Metode Data Mining

Ada banyak metode atau fungsi data mining yang bisa digunakan untuk menemukan, menggali dan menambang pengetahuan. Menurut (Larose, 2005), (Moertini, 2002) dan (Susanto & Suryadi, 2010) ada enam fungsi utama data mining, yaitu :

1. Description (deskripsi), untuk memberi gambaran secara ringkas bagi sekumpulan data yang jumlahnya sangat besar dan banyak jenisnya. Termasuk dalam fungsi ini adalah metode Decision Tree, Neural Network, dan Exploratory Data Analysis.
2. Estimation (estimasi), untuk menerka sebuah nilai yang belum diketahui, misal menerka penghasilan seseorang ketika informasi mengenai orang tersebut diketahui. Metode yang digunakan antara lain Point Estimation dan Confidence Interval Estimations, Simple Linear Regression dan Correlation, dan Multiple Regression.
3. Prediction (prediksi), untuk memperkirakan nilai masa mendatang, missal memprediksi stok barang satu tahun ke depan. Fungsi ini mencakup metode Neural Network, Decision Tree, dan k–Nearest Neighbor.
4. Classification (klasifikasi), merupakan proses penemuan model atau fungsi yang menjelaskan atau membedakan konsep atau kelas data, dengan tujuan untuk dapat memperkirakan kelas dari suatu objek yang labelnya tidak diketahui. Metode yang digunakan antara lain Neural Network, Decision Tree, k-Nearest Neighbor, dan Naive Bayes.
5. Clustering (pengelompokan), yaitu pengelompokan mengidentifikasi data yang memiliki karakteristik tertentu. Metode dalam fungsi ini diantaranya Hierarchical Clustering, metode K-Means, dan Self Organizing Map (SOM)
6. Association (asosiasi), dinamakan juga analisis keranjang pasar dimana fungsi ini mengidentifikasi item-item produk yang kemungkinan dibeli konsumen bersamaan dengan produk lain. Metode atau algoritma dalam fungsi ini adalah Apriori, Generalized Sequential Pattern (GSP), FP-Growth dan GRI algorithm