Jl. Lapangan Banteng Timur No.2-4, Jakarta Pusat
 1 50-991    ID | EN      Login Pegawai
 
Artikel DJKN
CRISP DM Sebagai Salah Satu Standard untuk Menghasilkan Data Driven Decision Making yang Berkualitas
Ida Kade Sukesa
Rabu, 22 Juni 2022 pukul 07:43:27   |   25776 kali

CRISP DM

Suatu data analisis tidak pernah hadir dari proses sesaat, namun dari proses matang yang di guide oleh standard yang tinggi. Statement penulis di atas sangat terbuka untuk diperdebatkan namun untuk bagian standard dari pernyataan tersebut penulis yakin semua pihak akan sepakat. Hal inilah yang memotivasi penulis dalam artikel ini menyampaikan CRISP DM sebagai salah satu standard dalam data mining.

CRISP DM atau lengkapnya disebut The CRoss Industry Standard Process for Data Mining merupakan standard yang dikembangkan sejak tahun 1996 di Eropa. CRISP DM terdiri dari 6 tahap yang mana 3 tahap paling awal berdasarkan pengalaman penulis dapat Non Mutually Exclusive. Berikut disajikan keenam tahapan CRISP DM tersebut dalam skema dibawah ini:


Sumber Gambar: Wikipedia

CRISP DM bukan merupakan satu-satunya standard dalam data mining namun merupakan yang terpopuler saat ini. Berdasarkan hasil pooling datascience-pm, CRISP DM Digunakan 2 sampai dengan 3 kali lebih banyak dari 4 teratas standard yang paling banyak digunakan.


Sumber: https://www.datascience-pm.com/crisp-dm-2

BUSINESS UNDERSTANDING

Tahap pertama dari CRISP DM adalah Business Understanding yang merupakan tahap dimana Business problem didefinisikan dengan sederhana dan tepat. Meskipun terkesan sederhana pada hakikatnya tahapan ini memerlukan penguasaan pada dua bagian yang berbeda yaitu pemahaman terhadap business process termasuk regulasi yang mengaturnya dan pemahaman terhadap cara pengolahannya.

Konsekuensi dari paragraph di atas adalah bahwa pemilik business process perlu memahami proses pengolahan data and vice versa. Tahapan ini sebaiknya juga dilakukan melalui focus group discussion dengan para pelaku pasar dan studi literatur yang lengkap. Menggunakan benchmark dari riset di negara lain adalah jalan yang dapat ditempuh untuk mempercepat tahapan ini sekaligus meningkatkan akuntabilitas, namun umumnya setiap project adalah unik sehingga terjadi variasi atau modifikasi sangat dimungkinkan.

Bisnis problem secara spesifik dapat disebut sebagai gap antara harapan dan realitas dimana data mining akan menjadi jembatan penghubungnya. Sebagai contoh disajikan pada paragraph di bawah ini yang diambil dari paper penulis yang berjudul: The Identification Of Risk And The Determination Of The Choice Of The Financing Disaster On Indonesia’s State-owned Building In Earthquake- Prone Areas, 2016 sebagai berikut:

“Kerusakan bangunan dan infrastruktur akibat gempa bumi di Indonesia mencapai 2 sampai dengan 4 Milyar Dolar pada setiap gempa. Hal ini menginisiasi diambilnya Langkah aktif dalam penanggulangan bencana melalui undang-undang Nomor 24 tahun 2007 tentang Penanggulangan bencana yang salah satunya adalah asuransi bencana. Namun tentu diperlukan panduan dalam mengalokasikan premi asuransi terhadap bangunan yang tepat mengingat asset negara berupa bangunan dan infrastruktur sangat banyak dan tersebar baik di daerah rawan gempa mupun tidak. Hal ini memotivasi kami untuk menemukan cara guna menentukan prioritas asset negara yang perlu dilindungi dengan asuransi bencana”.


DATA UNDERSTANDING

Data Understanding merupakan proses dimana kita mempertemukan antara data apa yang kita miliki dan data apa yang kita seharusnya perlukan. Bisa jadi suatu project data analisis berawal dari penemuan data-data yang telah ada yang kemudian mengarahkan analist untuk menggali knowledge yang ada pada kumpulan data tersebut. Jenis data akan sangat menentukan jenis algoritma dan tujuan dari data mining yang ingin dicapai

Pada tahapan ini data analist perlu menguasai pemahaman terhadap jenis data kuantitatif dan data kualitatif sebagai berikut:

Jenis Data

Deskripsi

Hal yang perlu diperhatikan

Catatan bagi data analist

Nominal

data yang berasal dari proses kategorisasi atau klasifikasi

· Posisi data setara untuk setiap subtype.

· Hanya untuk memberikan label pada variable

· lebih tepat menggunakan kode biner

Contoh misalkan terdapat 4 tipe peruntukan lahan maka digunakan kode seperti ini:

Komersial 1 0 0

Residensial 0 1 0

Perkantoran 0 0 1

Campuran 0 0 0

· Tidak bisa dilakukan operasi matematika

Penggunaan jenis data ini untuk Data mining dengan tujuan prediction dan forecasting mengacu pada aturan bahwa Jumlah variabel biner harus kurang 1 dari jumlah kategori yang akan dikuantitatifkan (Gujarati dan Porter 2010; 358).

Sangat baik untuk data mining dengan tujuan asosiasi dan klasifikasi yang menggunakan jenis data categorical (tidak dinyatakan dalam angka)

Ordinal

data yang berasal dari proses kategorisasi atau klasifikasi namun diantara data tersebut terdapat hubungan (misalnya hubungan bertingkat)

· Posisi data untuk setiap subtype tidak setara namun tidak diketahui berapa jarak antar subtype

· Memiliki urutan dan tidak memiliki nilai Nol, contoh posisi tanah terhadap elevasi jalan dinyatakan sebagai berikut:

Lebih tinggi 3

Sejajar 2

Lebih rendah 1

· Tidak bisa dilakukan operasi matematika

Apabila menggunakan Algoritma Konstanta Nearest Neigborhood, perlu disadari bahwa jarak antara sub type tidak diketahui artinya hubungan antar dua objek dengan dengan perbedaan kode 3 dan 2 adalah sama dengan hubungan antara dua objek dengan kode 2 dan 1.

Interval

Data interval adalah data yang diperoleh dengan cara pengukuran namun tidak ada titik nol yang absolut

· Tidak memiliki nilai Nol absolut sebagai contoh data pertumbuhan ekonomi dimana terdapat nilai negatif

· Bisa dilakukan operasi matematika terbatas

Perlu kehati-hatian dalam menggunakan Konstanta Nearest Neigborhood karena tanda plus dan minus untuk angka yang sama tidak berbeda contoh:

negara dengan tingkat pertumbuhan positif 2 dan negara dengan tingkat pertumbuhan minus 2 akan terkumpul dalam kelompok yang sama.

Rasio

data yang diperoleh dengan cara pengukuran, dimana jarak dua titik pada skala sudah diketahui, dan mempunyai titik nol yang absolut

· Merupakan peringkat teratas dari semua jenis data

· Bisa dilakukan operasi matematika

Tepat untuk digunakan pada data mining dengan algoritma yang berdasar pada semua jenis operasi matematika.

DATA PREPARATION

Proses data preparasi merupakan proses data treatment menuju model berkualitas yang berguna. Tahapan ini adalah yang paling menguras resources dari tim analisis. Model yang baik dan akurat berawal dari data preparasi yang baik. Beberapa hal yang umum dilakukan pada tahapan ini adalah:

1. Melakukan pengecekan kembali pada kebenaran data;

Pengecekan pada data perlu di desain bertingkat sehingga akuntabilitas terjaga. Pengecekan juga diperlukan terhadap konsistensi inputing data. System yang baik dalam pengumpulan data antara lain menggunakan default akan dapat menjaga konsistensi data.

2. Mengelola data outlier

Data Outlier perlu dikelola dengan baik. Data Outlier dapat berupa Univariate Outlier, dan Multivariate Outlier serta dapat berada pada variable dependent maupun variable independent. Data Mining untuk tujuan generalisir akan terpengaruh dengan dengan Data Outlier sehingga perlu dinetralisir. Sebelum melakukan treatment atas data Outlier alangkah baiknya terlebih dahulu dilakukan pengecekan terhadap pengambilan dan pengisian data.

3. Memberlakukan data missing dan data inkonsistensi

Perlakuan terhadap data missing harus match dengan tujuan dari data mining itu sendiri. Misalkan data missing yang di isi dengan average mungkin masih dapat diterima untuk tujuan prediction dan forecasting, namun untuk klastering bisa jadi akan mengarahkan pada kelompok yang kurang tepat. Sebaliknya menggunakan data yang sering muncul untuk mengisi missing data untuk multi variable data mining akan berpengaruh pada hasil untuk tujuan prediction dan forecasting.


MODELING

Model adalah deskripsi atau knowledge berkualitas yang dibangun oleh system atau process dari kalkulasi dan prediksi yang berterima. Kata sifat berterima disini mengacu pada sedikitnya beberapa hal yaitu technically correct dan economically correct (pada penelitian ekonomi).

Mayoritas praktisi sepakat dengan La rose (2005) bahwa terdapat 5 (lima) tujuan utama dalam data Mining yaitu: Estimasi, Prediksi/Peramalan, Klasifikasi, Klastering, Asosiasi. Lebih dari satu peran dapat dikombinasikan untuk mencapai tujuan yang lebih detil. Berdasarkan peran tersebut menurut pengalaman penulis terdapat beberapa Algoritma yang dapat digunakan sebagaimana disampaikan pada gambar di bawah ini:


Algoritma pada gambar di atas secara umum juga terbagi dalam 2 (dua) kelompok, untuk kelompok algoritma berwarna biru (biru muda s.d biru tua) merupakan Supervised Learning sedangkan yang berwarna hijau (hijau s.d. hijau tua) merupakan unsupervised learning. Supervised Learning merupakan algoritma yang memerlukan target atau dependent variable, sedangkan Unsupervised learning tidak menggunakan target atau dependent variable. Berikut beberapa kemungkinan pemanfaatan algoritma data mining dalam manajemen asset disajikan dalam table di bawah ini:

Algoritma

Penggunaan dalam Aset Manajemen

Estimasi dan forecasting

Panduan dalam Penilaian

Klasifikasi

Panduan Menentukan Skema Pemanfaatan

Panduan Asuransi BMN

Klaster

Panduan Menentukan Pembanding terdekat dengan Objek Penilaian

Panduan Menentukan Asset yang dapat dimanfaatkan

Assosiasi

Panduan Menentukan Calon Peserta Lelang Potensial

Panduan Management Risiko

Proses modelling adalah saat paling menyenangkan dalam proses pengolahan data, karena ide dan inovasi baru sangat berperan pada tahap ini. Satu data set yang telah di preparasi dengan baik dapat di olah dalam lebih dari satu jenis algoritma dan dapat memberikan knowledge yang berbeda-beda.

EVALUASI

Evaluasi merupakan tahap validasi model yang dibentuk berdasarkan parameter-parameter yang relevan. Parameter tersebut bisa berupa Parameter statistik, Parameter ekonomi dan lain-lain. Parameter statistic misalnya dengan uji asumsi klasik dan/atau nilai R2, sedangkan parameter ekonomi dapat menggunakan data testing yang dianggap paling mewakili pasar dan bisa juga menggunakan Teknik willingness to pay atau willingness to accept.

Data analyst perlu memperhatikan bahwa koefisien determinasi R² yang tinggi adalah baik namun yang terpenting adalah mengetahui apakah koefisien regresi yang kita peroleh secara statistik signifikan atau terdapat indikasi koefisien tersebut berlawanan dari harapan (lihat Damodaran dan Porter 2009:266) (lihat Insukindro; 1998). Dalam artikel selanjutnya evaluasi model akan kita bahas lebih lengkap.

DEPLOYMENT

Tahap Deployment adalah saat dimana para analyst dan engineer mempacking dan menyampaikan proses data analisis yang telah dilakukan. Beberapa pertimbangan yang semestinya diperhitungkan adalah visualisasi, kemudahan dari penggunaan model, pemeliharaan model dimasa yang akan datang, serta payung hukum yang menyertai penggunaan model tersebut. Mengapa legally permissible adalah faktor yang harus diperhatikan, karena modelling akan menuntun kearah pengambilan keputusan yang sarat akan rambu-rambu peraturan. Berdasarkan hasil diskusi pada saat mengikuti Digital Leadership Course yang digelar oleh Pertamina Training Center sekitar tahun 2019 yaitu: Hasil data mining seringkali melampaui produk hukum yang berlaku saat itu, sehingga penggunaannya seringkali memerlukan penyesuaian.

Tulisan ini didasari atas pengalaman dan referensi terkait Data Mining.

Ditulis oleh: Helvita Dorojatun (Kepala KPKNL Mamuju)

(Tulisan ini merupakan bagian dari seri Artikel DATA DRIVEN DECISION MAKING, KPKNL MAMUJU untuk KEMENKEU)

Disclaimer
Tulisan ini adalah pendapat pribadi dan tidak mencerminkan kebijakan institusi di mana penulis bekerja.
Peta Situs | Email Kemenkeu | Prasyarat | Wise | LPSE | Hubungi Kami | Oppini