Data : Konteks Data Mining & Machine Learning

Di era digital, data menjadi salah satu sumber informasi yang sangat penting dalam berbagai bidang kehidupan. Aktivitas manusia sehari-hari menghasilkan data dalam jumlah besar, mulai dari transaksi pembelian, aktivitas media sosial, data pendidikan, data kesehatan, hingga data perusahaan. Data tersebut pada awalnya berupa kumpulan fakta atau catatan yang belum tentu memberikan informasi yang bermakna. Oleh karena itu, diperlukan proses pengolahan dan analisis agar data dapat digunakan untuk menemukan informasi, pola, dan pengetahuan yang bermanfaat.

Dalam bidang ilmu komputer dan analisis data, data mining dan machine learning merupakan dua bidang yang banyak digunakan untuk mengolah dan menganalisis data. Data menjadi komponen utama dalam proses tersebut karena pola dan pengetahuan yang dihasilkan sangat bergantung pada data yang digunakan. Han, Kamber, dan Pei (2011) menjelaskan bahwa data mining berkaitan dengan proses menemukan pola dan pengetahuan yang berguna dari kumpulan data berukuran besar.

Definisi Data

Data dapat diartikan sebagai sekumpulan fakta, catatan, angka, simbol, teks, gambar, suara, atau bentuk lainnya yang menggambarkan suatu objek, kejadian, atau aktivitas. Data belum tentu memiliki makna apabila belum diolah dan dianalisis sesuai dengan tujuan tertentu.

Sebagai contoh, data nilai siswa dapat berupa:

Nama	Jenis Kelamin	Kehadiran	Nilai Matematika	Nilai Informatika
Andi	L	95%	85	88
Budi	L	80%	70	75
Citra	P	98%	92	90
Dini	P	90%	80	85

Data tersebut dapat digunakan untuk berbagai keperluan. Dalam data mining, misalnya, data dapat dianalisis untuk menemukan pola hubungan antara kehadiran dengan hasil belajar. Sementara dalam machine learning, data tersebut dapat digunakan untuk membangun model yang memprediksi kemungkinan pencapaian nilai tertentu berdasarkan beberapa variabel.

Menurut Han, Kamber, dan Pei (2011), data mining dapat digunakan untuk menemukan pola yang tersembunyi dalam kumpulan data dan mengubah data menjadi pengetahuan yang berguna.

Jenis-Jenis Data

Dalam data mining dan machine learning, data dapat dibedakan berdasarkan bentuk maupun karakteristiknya.

1. Data Numerik

Data numerik merupakan data yang berbentuk angka dan dapat digunakan dalam operasi matematika.

Contohnya:

• Usia: 15 tahun

• Nilai ujian: 85

• Pendapatan: Rp5.000.000

• Jumlah transaksi: 125 transaksi

Data numerik dapat berupa data diskrit, seperti jumlah siswa, maupun data kontinu, seperti tinggi badan atau berat badan.

2. Data Kategorikal

Data kategorikal merupakan data yang menunjukkan kelompok atau kategori tertentu.

Contohnya:

• Jenis kelamin: laki-laki/perempuan

• Status: lulus/tidak lulus

• Jenis kendaraan: sepeda motor/mobil

• Tingkat pendidikan: SMP/SMA/S1

Dalam machine learning, data kategorikal dapat memerlukan proses encoding agar dapat digunakan oleh algoritma tertentu. Dokumentasi scikit-learn, misalnya, menyediakan metode preprocessing untuk melakukan encoding terhadap fitur kategorikal.

3. Data Teks

Data teks berupa kumpulan kata atau kalimat. Contohnya adalah ulasan pelanggan, berita, komentar media sosial, dan dokumen.

Dalam machine learning, data teks dapat diubah menjadi representasi numerik melalui teknik ekstraksi fitur sehingga dapat digunakan oleh algoritma pembelajaran mesin. Scikit-learn menyediakan berbagai metode untuk melakukan ekstraksi fitur teks.

4. Data Gambar dan Video

Data gambar dan video juga dapat digunakan sebagai sumber data dalam machine learning. Contohnya adalah foto wajah, citra hasil pemeriksaan medis, gambar produk, dan rekaman video.

Pengolahan data tersebut dapat digunakan dalam bidang computer vision, misalnya untuk klasifikasi gambar dan deteksi objek.

Data dalam Data Mining

Data mining merupakan proses menemukan pola, hubungan, atau pengetahuan yang menarik dan bermanfaat dari sekumpulan data. Han, Kamber, dan Pei (2011) menempatkan data preprocessing, klasifikasi, prediksi, clustering, association analysis, dan berbagai teknik lainnya sebagai bagian penting dalam proses data mining.

Data menjadi bahan utama dalam proses data mining. Semakin baik kualitas data yang digunakan, semakin besar peluang diperolehnya pola atau informasi yang dapat dipercaya.

Beberapa contoh penerapan data mining adalah:

1. Analisis transaksi penjualan untuk mengetahui produk yang sering dibeli secara bersamaan.

2. Segmentasi pelanggan berdasarkan karakteristik dan perilaku pembelian.

3. Deteksi transaksi tidak biasa dalam sistem keuangan.

4. Analisis prestasi siswa berdasarkan data akademik dan kehadiran.

5. Analisis data pelanggan untuk mengetahui karakteristik kelompok tertentu.

Sebagai contoh, sebuah toko memiliki ribuan transaksi pelanggan. Setelah dianalisis, ditemukan bahwa pelanggan yang membeli produk A sering membeli produk B. Pola tersebut dapat digunakan oleh perusahaan untuk menyusun strategi penjualan atau rekomendasi produk.

Data dalam Machine Learning

Machine learning merupakan pendekatan yang memungkinkan komputer mempelajari pola dari data untuk melakukan prediksi, klasifikasi, atau tugas tertentu. Dalam proses machine learning, data digunakan untuk membangun dan mengevaluasi model.

Secara umum, data dapat dibagi menjadi data pelatihan (training data) dan data pengujian (testing data). Data pelatihan digunakan untuk membangun model, sedangkan data pengujian digunakan untuk mengetahui kemampuan model ketika diberikan data yang belum digunakan dalam proses pelatihan.

Algoritma machine learning dapat dikelompokkan ke dalam beberapa pendekatan, antara lain supervised learning dan unsupervised learning. Dokumentasi scikit-learn mencakup berbagai metode supervised learning seperti linear models, support vector machines, decision trees, ensemble methods, dan neural networks, serta berbagai metode unsupervised learning.

Secara sederhana, proses machine learning dapat digambarkan sebagai:

Data → Preprocessing → Training Model → Evaluasi → Prediksi

Sebagai contoh, sebuah sekolah memiliki data siswa yang terdiri atas nilai, kehadiran, dan hasil belajar. Data tersebut dapat digunakan untuk membangun model yang memprediksi kategori hasil belajar siswa berdasarkan karakteristik tertentu.

Kualitas Data

Salah satu aspek penting dalam data mining dan machine learning adalah kualitas data. Data yang digunakan harus sesuai dengan tujuan analisis. Han, Kamber, dan Pei membahas kualitas data melalui beberapa aspek, antara lain accuracy, completeness, consistency, timeliness, believability, dan interpretability.

1. Akurasi

Data harus menggambarkan kondisi yang sebenarnya. Kesalahan pencatatan dapat menyebabkan hasil analisis menjadi tidak tepat.

2. Kelengkapan

Data sebaiknya memiliki informasi yang diperlukan. Data yang memiliki banyak nilai kosong (missing value) dapat memengaruhi hasil analisis.

3. Konsistensi

Data harus memiliki format dan aturan yang konsisten. Misalnya, jenis kelamin tidak seharusnya ditulis dengan banyak variasi seperti "L", "Laki-laki", dan "Pria" tanpa aturan yang jelas.

4. Ketepatan Waktu

Data sebaiknya tersedia dan diperbarui sesuai kebutuhan analisis. Data yang sudah tidak relevan dapat menghasilkan kesimpulan yang kurang sesuai dengan kondisi sebenarnya.

5. Relevansi

Data yang digunakan harus berhubungan dengan tujuan analisis. Tidak semua data yang tersedia harus dimasukkan ke dalam model.

Data Preprocessing

Sebelum digunakan dalam data mining atau machine learning, data biasanya perlu melalui proses data preprocessing. Tahapan ini bertujuan untuk memperbaiki dan mempersiapkan data agar dapat digunakan oleh algoritma.

Han, Kamber, dan Pei (2011) membagi kegiatan utama preprocessing antara lain menjadi data cleaning, data integration, data reduction, serta data transformation dan discretization.

Beberapa proses preprocessing antara lain:

• Menghapus atau menangani data duplikat.

• Menangani missing value.

• Menangani data yang tidak konsisten.

• Mengatasi data pencilan atau outlier.

• Melakukan normalisasi atau standardisasi.

• Mengubah data kategorikal menjadi representasi numerik.

• Memilih fitur yang relevan.

Dalam praktik machine learning, preprocessing dapat mencakup standardisasi, normalisasi, encoding fitur kategorikal, dan imputasi nilai yang hilang. Fasilitas preprocessing tersebut juga tersedia dalam scikit-learn.

Sebagai contoh, apabila terdapat data nilai siswa dengan rentang 0–100 dan pendapatan dengan rentang jutaan rupiah, perbedaan skala tersebut dapat memengaruhi beberapa algoritma machine learning. Oleh karena itu, teknik seperti normalisasi atau standardisasi dapat diperlukan.

Hubungan Data Mining dan Machine Learning

Data mining dan machine learning memiliki hubungan yang erat karena keduanya menggunakan data untuk menemukan pola dan menghasilkan informasi. Namun, keduanya tidak sepenuhnya sama.

Data mining lebih banyak berfokus pada proses menemukan pola, hubungan, dan pengetahuan dari data. Sementara itu, machine learning berfokus pada metode yang memungkinkan komputer mempelajari pola dari data untuk melakukan prediksi atau tugas tertentu.

Dalam praktiknya, teknik machine learning dapat digunakan sebagai salah satu pendekatan dalam proses data mining. Buku Han, Kamber, dan Pei juga menunjukkan adanya pembahasan mengenai machine learning dalam konteks teknik klasifikasi, prediksi, dan analisis data.

Dengan demikian, data dapat menjadi titik temu antara data mining dan machine learning. Data mining dapat digunakan untuk mengeksplorasi dan menemukan pola, sedangkan machine learning dapat digunakan untuk membangun model berdasarkan pola yang ditemukan tersebut.

Contoh Penerapan

Misalnya sebuah sekolah ingin mengetahui faktor yang berhubungan dengan keberhasilan siswa dalam ujian.

Data yang dikumpulkan dapat meliputi:

• Nilai tugas.

• Nilai ujian sebelumnya.

• Persentase kehadiran.

• Waktu belajar.

• Aktivitas pembelajaran.

• Hasil ujian.

Tahapannya dapat dilakukan sebagai berikut:

1. Pengumpulan data
Mengumpulkan data akademik siswa dari berbagai sumber.

2. Pembersihan data
Memeriksa data kosong, duplikasi, dan kesalahan pencatatan.

3. Eksplorasi data
Menganalisis distribusi nilai dan hubungan antarvariabel.

4. Data preprocessing
Melakukan transformasi, encoding, normalisasi, atau standardisasi jika diperlukan.

5. Penerapan data mining
Mencari pola atau hubungan yang terdapat dalam data.

6. Pembangunan model machine learning
Menggunakan data untuk melatih model prediksi atau klasifikasi.

7. Evaluasi model
Mengukur seberapa baik model bekerja menggunakan metrik yang sesuai.

8. Interpretasi hasil
Menggunakan hasil analisis sebagai informasi untuk mendukung pengambilan keputusan.

Tahapan tersebut menunjukkan bahwa keberhasilan analisis tidak hanya bergantung pada algoritma yang digunakan. Persiapan dan kualitas data juga merupakan bagian penting dari keseluruhan proses.

Kesimpulan

Data merupakan komponen fundamental dalam data mining dan machine learning. Data menjadi sumber utama untuk menemukan pola, menghasilkan informasi, serta membangun model yang dapat digunakan untuk melakukan prediksi.

Namun, keberadaan data dalam jumlah besar tidak otomatis menghasilkan analisis yang baik. Data harus memiliki kualitas yang memadai dan perlu melalui proses preprocessing sebelum digunakan. Kesalahan, data yang tidak lengkap, ketidakkonsistenan, serta pemilihan fitur yang kurang tepat dapat memengaruhi hasil analisis maupun kinerja model machine learning.

Oleh karena itu, pemahaman mengenai jenis data, kualitas data, preprocessing, data mining, dan machine learning menjadi dasar penting dalam mempelajari analisis data. Dengan pengelolaan yang tepat, data dapat diolah menjadi informasi dan pengetahuan yang bermanfaat untuk mendukung pengambilan keputusan.

Daftar Pustaka

Han, J., Kamber, M., & Pei, J. (2011). Data Mining: Concepts and Techniques (3rd ed.). Morgan Kaufmann/Elsevier.

Pedregosa, F., Varoquaux, G., Gramfort, A., et al. (2011). Scikit-learn: Machine learning in Python. Journal of Machine Learning Research, 12, 2825–2830.

Scikit-learn developers. (2025). Scikit-learn User Guide. Scikit-learn.

Tan, P.-N., Steinbach, M., & Kumar, V. (2006). Introduction to Data Mining. Pearson Education.

LMS-SPADA Indonesia. (2026). Knowledge Data Discovery: Data Mining: Concepts and Techniques. Kementerian Pendidikan Tinggi, Sains, dan Teknologi Republik Indonesia.