Pengantar Teknologi Sistem Cerdas 1
Pengantar Teknologi Sistem Cerdas
Jurnal : DData Mining Dalam Bisnis
Penulis : Veronika S.Moertini
Penalaran :
Dunia bisnis yang penuh persaingan membuat para pelakunya harus selalu
memikirkan strategi-strategi terobosan yang dapat menjamin kelangsungan
bisnis mereka. Salah satu aset utama yang dimiliki oleh perusahaan masa kini adalah data bisnis dalam jumlah yang luar biasa banyak. Ini melahirkan kebutuhan akan adanya teknologi yang dapat memanfaatkannya
untuck membangkitkan “pengetahuan-pengetahuan” baru, yang dapat
membantu dalam pengaturan strategi bisnis. Teknologi data mining hadir
sebagai solusi. Makalah ini akan mengulas permasalahan bisnis yang ada
dan dasar-dasar data mining melalui bahasan kegunaan, cara kerja dan
metodologi-metodologi populer pada teknologi ini (pohon keputusan,
klasifikasi, regresi non-linier, berbasis sampel, kebergantungan grafik, dll.).
Makalah ini membahas kebutuhan bisnis, solusi yang dipikirkan para pelaku bisnis, pemanfaatan, cara kerja tugas dan metodologi-metodologi populer pada data mining. Bahasan akan diberikan dari sudut pandang pelaku bisnis dan peneliti. Hal ini dimaksudkan agar para pembaca memperoleh gambaran yang kongkret mengenai data mining di dunia bisnis, sekaligus juga mengenal konsep-konsep teoretis yang melandasi teknologi data mining.
2. Kebutuhan Bisnis
Dalam dunia bisnis yang selalu dinamis dan penuh persaingan, para pelakunya harus senantiasa memikirkan cara-cara untuk terus survive dan jika mungkin mengembangkan skala bisnis mereka. Untuk mencapai hal itu, dapat diringkaskan tiga kebutuhan bisnis,
yaitu1:
a) Penambahan jenis maupun
peningkatan kapasitas produk.
b) Pengurangan biaya operasi
perusahaan.
c) Peningkatan efektifitas pemasaran
dan keuntungan.
Aturan dan Pohon Keputusan Metodologi ini, yang menggunakan pemisahan (split) univariate, mudah dipahami oleh pemakai karena bentuk representasinya yang sederhana.. Akan tetapi, batasan-batasan yang diterapkan pada representasi aturan dan pohon tertentu dapat secara signifikan membatasi bentuk fungsional dari model.
Kesimpulan
Data mining, yang hadir sebagai teknologi untuk memanfaatkan ketersediaan data bisnis yang melimpah, telah membantu para pelaku bisnis untuk mempertahankan dan mengembangkan bisnis mereka. Akan tetapi, agar teknologi data mining dan KDD ini dapat dimanfaatkan terus dengan baik,
Jurnal : DData Mining Dalam Bisnis
Penulis : Veronika S.Moertini
Penalaran :
Dunia bisnis yang penuh persaingan membuat para pelakunya harus selalu
memikirkan strategi-strategi terobosan yang dapat menjamin kelangsungan
bisnis mereka. Salah satu aset utama yang dimiliki oleh perusahaan masa kini adalah data bisnis dalam jumlah yang luar biasa banyak. Ini melahirkan kebutuhan akan adanya teknologi yang dapat memanfaatkannya
untuck membangkitkan “pengetahuan-pengetahuan” baru, yang dapat
membantu dalam pengaturan strategi bisnis. Teknologi data mining hadir
sebagai solusi. Makalah ini akan mengulas permasalahan bisnis yang ada
dan dasar-dasar data mining melalui bahasan kegunaan, cara kerja dan
metodologi-metodologi populer pada teknologi ini (pohon keputusan,
klasifikasi, regresi non-linier, berbasis sampel, kebergantungan grafik, dll.).
Makalah ini membahas kebutuhan bisnis, solusi yang dipikirkan para pelaku bisnis, pemanfaatan, cara kerja tugas dan metodologi-metodologi populer pada data mining. Bahasan akan diberikan dari sudut pandang pelaku bisnis dan peneliti. Hal ini dimaksudkan agar para pembaca memperoleh gambaran yang kongkret mengenai data mining di dunia bisnis, sekaligus juga mengenal konsep-konsep teoretis yang melandasi teknologi data mining.
2. Kebutuhan Bisnis
Dalam dunia bisnis yang selalu dinamis dan penuh persaingan, para pelakunya harus senantiasa memikirkan cara-cara untuk terus survive dan jika mungkin mengembangkan skala bisnis mereka. Untuk mencapai hal itu, dapat diringkaskan tiga kebutuhan bisnis,
yaitu1:
a) Penambahan jenis maupun
peningkatan kapasitas produk.
b) Pengurangan biaya operasi
perusahaan.
c) Peningkatan efektifitas pemasaran
dan keuntungan.
Aturan dan Pohon Keputusan Metodologi ini, yang menggunakan pemisahan (split) univariate, mudah dipahami oleh pemakai karena bentuk representasinya yang sederhana.. Akan tetapi, batasan-batasan yang diterapkan pada representasi aturan dan pohon tertentu dapat secara signifikan membatasi bentuk fungsional dari model.
Kesimpulan
Data mining, yang hadir sebagai teknologi untuk memanfaatkan ketersediaan data bisnis yang melimpah, telah membantu para pelaku bisnis untuk mempertahankan dan mengembangkan bisnis mereka. Akan tetapi, agar teknologi data mining dan KDD ini dapat dimanfaatkan terus dengan baik,
Comments
Post a Comment