Pertumbuhan data yang tersimpan dalam suatu database yang besar, telah jauh melebihi kemampuan manusia untuk bisa memahami sehingga diperlukan alat dan metode tepat yang mampu mentransformasikan sejumlah besar data dalam informasi yang berguna yang menopang keakuratan informasi itu sendiri. Data mining adalah salah satu metode yang digunakan untuk menganalisis data karena banyak memberikan ide yang menghasilkan hal-hal yang berbeda dari sebelumnya.

Neural network merupakan tool yang cukup penting untuk aplikasi-aplikasi data mining. “Kohonen Maps” atau “Self-Organizing Maps (SOMs)” adalah model unsupervised yang paling populer. SOMs adalah model neural network yang penting untuk mengurangi dimensi dan mengelompokkan data yang bisa membantu para peneliti mentransformasikan dan memvisualisasikan kemiripan antara pola-pola dalam klaster-klaster.

Buku ini memberikan contoh menggunakan beberapa studi kasus, bagaimana mengelompokkan data yang kompleks, multidimensi, mentransformasikan dan memvisualisasikan kemiripan antara pola-pola dalam klaster-klaster menggunakan Self-Organizing Maps (SOMs). Pembahasan dimulai dari preprocessing data, cara instalasi, dan menjalankan SOM (SOM Toolbox Requirements).