<![CDATA[Perkembangan pesat dalam ranah teknologi informasi telah meningkatkan kebutuhan akan metode data mining untuk menganalisis dan mengolah data dalam jumlah besar. Berbagai metodologi telah dikembangkan untuk mendukung proses ini, di antaranya Knowledge Discovery in Databases (KDD), Cross-Industry Standard Process for Data Mining (CRISP-DM), dan Sample, Explore, Modify, Model, and Assess (SEMMA). Penelitian ini bertujuan untuk mengevaluasi popularitas dan efektivitas masing-masing metodologi melalui pendekatan Systematic Literature Review berbasis PRISMA. Sebanyak 52 artikel dari tahun 2021 hingga 2025 dianalisis guna mengidentifikasi tren penggunaan metodologi dalam berbagai bidang, termasuk kesehatan, bisnis, teknologi, dan pendidikan. Hasil studi menunjukkan bahwa CRISP-DM adalah metodologi yang paling sering diterapkan karena fleksibilitasnya dalam berbagai sektor. Sementara itu, KDD dan SEMMA lebih banyak digunakan dalam konteks yang lebih spesifik. Studi ini menyoroti pentingnya pemilihan metodologi yang sesuai untuk memastikan efektivitas ekstraksi informasi dari data. Temuan penelitian ini diharapkan dapat menjadi referensi bagi akademisi, praktisi, dan peneliti dalam menentukan metodologi yang paling relevan berdasarkan karakteristik data dan tujuan analisis.]]>
Copyrights © 2025
