Buku ini merupakan kelanjutan dari buku sebelumnya tentang Soft Computing. Banyaknya pembaca yang berminat membuat sistern berbasis mesin pembelajaran (machine learning) membuat kami membuat buku yang kebanyakan diambil dari kasus-kasus yang telah dibuat oleh rnahasiswa-mahasiswa tingkat sarjana dan pascasarjana. Data Mining mengharuskan tersedianya data yang akan digali dan dicari informasi-informasi tersembunyi yang bermanfaat bagi pengambil keputusan. Namun untuk mempermudah proses belajar, dalam buku ini kami hanya menyediakan data-data sederhana yang sengaja dirancang mirip dengan data-data yang jumlahnya banyak yang diperoleh lewat riser di institusi tertentu. Akan tetapi, walaupun sederhana, prinsipnya dapat diterapkan langsung dengan data rill. Buku ini disusun dalam bentuk tend dasar singkat yang diIanjutkan dengan terapannya untuk kasus tertentu dengan bahasa pemrograman Matlab. Diharapkan pembaca melihat referensi yang kami cantumkan di akhir tulisan jika ingin memperdalam teori dasarnya. Setelah Bab I membahasa tinjauan singkat mengenai konsep Data Mining. kami lanjutkan dengan penerapannya lewat metode-metode tertentu. Setelah Bab II tentang Decision Tree selesai dilanjutkan dengan metode-metode klasifikasi lain yang berbasis Soft Computing seperti Adaptive neuro-Fuzzy Inference System (ANFIS), Jaringan Syaraf Tiruan (JST), Fuzzy C-means Clustering (FCM), dart Support Vector Machine (SVM) Disinggung sedikit untuk klasifikasi dengan k-Nearest Neighbourhood (k-NN) bab yang membahas FCM sebagai perbandingan antara klasifikasi kasar (hard clustering) dengan klasifikasi lunak (soft clustering). Karena fungsi bayes hanya ada pada Matlab versi terbaru (Versi 2012), maka untuk algoritma ini tidak kami masukkan dalam buku ini. Untuk pembaca yang baru mengenal matlab dapat melihat lampiran di akhir bab tentang instalasi Matlab dan teknik penggunaanya untuk matematis dan gratis, terutarna untuk pembualan Graphic User Interface (GUI) serta kompilasinya menjadi program yang dapat dieksekusi langsung (executable).