TUGAS 1 MATA KULIAH SPATIAL DATA MINING
Disusun oleh : Karunia Pasya Kusumawardani NIM 16/395668/GE/08297 Dosen pengampu : Hartono, Prof. Dr., DEA., DESS.
PROGRAM STUDI KARTOGRAFI DAN PENGINDERAAN JAUH DEPARTEMEN SAINS INFORMASI GEOGRAFI FAKULTAS GEOGRAFI UNIVERSITAS GADJAH MADA 2019
1. Pengertian data mining Menurut Ng dan Han (1994), data mining secara umum merupakan pencarian pola yang tersembunyi dari database yang besar. Spatial data mining secara khusus adalah penemuan hubungan dan karakteristik yang ada secara implisit pada database spasial. Jumlah data spasial biasanya cukup besar hingga tera byte yang bersumber dari citra satelit, peralatan medis, video kamera dan lain-lain yang mahal dan tidak realistis bagi pengguna untuk meninjau data spasial secara detail sehingga spatial data mining bertujuan untuk mengautomatisasi proses penemuan atau pencarian data-data tersebut. Spatial data mining memainkan peran dalam : a. mengekstraksi pola dan fitur spasial yang menarik b. mendapatkan hubungan intrinsik antara data spasial dan non-spasial c. menyajikan keteraturan data secara singkat dan pada tingkat konseptual yang lebih tinggi d. membantu menata ulang basis data spasial untuk mengakomodasi semantik data, serta untuk mencapai kinerja yang lebih baik. Menurut Koperski, Adhikary, dan Han (1996), spatial data mining yaitu menambang pengetahuan dari jumlah data spasial yang besar. Sejumlah besar data spasial telah dikumpulkan di berbagai bidang dan aplikasi, mulai dari penginderaan jauh, hingga sistem informasi geografis (SIG), kartografi digital, penilaian dan perencanaan lingkungan, dll. Data yang dikumpulkan jauh melebihi kemampuan manusia untuk menganalisis. Studi terbaru tentang data mining telah memperluas ruang lingkup data mining dari database relasional dan transaksional ke database spasial. Berdasarkan dua pengertian di atas maka spatial data mining merupakan penambangan data spasial dari sumber data spasial yang besar termasuk BIG data melalui metode tertentu sehingga dapat menghasilkan informasi baru. Spatial data mining juga dapat diartikan sebagai penambanagan sejumlah besar data dengan cara menemukan pola dari data sehingga informasi implisit dapat ditemukan. Tidak hanya menemukan pola namun spatial data mining juga dapat mengekstraksi hubungan antar data sekaligus menata data menjadi lebih teratur. Spatial data mining menjadi salah satu metode yang dapat digunakan pada era saat ini untuk tujuan analisis mengingat jumlah data spasial semakin bertambah mulai dari foto udara, citra satelit, maupun data spasial vektor. 2. Pentingnya pengembangan sumber daya manusia terkait data mining Sumber data geografi hingga saat ini berkembang pesat menjadi BIG data sehingga spatial data mining dapat diterapkan dalam ilmu dan teknologi informasi geografi. Ilmu dan teknologi tersebut saat ini berbasis digital yang melibatkan data, software, hardware maupun brainware. Dalam hal tersebut manusia sebagai brainware yang memiliki peranan sangat penting dalam melakukan perlakuan data termasuk memproses dan menganalisis data. Melalui spatial data mining, analisis dan kajian geografi dapat dilakukan dengan lebih efektif karena spatial data mining mampu menghasilkan
informasi yang semula implisit menjadi eksplisit. Informasi eksplisit tersebut selanjutnya dapat dipetakan, diukur, dimodelkan, dimonitor hingga dimanajemen (mapping, measuring, modeling, monitoring, and management). Berdasarkan hal tersebut maka pengembangan sumber daya manusia mejadi penting. Sumber daya manusia memiliki peranan penting terutama dalam pengambilan keputusan yang berkaitan dengan ilmu dan teknologi informasi geografi. Hasil yang diharapkan dalam pengembangan sumber daya manusia yang professional adalah informasi yang dihasilkan melalui spatial data mining menjadi akurat, relevan, aktual dan cepat didapat sehingga memberikan manfaat berkelanjutan.
Referensi Ng, T, Raymond dan Han, Jiawei. 1994. Efficient and Effective Clustering Methods for Spatial Data Mining on Proceedings of VLDB. Koperski, Krzysztof., Adhikary, Junas., dan Han, Jiawei. 1996. Spatial Data Mining: Progress and Challenges Survey paper on Research Issues on Data Mining. Canada : Simon Fraser University.