Skip to main content

Tentang CRISP-DM



CRISP-DM (Cross-Industry Standard Process for Data Mining)  dikembangkan pada tahun 1996 oleh analyst yang mewakili DaimlerChrysler, SPSS, dan NCR.


CRISP menyediakan standar proses baku untuk data mining yang dapat diterapkan kedalam strategi pemecahan masalah umum pada bisnis atau pada unit penelitian. Standar baku ini merupakan standar nonproprietary, bebas digunakan siapapun tanpa harus membayar lisensi.


Menurut CRISP-DM, sebuah Project Data Mining memiliki Lifecycle  yang terdiri dari 6 fase, anda bisa lihat pada gambar dibawah ini


image


Harap dicatat bahwa ini adalah urutan fase yang Adaptif, artinya fase berikutnya dalam urutan tersebut sering bergantung pada hasil yang berhubungan dengan tahap sebelumnya. Dependensi yang paling signifikan antara fase ditunjukkan dengan tanda panah.



Sebagai contoh, anggaplah bahwa kita berada dalam MODELING PHASE, Tergantung pada perilaku dan karakteristik dari model, terkadang kita mungkin harus kembali ke tahap DATA PREPARATION PHASE untuk perbaikan lebih lanjut sebelum bergerak ke tahap EVALUATION PHASE. Sifat iteratif dari CRISP dilambangkan dengan lingkaran luar.


Seringkali, solusi untuk sebuah bisnis tertentu atau masalah penelitian yang mengarah kepada pertanyaan yang berkaitan lebih dalam, dibalas dengan menggunakan proses umum yang sama dengan yang sebelumnya.


Pelajaran yang diperoleh dari proyek masa lalu harus selalu dibawa sebagai masukan dalam proyek baru.  Permasalahan yang ditemui selama EVALUATION PHASE dapat mengakibatkan seorang analyst kembali ke fase-fase sebelumnya untuk perbaikan.


Supaya mudah dipahami, saya hanya menampilkan proses pengulangan yang paling umum, Berikut ini adalah garis besar dari setiap tahap.


6 Fase CRISP-DM


1. BUSINESS / RESEARCH UNDERSTANDING PHASE.



  • Melafalkan tujuan dari proyek dan kebutuhan yang jelas dalam Bisnis atau unit penelitian secara keseluruhan.

  • Menterjemahkan tujuan-tujuan dan batasan-batasan kedalam formulasi definisi masalah data mining.

  • Menyiapkan strategi awal untuk mencapai tujuan ini.


2. DATA UNDERSTANDING PHASE



  • Kumpulkan data

  • Gunakan analisis data untuk membiasakan diri anda dengan data yang anda olah supaya anda dapat menemukan semacam initial insight.

  • Evaluasi kualitas data anda.

  • Jika di inginkan, pilih subset data yang paling menarik, mungkin saja disini berisi sebuah pola yang dapat ditindaklanjuti.


3. DATA PREPARATION PHASE



  • Siapkan raw data yang akan digunakan untuk seluruh tahap berikutnya. Fase ini cukup membuat sibuk :)

  • Pilih kasus dan variabel yang anda ingin analisa dan yang sesuai untuk analisa anda.

  • Jika diperlukan, Lakukan transformasi pada variabel-variabel tertentu.

  • Bersihkan raw data sehingga siap untuk digunakan pada modeling tools.


4. MODELING PHASE



  • Pilih dan terapkan permodelan yang sesuai

  • Kalibrasi setting pada model untuk hasil yang optimal

  • Sering-sering ingat bahwa ada beberapa teknik yang berbeda, dapat digunakan untuk memecahkan permasalahan data mining yang sama.

  • Jika perlu, ulangi kembali ke tahap PREPARATION PHASE untuk membentuk data ke jalur yang sesuai dengan kebutuhan teknik data mining tertentu.


5. EVALUATION PHASE



  • Evaluasi satu atau lebih model demi kualitas dan kefektifannya sebelum digunakan di lapangan

  • Menentukan apakah model dalam kenyataannya mencapai tujuan yang diterapkan pada fase awal (BUSINESS / RESEARCH UNDERSTANDING PHASE)

  • Menentukan apakah beberapa aspek penting dari permasalahan bisnis atau riset telah diperhitungkan secara memadai.

  • Buatlah sebuah keputusan mengenai penggunaan hasil data mining.


6. DEPLOYMENT PHASE



  • Gunakan model yang telah dibuat: penciptaan sebuah model bukan berarti proyek telah selesai

  • Contoh deployment sederhana: menghasilkan report

  • Contoh deployment yang kompleks: menerapkan proses data mining paralel pada departemen yang lain.


Anda dapat lebih banyak mendapatkan informasi tentang CRISP-DM di url sebagai berikut: www.crisp-dm.org


Bagaimana Contoh Penerapannya pada kasus sebuah bisnis? Postingan blog berikutnya akan membahas contoh kasus pada DaimlerChrysler




Comments

Popular posts from this blog

Ahli / Tukang Urut di Bandung

Bagi yang pernah kecelakaan, keseleo, tulang keluar dari persendian, patah tulang, dan masalah-masalah lain dengan tulang dan otot, ahli urut atau tukang urut adalah seseorang yang kita andalkan untuk pengobatan alternatif diluar kedokteran. Persepsi masyarakat mengenai lembaga rumah sakit dan kedokteran masih terdapat kebimbangan walau sudah lebih lebih baik dibanding 10 tahun lalu. Masih ada pemikiran dokter + rumah sakit lebih mementingkan test-test yang berlebihan untuk pasien. Disinilah celah yang diisi oleh ahli urut. Ahli urut berperan sebagai seorang dokter dan ahli terapi. Perlu diperhatikan, menurut saya, sebaiknya tetap ke dokter dulu, x-ray kalau memang diperlukan. Apabila tulang retak atau patah, sebaiknya kunjungan ke ahli urut ditunda dulu. Berikut daftar Ahli urut yang berhasil dihimpun berkat teman2 di facebook...

ExoticAzza : Lola

Find out the differences between NonaManis.com, MoreNonaManis.com, ExoticAzza.com and IndoAmateurs.com - read our FAQ or go to  NonaManis.com . Your email program/account might have a spam filter which mistakenly marks our emails as spam. Please make sure to add admin@exoticazza.com, admin@indoamateurs.com and admin@morenonamanis.com to your safe senders list. WARNING: ADULT MATERIALS FOR CONSENTING ADULTS OVER 21 YEARS OF AGE

More Nona Manis : Fina

Find out the differences between NonaManis.com, MoreNonaManis.com, ExoticAzza.com and IndoAmateurs.com - read our FAQ or go to  NonaManis.com . Your email program/account might have a spam filter which mistakenly marks our emails as spam. Please make sure to add admin@exoticazza.com, admin@indoamateurs.com and admin@morenonamanis.com to your safe senders list. WARNING: ADULT MATERIALS FOR CONSENTING ADULTS OVER 21 YEARS OF AGE