Aplikasi Data Mining

Data mining adalah disiplin ilmu yang masih baru dengan aplikasi yang luas dan beragam. Masih ada satu nontrivial gap antara prinsip umum dari data mining dan domain-specific, effective data mining tools untuk aplikasi tertentu.

Beberarap domain aplikasi, antara lain:

• Biomedical and DNA data analysis
• Financial data analysis
• Retail industry
• Telecommunication industry

Biomedical and DNA Data Analysis

Urutan DNA: 4 blok dasar yang membangun DNA: (nucleotides): adenine (A), cytosine (C), guanine (G), and thymine (T).

• Gene: satu urutan/barisan dari ratusan individual nucleotides tersusun dalam urutan tertentu.
• Manusia mempunyai sekitar 30,000 genes
• Sangat banyak cara sehingga nucleotides dapat diurutkan dan dibariskan untuk membentuk genes yang berbeda.
• Integrasi semantik dari keberagaman, database genome yang terdistribusi
• Current: highly distributed, uncontrolled generation dan menggunakan data DNA yang sangat luas kebergamannya
• Metode Data cleaning dan data integration dikembangkan dalam data mining akan membantu

Contoh : Analisis DNA

• Pencarian keserupaan dan perbandingan diantara barisan DNA

· Bandingkan pola yang sering muncul dari setiap kelas (misal, penyakit dan kesehatan)

· Identifikasi pola barisan gene yang berpengaruh dalam berbagai penyakit.

· Analisis Association : Pengidentifikasian dari kemunculan barisan gen

• Sebagian penyakit tidak di triger melalui satu gen tunggal tetapi oleh kombinasi gen yang berlaku bersama.
• Analysis Association dapat membantu menentukan macam macam dari gen yang kelihatannya akan muncul secara bersamaan dalam contoh target.
• Analisis Path : menghubungkan gen ke tingkatan pengembangan penyakit yang berbeda.
• Gen yang berbeda dapat menjadi aktif pada tingkatan berbeda dari penyakit
• Mengembangkan intervensi pharmaceutical yang mentargetkan tingkatan yang berbeda secara terpisah.
• Tool Visualisasi dan analisis data genetika

Data Mining untuk Analisis Data Keuangan

• Data keuangan terkumpul di bank dan intstitusi keuangan yang pada umumnya adalah lengkap, handal dan tinggi kualitasnya.
• Desain dan konstruksi dari data warehouse untuk analisis data multidimensi dan data mining.

· View perubahan debet dan pendapatan/keuntungan berdasarkan bulan, daerah, sektor dan faktor.

· Akses informasi statistik seperti max, min, total, average, trend, dll.

• Peramalan/prediksi pembayaran pinjaman / analisis kebijaksanaan kredit konsumen.

· Pemeringkatan pemilihan fitur dan keterhubungan atribut

· Kinerja pembayaran pinjaman

· Rating kredit konsumen

Data Mining Keuangan

• Classification dan clustering dari konsumen untuk sasaran pemasaran.

· multidimensional segmentation melalui nearestneighbor, classification, decision trees, dll. Untuk mengidentifikasi kelompok konsumen atau mengasosiasi satu konsumen baru ke satu kelompok konsumen yang tepat/sesuai.

• Detection of money laundering dan kejahatan keuangan lainnya

· integration of from multiple DBs (e.g., bank transactions, federal/state crime history DBs)

· Tools: data visualization, linkage analysis, classification, clustering tools, outlier analysis, and sequential pattern analysis tools (find unusual access sequences)