analisis data mining untuk penyebaran obat

sering kali kita bingung mencari tahu sampai dimana penyebaran obat yang yang telah di konsumsi atau yang telah di distribusi kepada masyarakat oleh dinas terkait, jika menggunakan metode yang konvesional untuk menentukan sampai di mana proses penyebaran obat atau pemakaian obat yang di digunakan oleh masyarkat akan membutuhkan waktu yang lama, oleh sebab itu ada metode yang bisa digunakan untuk menentukan sampai di mana penyebaran obat atau pemakain obat yang digunakan olah masyarakat metode itu dinamakan Data Mining.

Pengertian Data Mining menurut para ahli

Data mining (Connolly dan Begg, 2010) adalah suatu proses ekstraksi atau penggalian data yang belum diketahui sebelumnya, namun dapat dipahami dan berguna dari database yang besar serta digunakan untuk membuat suatu keputusan bisnis yang sangat penting. 

Data mining (Segall et.all, 2008) biasa juga disebut dengan “Data atau knowledge discovery” atau menemukan pola tersembunyi pada data. Data mining adalah proses dari menganalisa data dari prespektif yang berbeda dan menyimpulkannya ke dalam informasi yang berguna.Data mining (Han dan Kamber, 2006 : 5) didefinisikan sebagai proses mengekstrak atau  menambang pengetahuan yang dibutuhkan dari sejumlah data besar.

pada dasarnya proses data mining akan mengekstrak informasi yang berharga dengan cara menganalisis adanya pola-pola ataupun hubungan keterkaitan tertentu dari data-data yang berukuran besar. Data mining berkaitan dengan bidang ilmu-ilmu yang lain, seperti Database System, Data Warehousing, Statistik, Machine Learning, Information Retrieval, dan komputasi tingkat tinggi. Selain itu data mining didukung oleh ilmu lain seperti Neural Network, Pengenalan Pola, Spartial Data Analysis, Image Database, Signal Processing 

Beberapa survey tentang proses pemodelan dan metodologi menyatakan bahwa, " data mining digunakan sebagai petuntuk, dimana Data mining  menyajikan intisari atas sejarah, deskripsi sebagai standar petunjuk mengenai masa depan dari sebuah proses data mining"(Mariscal, Marba'n dan Ferna'ndes, 2010) 

dari pengertian data mining di atas analisis data mining dapat diguanakan sebagai cara untuk mengetahui sampai dimana pola peneyebaran obat yang terjadi disuatu daerah, dengan mengetahui pola penyebarannya maka dinas terkait dapat mengembil keputusan untuk mencegah atau membatasi penggunaan obat yang terjadi pada masyarakat, terutama obat-obat yang dianggap tidak bagus dikonsumsi terus-menerus oleh masyarakat terutama obat-obat berjenis antibiotik, atau disamping itu juga dinas terkait bisa melakukan kontrol terhadap penggunaan obat yang akan di sebarkan kepada masyarakat.

metode yang digunakan dalam teknik Data mining

metode yang bisa digunakan dalam analisis Data mining yaitu salah satunya bisa menggunakan metode K-Means atau dengan kata lain metode klastering.

Analisis Cluster

Cluster adalah suatu kumpulan dari entitas yang hampir sama (Everit, 1993). Pengertian lain menurut Kamber (2007), cluster adalah kumpulan dari objek yang mirip dengan objek lainnya dan berada pada kelompok yang sama. Sedangkan proses untuk mengelompokkan data baik itu bersifat fisik atau abstrak kedalam suatu kelompok atau kelas yang memiliki kesamaan sifat disebut clustering. 

Clustering dikategorikan kedalam teknik Undirect Knowledge atau Unsupervised Learning karena tidak membutuhkan proses pelatihan untuk klasifikasi awal data dalam masing-masing kelompok atau cluster. Tujuan utama clustering adalah untuk menemukan atau mencari pola yang bermanfaat atau berguna pada suatu database, kemudian merangkumnya dan membuat lebih mudah untuk dipahami.

Dalam melakukan proses analisa terhadap cluster-cluster yang telah terbentuk dan pencarian pengetahuan dengan metode tertentu disebut cluster analyse (Kamber, 2007).

Analisis klaster merupakan salah satu teknik multivariat metode interdependensi (saling ketergantungan). Oleh karena itu, dalam analisis klaster tidak ada pembedaan antara variabel bebas (independent variable) dan variabel terikat (dependent variable).

Analisis klaster adalah teknik yang digunakan untuk menggabungkan observasi ke dalam kelompok atau klaster (Sharma, 1996:185), sedemikian sehingga:

1)      Setiap kelompok atau klaster homogen mempunyai karateristik tertentu. Hal ini berarti bahwa observasi dalam setiap kelompok sama dengan observasi lain dalam satu kelompok yang sama;

2)      Setiap kelompok seharusnya berbeda dari kelompok lain dengan karateristik yang sama. Hal ini berarti bahwa observasi dalam kelompok yang satu seharusnya berbeda dari observasi dalam kelompok lain.

Analisis klaster digunakan untuk mengelompokkan data observasi yang hanya berdasarkan pada informasi yang ditemukan dalam data, di mana data tersebut harus menggambarkan observasi dan hubungannya. Oleh karena itu, tujuan dari analisis ini adalah obsevasi dalam satu kelompok mirip satu sama lain dan berbeda dari observasi dalam kelompok lain. Semakin besar kemiripan (homogenitas) dalam kelompok dan semakin besar perbedaan (heterogenitas) antar kelompok maka klastering akan lebih baik atau lebih berbeda (Tan et al, 2006:490).

Dalam analisis klaster, pengelompokan observasi ke dalam klaster dilakukan dengan menggunakan teknik-teknik yang berawal dari kemiripan antar semua pasangan observasi. Kemiripan ini didasarkan pada beberapa ukuran jarak. Metode lain dalam pengelompokan dapat menggunakan pilihan awal sebagai pusat klaster atau perbandingan di dalam dan antar variabilitas klaster. Selain itu, pengelompokan juga dapat menggunakan variabel klaster yang kemiripannya didasarkan pada matriks korelasi (Rencher, 2002:451).

Pada prinsipnya analisis klaster merupakan proses untuk mereduksi sejumlah objek yang besar menjadi lebih sedikit yang disebut klaster. Analisis klaster digunakan oleh peneliti yang belum mengetahui anggota dari suatu kelompok. Analisis klaster disebut juga Q-analysis, classification analysis, pengenalan pola (pattern recognition), analisis segmentasi (numerical taxonomy). 

 Tujuan Analisis Klaster

Setelah mengelompokkan n buah objek pengamatan kedalam m kelompok berdasarkan p variat dapat diketahui bahwa tujuan utama dari pengklasteran objek adalah untuk mendapatkan kelompok objek yang memiliki nilai relatif sama. Sehingga kelak dalam interpretasi, objek-objek yang berada pada satu klaster memiliki peluang yang cukup tinggi akan muncul bersamaan pada satu individu.

 Konsep Dasar dalam Analisis Klaster

Analisis klaster merupakan suatu kelas teknik, dipergunakan untuk mengklasifikasi objek atau kasus ke dalam kelompok yang relatif homogen, yang disebut klaster. Objek dalam setiap kelompok cenderung mirip satu sama lain dan berbeda jauh (tidak sama) dengan objek dari klaster lainnya (Supranto, 2004:142).

Pengelompokkan dilakukan berdasarkan kemiripan (similarity) antar objek. Kemiripan diperoleh dengan meminimalkan jarak antar objek dalam kelompok (within-cluster) dan memaksimalkan jarak antar kelompok (between-cluster).

Berdasarkan paparan tersebut, terdapat dua langkah utama dalam analisis klaster yaitu memilih ukuran kemiripan dan memilih algoritma dalam pembentukan klaster.

Metode K-Means

 

Metode K-Means merupakan metode non-hierarki yang bersifat tanpa arahan, hal ini dikarenakan data yang dianalisis tidak mempunyai label kelas, yang berarti

dalam proses pengelompokannya tidak mempunyai anggota cluster yang pasti. Obyek yang sudah masuk ke dalam cluster tertentu masih bisa berpindah ke cluster yang lain. MacQueen berpendapat (Johnson dan Wichern, 1996:597) bahwa istilah K-Means untuk mendiskripsikan bahwa algoritma K-Means menandai setiap obyek masuk ke dalam cluster yang mempunyai pusat cluster (rata-rata) terdekat. Metode k-means memproses semua obyek secara sekaligus dimana k merupakan banyaknya kelompok.

Adapun langkah operasional yang dilakukan  adalah sebagai berikut:

Langkah-langkah analisis cluster metode non-hierarki K-Means :

1.            Menentukan k sebagai jumlah cluster yang ingin dibentuk

2.            Menentukan centroid (titik pusat)

3.            Menghitung jarak setiap data/obyek ke setiap centroid

4.            Menentukan centroid baru

5.            Menghitung jarak setiap data/obyek ke setiap centroid baru

6.            Lakukan langkah (4)-(5) hingga nilai pusat cluster tidak berubah lagi

dengan metode ini kita dapat mengetahui dengan pasti pola penyebarannya, sebenarnya banyak metode yang bisa digunakan dalam analisis data mining tetapi di sini saya cuma ingin memberikan satu contoh metode yang bisa digunakan dalam analisis data mining.