakatannya adalah sebagai berikut.

Lifting : 339,28 juta barrel per tahun
Harga : US$ 95 per barrel
Nilai tukar : Rp. 9.100 per US$
Penerimaan Migas di luar pajak : Rp. 203,54 trilyun.

Kalkulasi tentang uang yang harus dikeluarkan dan uang yang masuk seperti dalam Tabel I.

Kita lihat dalam Tabel I tersebut bahwa kelebihan uang tunainya sebesar Rp. 82,63 trilyun. Ketika itu Pemerintah sudah teriak bahwa kekurangan uang dalam APBN dan minta mandat dari DPR supaya diperbolehkan menggunakan uang APBN sebesar lebih dari Rp. 100 trilyun, yang disetujui oleh DPR.


Klik Tabel II

Dalam Tabel II saya mengakomodir pikiran teoretis dari Pemerintah yang mengatakan bahwa Pertamina harus membeli minyak mentahnya dari Menteri Keuangan dengan harga internasional yang dalam kesepakatan antara Pemerintah dan Panitia Anggaran US$ 95 per barrel dan nilai tukar ditetapkan Rp. 9.100 per US$.

Seperti dapat kita lihat, hasilnya memang Defisit sebesar Rp. 122,69 trilyun. Tetapi uang yang harus dibayar oleh Pertamina kepada Menteri Keuangan yang sebesar Rp. 205,32 trilyun kan milik rakyat Indonesia juga? Maka kalau ini ditambahkan menjadi surplus, kelebihan uang yang jumlahnya Rp. 82,63 trilyun, persis sama dengan angka surplus yang ada dalam Tabel I.

MENGAPA?

Mengapa Pemerintah mempunyai pikiran bahwa subsidi sama dengan pengeluaran uang tunai? Mengapa DPR menyetujuinya? Itulah yang menjadi pertanyaan terbesar buat saya yang sudah saya kemukakan selama 10 tahun dalam bentuk puluhan tulisan di berbagai media massa. Dibantah tidak, digubris tidak.

Sekarang saya mengulanginya lagi, karena masalahnya sudah menjadi kritis dalam dua aspek. Yang pertama, kesengsaraan rakyat sudah sangat parah. Kedua, kenaikan harga BBM lagi bisa memicu kerusuhan sosial. Kali ini jangan main-main. Semoga saya salah.

PIKIRAN BINGUNG YANG ZIG-ZAG

Ketika harga BBM di tahun 2005 dinaikkan dengan 126%, bensin premium menjadi Rp. 4.500 per liter. Ketika itu, harga bensin ini ekivalen dengan harga minyak mentah sebesar US$ 61,5 per barrel.

Pemerintah mengatakan bahwa mulai saat itu sudah tidak ada istilah subsidi lagi, karena harga BBM di dalam negeri sudah sama dengan harga minyak mentah yang setiap beberapa kali sehari ditentukan oleh New York Mercantile Exchange. Memang betul, bahkan lebih tinggi sedikit, karena ketika itu harga minyak mentah US$ 60 per barrel.

Ketika harga minyak mentah turun sampai sekitar US$ 57 dan Wapres JK ditanya wartawan apakah harga BBM akan diturunkan, beliau menjawab “tidak”. Lantas harga minyak meningkat sampai US$ 80. Wartawan bertanya lagi kepadanya, apakah harga BBM akan dinaikkan? Dijawab : “Tidak, dan tidak akan dinaikkan walaupun harga minyak mentah meningkat sampai US$ 100 per barrel.”

Lantas Presiden mengumumkan bahwa kalau harga minyak sudah US$ 120 pemerintah akan kekurangan uang untuk memberikan subsidi kepada rakyatnya dalam jumlah besar, sehingga APBN akan jebol. Maka terpaksa menaikkan harga BBM pada akhir Mei dengan sekitar 30 %. Jadi sangatlah jelas bahwa Presiden menganggap subsidi BBM sama dengan uang tunai yang harus dikeluarkan oleh Pemerintah.

Pada tanggal 13 Mei jam 22.05 Metro TV menayangkan Today’s Dialogue, di mana Wapres Jusuf Kalla mengakui bahwa pemerintah akan kelebihan uang, yang dibutuhkan untuk membangun infrastruktur.

Jadi dalam pengadaan BBM pemerintah kekurangan uang karena harus memberikan subsidi, atau kelebihan uang yang akan dipakai untuk membangun infrastruktur?

Penutup

Tulisan ini baru awal dari sebuah perdebatan publik. Ayo, saya mohon dibantah. Wahai media televisi, selenggarakanlah debat publik tanpa batas waktu siapa yang benar dan siapa yang salah? Buat urusan perut rakyat yang termiskin yang notabene pemilik minyak, janganlah lebih mementingkan iklan – iklan.

Tunggu artikel-artikel berikutnya di KoranInternet ini. Artikel-artikel berikutnya akan membahas masalah penentuan harga BBM untuk rakyatnya ini dari segi disiplin ilmu cost accounting beserta landasan falsafahnya yang nampaknya tidak dikuasai dan tidak dipahami oleh para teknokrat, tetapi selalu bersikap gebrak dulu dengan sikap ”biar bodoh asal sombong”. Pokoknya gebrak dan gertak. Boleh – boleh saja, tetapi kalau lantas menyengsarakan rakyat ya ayolah berdebat keras!

Ketika Es Antartika Terancam Oleh Pulihnya Lubang Ozon

Kalau lubang ozon sudah terpulihkan, apakah kemudian pemanasan global bisa teratasi? Ternyata studi terkini menunjukkan pulihnya lubang ozon di atas Antartika malah menyebabkan lebih banyak es mencair pada dekade mendatang. Ketika lubang ozon pulih, pola angin yang melindungi interior wilayah kutub dari udara yang hangat menjadi terbuka, mengakibatkan Antartika menghangat, demikian juga kondisi yang lebih hangat dan kering di Australia.

Kendati suhu global meningkat, interior Antartika mempunyai situasi yang unik karena cenderung mendingin pada musim panas dan gugur selama beberapa dasawarasa belakangan. Ilmuwan mengaitkan pendinginan tersebut dengan adanya lubang pada lapisan ozon yang mempengaruhi pola sirkulasi atmsofer dan memperkuat angin yang mengarah ke barat dan berputar-putar di dalam benua Antartika. Angin tersebut mengisolasi interior Antartika dari pola pemanasan, sebagaimana yang teramati pada semenanjuang Antartika serta bagian lain dunia (Gb.1).

Upaya untuk mencegah terjadinya lubang pada ozon telah dilakukan semenjak lama. Protokol Montreal tahun 1987 telah berhasil mengupayakan pelarangan bahan-bahan perusak ozon, sehingga kerusakan yang lebih parah bisa terhindarkan. Tetapi permasalahan tidak sesederhana itu. Studi telah dilakukan pada dinamika antara ozon strastosfer dan kondisi atmosfer dari tahun 1950 sampai akhir abad ke dua puluh; hasilnya menunjukkan bahwa ketika tingkat ozon terpulihkan, lapisan bawah stratosfer di atas Antartika - 10-20 km di atas permukaan BUmi - akan menyerap radiasi ungu-ultra, dan menaikkan temperatur sampai 9 derajat C, mengurangi gradien temperatur utara-selatan yang kuat. Kalau sudah begitu, temperatur menjadi lebih ’suam-suam kuku’ di Antartika, bersamaan dengan itu, angin yang mengarah ke barat menjadi lebih lemah dan menghasilkan temperatur yang lebih hangat dan kering di Australia dan meningkatnya presipitasi di Amerika Selatan.

Model iklim, sebagaimana yang dipergunakan oleh IPCC (Intergovernmental Panel on Climate Change’s) tidak memperhitungkan detil mengenai kimiawi ozon. Banyak model tidak menyertakan situasi pada 30 km di atas permukaan Bumi, sementara untuk menjelaskan stratosfer itu paling tidak membutuhkan ketinggian sampai 60 km. Tentu saja ini menjadi tantangan bagi ilmuwan yang bekerja pada analisis iklim untuk memperhitungkan perubahan ozon dari pengurangan sampai penyembuhannya selama abad dua puluh dan dua puluh satu.

Jika didapatkan umpan-balik bahwa ternyata pencairan es berdasarkan model yang ada masih kurang tepat, maka tingkat aman karbon-dioksida yang ditetapkan selama ini juga salah. Produktivitas biologi di lautan ditentukan oleh pola sirkulasi lautan dan atmosfer, sehingga studi mendatang harus bisa menggandeng sekaligus dinamika lautan pada kimiawi ozon dan iklim.

Lubang Hitam itu Jalan Tol Bebas Hambatan?

Lubang hitam itu tempat yang sangat misterius, eksotis dan selalu menarik perhatian. Semenjak adanya rumusan Einstein dalam Teori Relativitas Khusus-nya, lubang hitam dipercaya bisa menyebabkan ruang dan waktu ‘melengkung’, sedemkian rupa sehingga bisa diringkas dalam sebuah titik kecil yang disebut sebagai singularitas. Dalam kesingularitasan tersebut bahkan cahaya tidak dapat lepas dari situ. Lalu kemanakah hilangnya cahaya dan materi bila terhisap dalam lubang hitam?

Stephen Hawking telah memikirkan semenjak tahun 1970-an bahwa lubang hitam suatu ketika - dalam skala waktu yang panjang-panjang sekali, milyar-milyar-milyar tahun - akan menguap dan habis. Masalah dengan ide pak Hawking adalah teorinya bertentangan dengan mekanika kuantum; yang ajaran utamanya menyatakan, tidak ada informasi yang boleh hilang. Pertentangan ini masih menjadi pemikiran panjang bagi Hawking, sehingga dia menarik lagi perumusannya tersebut.

Belum lama, fisikawan dari Pennsylvania State University di State College menunjukkan bahwa apa yang telah dilakukan Hawking adalah tepat. Dengan mempelajari kuantum gravitasi, Abhay Ashtekar bersama teman-temannya, Victor Tavares dan Madhavan Varadrajan menghitung bahwa singularitas tidak boleh ada. Menurut relativitas, singularitas senggieng: Belum lama, fisikawan dari Pennsylvania State University di State College menunjukkan bahwa apa yang telah dilakukan Hawking adalah tepat. Dengan mempelajari kuantum gravitasi, Abhay Ashtekar bersama teman-temannya, Victor Tavares dan Madhavan Varadrajan menghitung bahwa singularitas tidak boleh ada. Menurut relativitas, singularitas secara esensi merupakan ujung ketika ruang-waktu berakhir. Dengan mempergunakan perhitungan yang sangat rumit, Ashtekar dkk memperlihatkan bahwa singularitas tidak boleh ada dalam kuantum gravitasi, yang artinya; kendati inti lubang hitam sangat-sangat padat, tetapi tidak cukup padat untuk menyimpan informasi untuk selamanya. Menurut Ashtekar, “Ruang-waktu Kuantum tidak berakhir pada singularitas”.

Demikian temuan yang dilaporkan dalam ‘Physical Review Letters’ 20 Mei, yang merupakan kabar baik bagi mekanika kuantum, karena ternyata informasi tidak perlu secara permanen menghilang, tetapi kembali kepada relativitas Einstein: Lalu bagaimana dengan singularitas?

Menurut Asthekar lebih lanjut, “Berarti, jika lubang-hitam BUKAN merupakan singularitas; berarti continuum ruang-waktu yang diuraikan oleh Einstein merupakan sebuah pendekatan. Itu bukanlah hal yang buruk, tetapi telah membuka pintu pada ranah baru dalam ilmu pengetahuan, yang jauh melampaui rumusan Einstein.”

Sementara pekerjaan tim tersebut telah memberikan dasar matematika untuk melihat lubang-hitam, menurut astronom dari NASA, Kimberly Weaver. Menurutnya “Lubang-hitam sangat-sangat misterius, sehingga perumusan ini mungkin adalah satu-satunya cara untuk melihat apa yang terjadi di dalamnya.”

“Selanjutnya, para astronom akan mencari bukti bahwa lubang-hitam mengalami ‘penguapan’. Dengan demikian maka bisa diamati adanya informasi yang keluar. Tentunya ini sangatlah menarik” ujarnya lebih lanjut.

Proses data mining

Salah satu tuntutan dari data mining ketika diterapkan pada data berskala besar adalah diperlukan metodologi sistematis tidak hanya ketika melakukan analisa saja tetapi juga ketika mempersiapkan data dan juga melakukan interpretasi dari hasilnya sehingga dapat menjadi aksi ataupun keputusan yang bermanfaat.

Karenanya data mining seharusnya dipahami sebagai suatu proses, yang memiliki tahapan-tahapan tertentu dan juga ada umpan balik dari setiap tahapan ke tahapan sebelumnya. Pada umumnya proses data mining berjalan interaktif karena tidak jarang hasil data mining pada awalnya tidak sesuai dengan harapan analisnya sehingga perlu dilakukan desain ulang prosesnya.

Disini akan diuraikan tahap-tahap umum dari data mining. Sedikit juga disinggung tentang data warehouse karena dalam prakteknya data warehouse sering menjadi bagian integral dari proses data mining.
.
Perlu diingat sebelum seorang analis menerapkan tahapan-tahapan data mining tsb., sebagai prasyarat penerapan data mining, diperlukan pemahaman terhadap data dan proses diperolehnya data tsb. Yang lebih mendasar lagi adalah diperlukannya pemahaman mengapa menerapkan data mining dan target yang ingin dicapai. Sehingga secara garis besar sudah ada hipotesa mengenai aksi-aksi yang dapat diterapkan dari hasilnya nanti. Pemahaman-pemahaman tsb akan sangat membantu dalam mendesain proses data mining dan juga pemilihan teknik data mining yang akan diterapkan. Selain itu, bagi dunia bisnis akan memudahkan untuk melakukan pengukuran return on investment-nya (ROI).


Tahap-Tahap Data Mining

Sebagai suatu rangkaian proses, data mining dapat dibagi menjadi beberapa tahap yang diilustrasikan di Gambar 2[4]. Tahap-tahap tsb. bersifat interaktif di mana pemakai terlibat langsung atau dengan perantaraan knowledge base.



1.Pembersihan data (untuk membuang data yang tidak konsisten dan noise)

Pada umumnya data yang diperoleh, baik dari database suatu perusahaan maupun hasil eksperimen, memiliki isian-isian yang tidak sempurna seperti data yang hilang, data yang tidak valid atau juga hanya sekedar salah ketik. Selain itu, ada juga atribut-atribut data yang tidak relevan dengan hipotesa data mining yang kita miliki. Data-data yang tidak relevan itu juga lebih baik dibuang karena keberadaannya bisa mengurangi mutu atau akurasi dari hasil data mining nantinya. 敵arbage in garbage out・(hanya sampah yang akan dihasilkan bila yang dimasukkan juga sampah) merupakan istilah yang sering dipakai untuk menggambarkan tahap ini. Pembersihan data juga akan mempengaruhi performasi dari sistem data mining karena data yang ditangani akan berkurang jumlah dan kompleksitasnya.

2. Integrasi data (penggabungan data dari beberapa sumber)

Tidak jarang data yang diperlukan untuk data mining tidak hanya berasal dari satu database tetapi juga berasal dari beberapa database atau file teks. Integrasi data dilakukan pada atribut-aribut yang mengidentifikasikan entitas-entitas yang unik seperti atribut nama, jenis produk, nomor pelanggan dsb. Integrasi data perlu dilakukan secara cermat karena kesalahan pada integrasi data bisa menghasilkan hasil yang menyimpang dan bahkan menyesatkan pengambilan aksi nantinya. Sebagai contoh bila integrasi data berdasarkan jenis produk ternyata menggabungkan produk dari kategori yang berbeda maka akan didapatkan korelasi antar produk yang sebenarnya tidak ada. Dalam integrasi data ini juga perlu dilakukan transformasi dan pembersihan data karena seringkali data dari dua database berbeda tidak sama cara penulisannya atau bahkan data yang ada di satu database ternyata tidak ada di database lainnya.

Hasil integrasi data sering diwujudkan dalam sebuah data warehouse karena dengan data warehouse, data dikonsolidasikan dengan struktur khusus yang efisien. Selain itu data warehouse juga memungkinkan tipe analisa seperti OLAP.. Untuk membangun data warehouse juga tersedia paket-paket software yang mapan seperti database-nya dan piranti pendukung yang sering disebut sebagai ETL (Extract Transform Loading). Banyak paket software ETL sudah mencakup tahap pembersihan dan integrasi data.

3. Transformasi data (data diubah menjadi bentuk yang sesuai untuk di-mining)

Beberapa teknik data mining membutuhkan format data yang khusus sebelum bisa diaplikasikan. Sebagai contoh beberapa teknik standar seperti analisis asosiasi dan klastering hanya bisa menerima input data kategorikal. Karenanya data berupa angka numerik yang berlanjut perlu dibagi-bagi menjadi beberapa interval. Proses ini sering disebut binning. Disini juga dilakukan pemilihan data yang diperlukan oleh teknik data mining yang dipakai. Transformasi dan pemilihan data ini juga menentukan kualitas dari hasil data mining nantinya karena ada beberapa karakteristik dari teknik-teknik data mining tertentu yang tergantung pada tahapan ini.

4. Aplikasi teknik data mining

Aplikasi teknik data mining sendiri hanya merupakan salah satu bagian dari proses data mining. Ada beberapa teknik data mining yang sudah umum dipakai. Kita akan membahas lebih jauh mengenai teknik-teknik yang ada di seksi berikutnya. Perlu diperhatikan bahwa ada kalanya teknik-teknik data mining umum yang tersedia di pasar tidak mencukupi untuk melaksanakan data mining di bidang tertentu atau untuk data tertentu. Sebagai contoh akhir-akhir ini dikembangkan berbagai teknik data mining baru untuk penerapan di bidang bioinformatika seperti analisa hasil microarray untuk mengidentifikasi DNA dan fungsi-fungsinya.

5. Evaluasi pola yang ditemukan (untuk menemukan yang menarik/bernilai)

Dalam tahap ini hasil dari teknik data mining berupa pola-pola yang khas maupun model prediksi dievaluasi untuk menilai apakah hipotesa yang ada memang tercapai. Bila ternyata hasil yang diperoleh tidak sesuai hipotesa ada beberapa alternatif yang dapat diambil seperti : menjadikannya umpan balik untuk memperbaiki proses data mining, mencoba teknik data mining lain yang lebih sesuai, atau menerima hasil ini sebagai suatu hasil yang di luar dugaan yang mungkin bermanfaat.

Ada beberapa teknik data mining yang menghasilkan hasil analisa berjumlah besar seperti analisis asosiasi. Visualisasi hasil analisa akan sangat membantu untuk memudahkan pemahaman dari hasil data mining.

6. Presentasi pola yang ditemukan untuk menghasilkan aksi

Tahap terakhir dari proses data mining adalah bagaimana memformulasikan keputusan atau aksi dari hasil analisa yang didapat. Ada kalanya hal ini harus melibatkan orang-orang yang tidak memahami data mining. Karenanya presentasi hasil data mining dalam bentuk pengetahuan yang bisa dipahami semua orang adalah satu tahapan yang diperlukan dalam proses data mining. Dalam presentasi ini, visualisasi juga bisa membantu mengkomunikasikan hasil data mining.

Apa yang bisa dan tidak bisa dilakukan data mining

Secara umum, data mining dapat melakukan dua hal : memberikan kesempatan untuk menemukan informasi menarik yang tidak terduga, dan juga bisa menangani data berskala besar.

Dalam menemukan informasi yang menarik ini, ciri khas data mining adalah kemampuan pencarian secara hampir otomatis. Mengapa disebut hampir otomatis karena dalam banyak teknik data mining ada beberapa parameter yang masih harus ditentukan secara manual atau semi manual. Penelitian untuk melakukan setting secara adaptif merupakan bidang yang hangat diteliti. Data mining juga dapat memanfaatkan pengalaman atau bahkan kesalahan di masa lalu untuk meningkatkan kualitas dari model maupun hasil analisanya, salah satunya dengan kemampuan pembelajaran yang dimiliki beberapa teknik data mining seperti klasifikasi.

Kemampuan data mining untuk menangani data dalam jumlah besar memungkinkan data mining diterapkan pada masalah-masalah kompleks yang ukurannya tidak dibatasi lagi oleh otak manusia. Selain itu penelitian tentang algoritma parallel dari data mining juga membuka jalan agar data mining dapat diterapkan pada program skala yang lebih besar lagi.

Sebaliknya, ada beberapa hal yang tidak bisa dilakukan oleh data mining. Yang pertama perlu disadari adalah data mining bukanlah solusi yang cocok untuk setiap masalah. Ada banyak masalah yang justru lebih baik diselesaikan dengan statistic yang sederhana. Selain itu, data mining juga tidak bisa menemukan pengetahuan yang bermanfaat secara instan. Dalam tahapan-tahapan dari proses data mining yang sudah kita bahas, seorang analis data mining perlu tahu perbedaan, kelebihan dan kekurangan dari teknik-teknik data mining yang ada sebelumnya mengaplikasikan yang paling cocok untuk masalah yang dihadapinya. Ketika menjalankan teknik data mining itu sendiri, si analis juga perlu mengarahkan programnya dengan melakukan persiapan-persiapan dan pemilihan parameternya. Setelah data mining dilaksanakan pun si analis harus melakukan evaluasi terhadap pola-pola yang dihasilkan sebelumnya bisa merumuskan hasilnya. Terakhir perlu diingat bahwa data mining tidak bisa memberikan hasil yang bisa langsung digunakan. Banyak hasil dari data mining yang tidak bisa langsung diinterpretasikan dengan mudah. Masih banyak juga teknik-teknik data mining yang belum memiliki teknik baku untuk menilai seberapa besar manfaat dari pola yang ditemukan. Karenanya untuk penilaian hasil data mining masih perlu dilakukan secara manual. Yang menjadi masalah untuk melakukan penilaian pun diperlukan tenaga terlatih karena algoritma data mining cukup kompleks. Hal-hal ini juga disadari oleh perusahaan-perusahaan yang menerapkan data mining dan OLAP, yang sering dirangkum dalam istilah business intelligence (BI). Untuk memecahkan masalah ini, mulai banyak perusahaan yang membuat pusat untuk business intelligence yang membantu karyawan biasa untuk menggunakan piranti OLAP maupun data mining dengan menyediakan pelatihan dan informasi praktis pemakaian dan aplikasi hasilnya.

Data Mining

Pendahuluan Perkembangan data mining(DM) yang pesat tidak dapat lepas dari perkembangan teknologi informasi yang memungkinkan data dalam jumlah besar terakumulasi. Sebagai contoh, toko swalayan merekam setiap penjualan barang dengan memakai alat POS(point of sales). Database data penjualan tsb. bisa mencapai beberapa GB setiap harinya untuk sebuah jaringan toko swalayan berskala nasional. Perkembangan internet juga punya andil cukup besar dalam akumulasi data. Tetapi pertumbuhan yang pesat dari akumulasi data itu telah menciptakan kondisi yang sering disebut sebagai rich of data but poor of information karena data yang terkumpul itu tidak dapat digunakan untuk aplikasi yang berguna. Tidak jarang kumpulan data itu dibiarkan begitu saja seakan-akan kuburan data (data tombs). Investasi yang besar di bidang IT untuk mengumpulkan data berskala besar ini perlu dijustifikasi dengan didapatnya nilai tambah dari kumpulan data ini.,

Kebutuhan dari dunia bisnis yang ingin memperoleh nilai tambah dari data yang telah mereka kumpulkan telah mendorong penerapan teknik-teknik analisa data dari berbagai bidang seperti statistik, kecerdasan buatan dsb pada data berskala besar itu. Ternyata penerapan pada data berskala besar memberikan tantangan-tantangan baru yang akhirnya memunculkan metodologi baru yang disebut data mining ini. Bermula dari penerapan di dunia bisnis, sekarang ini data mining juga diterapkan pada bidang-bidang lain yang memerlukan analisa data berskala besar seperti bioinformasi dan pertahanan negara.

Dalam tulisan ini, penulis mencoba memperkenalkan data mining dengan membandingkannya dengan bidang ilmu yang sudah ada, dan juga memberikan beberapa ilustrasi tentang teknik-teknik yang umum dipakai di data mining,

Definisi
Ada beberapa definisi dari data mining yang dikenal di buku-buku teks data mining. Diantaranya adalah :

* Data mining adalah serangkaian proses untuk menggali nilai tambah dari suatu kumpulan data berupa pengetahuan yang selama ini tidak diketahui secara manual.

* Data mining adalah analisa otomatis dari data yang berjumlah besar atau kompleks dengan tujuan untuk menemukan pola atau kecenderungan yang penting yang biasanya tidak disadari keberadaannya

Menarik untuk diingat bahwa kata mining sendiri berarti usaha untuk mendapatkan sedikit barang berharga dari sejumlah besar material dasar. Dari definisi-definisi itu, dapat dilihat ada beberapa faktor yang mendefinisikan data mining :

1. data mining adalah proses otomatis terhadap data yang dikumpulkan di masa lalu
2. objek dari data mining adalah data yang berjumlah besar atau kompleks
3. tujuan dari data mining adalah menemukan hubungan-hubungan atau pola-pola yang mungkin memberikan indikasi yang bermanfaat

Sejarah Data mining bukanlah suatu bidang yang sama sekali baru. Salah satu kesulitan untuk mendefinisikan data mining adalah kenyataan bahwa data mining mewarisi banyak aspek dan teknik dari bidang-bidang ilmu yang sudah mapan terlebih dulu. Gambar 1 menunjukkan bahwa data mining memiliki akar yang panjang dari bidang ilmu seperti kecerdasan buatan (artificial intelligent), machine learning, statistic, database dan juga information retrieval.

Beberapa teknik yang sering disebut-sebut dalam literatur data mining seperti classification, neural network, genetic algorithm dll. sudah lama dikenal di dunia kecerdasan buatan. Statistik memberikan kontribusi pada data mining dengan teknik-teknik untuk menyeleksi data dan evaluasi hasil data mining selain teknik-teknik data mining seperti clustering. Yang membedakan persepsi terhadap data mining adalah perkembangan teknik-teknik data mining untuk aplikasi pada database skala besar. Sebelum populernya data mining, teknik-teknik tersebut pada umunya diterapkan untuk data skala kecil saja. Selain itu beberapa teknik dari bidang database untuk transformasi data juga merupakan bagian integral dari proses data mining.

Akhir-akhir ini ada beberapa bidang ilmu seperti information retrieval yang juga terlibat dalam proses data mining untuk mengekstrak sumber data bagi data mining dari sumber-sumber seperti teks dan website. Walaupun data mining memiliki sumber dari beberapa bidang ilmu, data mining berbeda dalam beberapa aspek dibandingkan dengan bidang ilmu seperti berikut :

* statistik : model statistik dipersiapkan oleh para ahli statistik, sedangkan data mining mengembangkan statistik untuk menangani data berjumlah besar secara otomatis -
* expert system (sistem cerdas) : model pada expert system dibuat berupa aturan-aturan berdasar pada pengalaman-pengalaman para ahli
* data warehouse (DWH) : sering terjadi kerancuan antara data mining dan data warehouse karena keduanya sering dipakai bersamaan. Pada umumnya data warehouse lebih merujuk pada tempat untuk menyimpan data yang terkonsolidasi sedangkan data mining bisa dianggap sebagai perkakas untuk menganalisa otomatis nilai dari data itu
* OLAP : seperti data warehouse, OLAP juga sering dibahas bersama data mining. Tetapi OLAP memiliki tujuan untuk memastikan hipotesa yang sudah diformulasikan terlebih dulu oleh penggunanya.

Kebangkitan Nasional dan kondisi terkini kita

Astagafirullah.. BBM naik lagi.
Jika ditanya apa korelasi BBM dengan harga dan rakyat kecil, maka jawabannya adalah sebanding dengan harga dan berbanding terbalik dengan kesejahteraan rakyat. Artinya semakin naik BBM, semakin meroket harga dan semakin terpuruk kedalam ceruk rakyat jelata. Ini adalah realita, ini adalah sesuatu yang harus dihadapi dalam euforia menyambut 100 tahun kebangkrutan nasional, baca : kebangkitan nasional.

Langkah pemerintah memberikan BLT seperti akan semakin mendidik masyarakat cinta akan kemiskinan. Mereka seperti dilatih perpriode untuk selalu menengadahkan tangan, meminta belas kasihan. Ini adalah dekadensi moral bangsa indonesia. Akibatnya negara kita bukan hanya tidak bisa menjadi negara maju, akan tetapi menjadi negara MUNDUR. Negara Mundur beda dengan negara berkembang, jika negara berkembang ada juga kemajuan tetapi lambat, tapi masih menuju arah kemajuan. Tapi negara mundur semakin hari semakin jauh kebelakang. Kita dulu tidak seperti ini. Dulu masyarakat indonesia terkenal dengan jiwa patriotisme. Mereka pantang minta belas kasihan. Tengoklah mulai dari generasi Budi Utomo sampai ke generasi Jendral Sudirman, mereka nenek moyang kita itu biasa hidup tanpa belas kasihan, walaupun nyawa tantangannya. Sekarang... kita seperti didesain untuk hidup dengan sejuta ketergantungan, hidup dengan milyaran belas kasihan. Ada apa ini......!

Kemaren sore seorang tokoh nasionalis Indonesia yang beliau juga artis senior berpulang keharibaan Ibu Pertiwi. Seorang tokoh yang konsisten sulit dicari dalam seribu, rela mundur dari jabatan sebagai anggota parlemen demi mempertahankan prinsip yang diyakininya. Padahal apa yang tidak bisa kalau jadi anggota parlemen. Pulaupun bisa dijual, hutanpun bisa dilego, negara mereka yang ngatur, rakyat tinggal terima bersih, bersih sengsaranya, bersih akibat buruknya.

Kematian tokoh nasionalis itu seperti melambangkan semakin matinya rasa nasionalis penghuni indonesia ini, kenapa dibilang penghuni? karena indonesia bukan hanya dihuni oleh manusia akan tetapi jin, setan, koruptor juga ada sebagai penghuni untaian mutiara dikhatulistiwa ini. Mereka layaknya manusia. Punya rumah, punya pekerjaan, punya penghasilan, anak, mobil, masalah, istri dan sebagainya. Akan tetapi satu yang mereka tidak punya. Apa itu ? Hati yang bersih. Itu mereka sama sekali tidak punya. Sekali lagi Mereka Tidak Punya Hati yang Bersih.

Lalu.
Apa yang terfikirkan oleh kita sekarang ini. Apakah negara ini terlalu besar, sehingga tidak mampu mengurus begitu banyaknya permintaan layanan, begitu banyaknya tuntutan masyarakat. Tidak juga.. Justru dengan ada kemajuan teknologi informasi apa-apa bisa kita ketahui saat itu juga sehingga begitu banyak peristiwa dibumi pertiwi ini yang seakan tiada hentinya, mengglondong masuk ke relung-relung fikiran kita bisa segera dicerna untuk mengambil sikap (kalau kita rakyat kecil) atau mengambil keputusan (kalau kita rakyat besar).

Lalu.
Dimana letak rumitnya masalah.
Kuncinya kalau menurut aku sebagai rakyat kecil adalah, kita harus konsisten berperan. Jika kita anggota parlemen jadilah anggota parlemen sesungguhnya, jangan jadi calo, jangan jadi pengusaha, jangan jadi bisnis man dan konsistenkan itu, jika tidak konsisten, KELUAR. Insya Allah setiap keputusan yang dibuat pasti berpihak kepada rakyat tidak berpihak kepada mereka (anggota parlemen). Jika jadi pejabat, baca Tugas Pokok dan Fungsi sebagai pejabat, lalu jabarkan semuanya secara konsisten, jangan suatu saat jadi pejabat, ditempat lain jadi makelar atau Direktur sebuah perusahaan. jika tidak mampu, MENGUNDURKAN DIRI. Jadi jaksa begitu juga, jangan jadi pemeras, jangan jadi tukang takut-takuti orang, jika tidak mampu, yaaa PENSIUN MUDA.

Intinya adalah : Maknai hidup kita dengan arti yang sesungguhnya, niscaya semua bisa jadi amal ibadah.

Selanjutnya maknailah Kebangkitan Nasional itu sebagai kebangkitan sikap dan prilaku kita untuk tetap memaknai peran yang diberikan kepada kita dalam menjalani kehidupan ini. Niscaya Kebangkitan Nasional menjadi kebangkitan yang sesungguhnya untuk kita semua. Mardeka Indonesia.....! Bangkit Indonesia...Jangan Bangkitkan Harga BBM....!