Mixed Data Type Analysis: A Systematic Literature Review

Abstrak

Penelitian ini bertujuan untuk mengetahui arah penelitian pada analisis tipe data campuran. Dunia saat ini dibanjiri oleh data yang semakin beragam terutama tipe data tidak hanya berupa numerik atau kategorik saja tetapi bisa keduanya (campuran). Dalam Data Mining, analisis data campuran sangat menantang karena data numerik dan data kategorik memiliki sifat yang berbeda. Metodologi penelitian ini menggunakan kerangka PICOC (Population, Intervention, Comparation, Outcome, Context) untuk mengumpulkan dan meneliti literatur terkait. Temuan utama dari survei literatur komprehensif ini mengungkapkan bahwa sebagian besar penelitian terkait data campuran disebarluaskan di jurnal bereputasi Q1 yang artinya topik analisis data campuran masih menarik. Model clustering adalah model yang paling sering digunakan dalam bidang analisis data campuran, meskipun metrik akurasi masih menjadi tolok ukur evaluasi yang berlaku dengan membandingkan dengan data cluster yang seharusnya. Pengelolaan data campuran umumnya menggunakan teknik normalization yaitu dengan melakukan normalisasi ukuran agar dapat menyatukan kedua tipe data. Kesimpulan dari hasil tinjauan literatur yaitu perlunya pengembangan pada data campuran yang tidak berlabel, tidak hanya modelnya tetapi juga metrik untuk mengukur hasilnya. Selain itu, penelitian ini menggarisbawahi pentingnya pengembangan model yang komprehensif mulai dari pemilihan fitur hingga evaluasi model. Untuk itu, penelitian mengenai analisis tipe data campuran masih merupakan bidang yang memiliki banyak ruang untuk eksplorasi dan potensi inovasi. Potensi ini terutama terlihat dalam bidang pengembangan model dinamis dan kemampuan menangani data terstruktur dan ekstensif.