Data Mining, Data Analysis dan Data Science

• Persamaan antara data mining, data analysis dan data science.

Dari ketiganya sama-sama berfungsi untuk mengumpulkan dan mengelola data agar menjadi sebuah informasi yang berguna untuk membantu perusahaan dalam membuat keputusan bisnis agar perusahaan nya menjadi lebih baik. 

• Jelaskan Hubungan antara Machine Learning, Deep Learning dan Artificial Intelligence. 

Artificial Intelligence bisa diibaratkan payung yang lebih luas di mana Machine Learning (ML) dan Deep Learning (DL) berada dalam lingkupnya. Diagram ini menunjukkan, ML adalah bagian dari AI, dan DL adalah bagian dari ML. 

AI “Studi tentang pemodelan fungsi mental manusia oleh program komputer.” — Collins Dictionary

Artificial Intelligence atau Kecerdasan Buatan adalah istilah yang sangat luas yang bertujuan untuk membawa perilaku cerdas ke dalam mesin. Machine Learning dapat dianggap sebagai salah satu filosofi yang mana tujuan utamanya adalah, “bukan mesin pemrograman secara eksplisit, hanya memberi mereka data dan biarkan mereka belajar”.

Machine Learning adalah Sub dari Artificial Intelligence, Machine Learning dapat diartikan sebagai memberdayakan sistem komputer agar dapat "belajar" sendiri.

Tujuannya ML adalah agar memungkinkan mesin belajar sendiri menggunakan data yang disediakan dan membuat prediksi dengan akurat.

Deep Learning adalah pengembangan dari Machine Learning yang lebih canggih. dan termasuk juga bagian sub dari Machine Learning, karena seperti yang sudah disebutkan sebelumnya DL adalah bagian dari ML yang sudah di evolusi menjadi semakin canggih layaknya otak manusia bekerja.

• Berikan Contoh Data yang berhubungan dengan data mining (Asosiasi, Klasifikasi, prediksi, dan Clustering) dan Analysis data yang sudah diambil.

Fungsi selanjutnya ialah fungsi asosiasi. Maksud dari fungsi asosiasi atau analisis asosiasi yaitu penggunaannya untuk menemukan kombinasi atau aturan assosiatif dari suatu data. Jadi data yang ada nantinya diproses sehingga akan menemukan informasi tentang hubungan variabel satu dengan lainnya.

Agar mudah dipahami, contoh permisalannya pada analisis pembelian barang di swalayan. Semisal dari data pembelian diproses dan ternyata memperoleh hasil hubungan antara pembelian mie dan kecap. Jika besar kemungkinan pelanggan membeli mie dan kecap secara bersamaan, maka pihak swalayan bisa memanfaatkan informasi tersebut untuk mengatur penempatan mie dan kecap.

Kecap bisa diletakkan di rak yang tidak jauh dari mie. Bisa juga menggunakan kecap sebagai bonus pemebelian mie atau bisa juga menggunakan cara lain, yang jelas menggambarkan bentuk hubungan mie dan kecap. Hal ini tentu saja menguntungkan.

•  Apa kaitannya antara Data Mining dan Data Science dan berikan masing-masing contohnya.

Data Mining adalah proses memilah-milah sejumlah data yang berkaitan (data set) untuk mengidentifikasi pola dan membangun hubungan untuk memecahkan masalah melalui analisa data.

Data science merupakan salah satu ilmu yang mempelajari bagaimana data tersebut diolah dan melakukan beberapa perubahan pada data untuk bisa mendapatkan informasi dari pengolahan data tersebut.

• Apa yang dimaksud dengan data, big data, smart data, data science, bisnis intellegence, dan data arsitektur.

1. Big data menggambarkan data dalam jumlah yang banyak, baik yang tidak terstruktur dan terstruktur, yang dikumpulkan setiap hari. Big data ini kemudian dapat difilter, dan diubah menjadi smart data yang kemudian dianalisis dan digunakan untuk pengambilan keputusan. Smart data dapat digambarkan sebagai big data yang telah dibersihkan, difilter, dan disiapkan untuk keperluan tertentu.
2. Ada dua jenis Smart Data yang sering digunakan oleh data scientist di industri. Yang pertama adalah data yang diambil oleh sensor, lalu dikirim ke collection point, yang kemudian diolah, sebelum dikirim ke platform Analytics. Data ini bersumber dari smart sensor, terutama dalam sistem Internet Industrial of Things (IIoT). Yang kedua dari smart data adalah big data yang telah diproses dan sedang menunggu untuk diubah menjadi informasi yang dapat ditindaklanjuti. Istilah smart data merujuk kepada big data yang telah disaring dan diolah untuk digunakan sebagai informasi yang berguna.
3. Data science merupakan salah satu ilmu yang mempelajari bagaimana data tersebut diolah dan melakukan beberapa perubahan pada data untuk bisa mendapatkan informasi dari pengolahan data tersebut.
4. Business Intelligence merupakan proses pengumpulan data, penyediaan akses, serta analisa data. Business Intelligence dapat membantu suatu organisasi dalam mendapatkan informasi yang kemudian akan menjadi pengetahuan perusahaan tentang hal-hal yang berhubungan dengan perusahaan yang dapat mempengaruhi kinerja perusahaan sehingga dapat digunakan oleh organisasi dalam membantu pengambilan keputusan. Selain itu Business Intelligence juga dapat digunakan untuk membantu organisasi dalam mengetahui trend yang sedang terjadi sehingga dapat digunakan oleh organisasi dalam penentuan strategi perusahaan agar organisasi siap menghadapi trend pasar yang dinamis. 
5. Arsitektur data terdiri dari model, kebijakan, aturan atau standar yang mengatur data mana yang dikumpulkan, dan bagaimana data itu disimpan, diatur, diintegrasikan, dan digunakan dalam sistem data dan dalam organisasi.
6. Data Warehouse adalah database yang berisi data dari beberapa sistem operasional yang terintegrasi dan terstruktur sehingga dapat digunakan untuk mendukung analisa dan proses pengambilan keputusan dalam bisnis. 

• Data Warehouse didesain untuk kita bisa melakukan query secara cepat. Informasi diturunkan dari data lain, dilakukan rolling up untuk dijadikan ringkasan, dilakukan operasi drilling down untuk mendapatkan informasi lebih detail, atau melihat pola yang menarik atau melihat trend (kecenderungan).