Data Mining & Machine Learning: Konsep Dasar, Input Data, dan Aplikasi Dunia Nyata

Data Mining adalah proses mengekstrak pola tersembunyi dari data. Buku klasik “Data Mining: Practical Machine Learning Tools and Techniques” oleh Ian Witten dan Eibe Frank adalah rujukan utama yang menghubungkan teori ML dengan praktik nyata.

Apa Itu Data Mining?

“Data mining is the extraction of implicit, previously unknown, and potentially useful information from data.”

Bukan sekadar query database — data mining menemukan pola yang tidak kamu ketahui sebelumnya.

Data Mining vs Machine Learning vs Statistics

	Data Mining	Machine Learning	Statistics
Fokus	Penemuan pola	Prediksi & generalisasi	Inferensi & penjelasan
Data	Besar, messy	Besar, terstruktur	Kecil, clean
Tujuan	Insight bisnis	Akurasi prediksi	Validitas ilmiah
Metode	ML + DB + viz	Algoritma learning	Uji hipotesis

Supervised vs Unsupervised

1
Supervised:    Input + Label →   Model  →  Prediksi
2
               (x₁,x₂,...,xₙ, y)                  ŷ
3

4
Unsupervised:  Input only   →   Model  →  Struktur
5
               (x₁,x₂,...,xₙ)                  Clusters

Input: Konsep, Instances, dan Atribut

Konsep (Concept)

Konsep = hal yang ingin dipelajari. Dalam ML, konsep adalah fungsi yang memetakan input ke output.

Instances (Contoh)

Setiap baris data = satu instance (example, data point). Dataset adalah kumpulan instances.

Atribut (Features)

Tipe	Contoh	Operasi
Nominal	Warna: merah, biru, hijau	=, ≠
Ordinal	Rating: ★, ★★, ★★★	=, ≠, <, >
Interval	Suhu Celsius	=, ≠, <, >, +, −
Ratio	Berat, panjang	Semua operasi + ×, ÷

Format ARFF (Attribute-Relation File Format)

Format standar WEKA:

1
@RELATION weather
2

3
@ATTRIBUTE outlook  {sunny, overcast, rainy}
4
@ATTRIBUTE temperature NUMERIC
5
@ATTRIBUTE humidity NUMERIC
6
@ATTRIBUTE windy {TRUE, FALSE}
7
@ATTRIBUTE play {yes, no}
8

9
@DATA
10
sunny,85,85,FALSE,no
11
sunny,80,90,TRUE,no
12
overcast,83,86,FALSE,yes
13
rainy,70,96,FALSE,yes
14
rainy,68,80,FALSE,yes

Missing Values

Data mining harus menangani missing values:

Ignore: Buang instance dengan missing values
Impute: Isi dengan mean/mode
Model-based: Gunakan algoritma yang menangani missing values natively
Indicator: Buat atribut baru “is_missing”

Aplikasi Data Mining di Dunia Nyata

1. Load Forecasting (Prediksi Beban Listrik)

Memutuskan apakah pembangkit listrik harus dinyalakan berdasarkan prediksi beban.

Data: Historical demand, cuaca, hari libur, waktu Metode: Time series + regression Impact: Efisiensi biaya jutaan dolar

2. Screening Images (Penyaringan Gambar)

Mendeteksi cacat produksi secara otomatis.

Data: Gambar produk dari conveyor belt Metode: CNN, decision trees Impact: 24/7 inspection tanpa kelelahan manusia

3. Diagnosis Medis

Contoh klasik: Dataset soybean diseases — 683 examples, 35 attributes, 19 diseases.

Decision tree J48 (C4.5 implementation) mencapai 100% akurasi — setiap penyakit soybean teridentifikasi dengan benar!

Kenapa berhasil? Domain ini highly structured — ada aturan jelas dari ahli patologi tanaman.

4. Marketing & Sales

Churn prediction: Pelanggan mana yang akan berhenti berlangganan?
Market basket analysis: Produk apa yang sering dibeli bersamaan?
Customer segmentation: Kelompok pelanggan dengan perilaku mirip

5. Manufacturing

Labor negotiations dataset: memprediksi apakah kontrak kerja akan “good” atau “bad” berdasarkan atribut seperti wage increase, cost-of-living adjustment, dll.

Machine Learning sebagai Search Problem

Witten & Frank menekankan perspektif fundamental: machine learning = search.

1
Ruang hipotesis: semua fungsi yang mungkin
2
Tujuan: menemukan hipotesis terbaik berdasarkan data
3

4
Tantangan:
5
- Ruang pencarian SANGAT besar (infinite untuk continuous)
6
- Data terbatas → overfitting risk
7
- Noise → mungkin tidak ada hipotesis yang perfect

Generalization

Model harus menggeneralisasi: performa baik pada data training ≠ performa baik pada data baru.

“The key question is how well the discovered patterns will generalize to new data.”

Tips Praktis: Getting to Know Your Data

Sebelum modeling, selalu eksplorasi data:

Distribusi: Histogram setiap atribut numerik
Missing values: Berapa persen? Ada pola?
Outliers: Apakah nilai ekstrem valid atau error?
Correlation: Atribut mana yang berkorelasi?
Class balance: Apakah kelas seimbang?

Kesimpulan

Data mining adalah disiplin praktis — teori ML + seni preprocessing + evaluasi rigorous. Buku Witten & Frank menekankan bahwa tidak ada silver bullet algorithm — kunci sukses adalah memahami data dan memilih tools yang tepat.

Di artikel selanjutnya: Knowledge Representation — bagaimana model menyimpan “pengetahuan” yang dipelajari.

Referensi: Witten, I.H. & Frank, E. (2005). Data Mining: Practical Machine Learning Tools and Techniques, 2nd Edition. Morgan Kaufmann.

Thanks for reading!

Data Mining & Machine Learning: Konsep Dasar, Input Data, dan Aplikasi Dunia Nyata

Wed Jun 24 2026

534 words · 4 minutes

Teknologi DataMining MachineLearning WEKA BigData PatternRecognition DataScience