Buku ini menyajikan pembahasan cara kerja algoritma-algoritma dalam Data Mining secara detail pada data kualitatif maupun kuantitatif. Materi yang dibahas pada buku ini meliputi cara prapengolahan data dan dua tugas data mining (data mining task), yaitu deskripsi dan prediksi. Terdapat pula materi tingkat lanjut, yaitu "Metode Ensemble" yang meliputi algoritma Bagging (Bootstrap Aggregating). Boosting, dan Random Forest. Buku ini memuat contoh-contoh bagaimana menerapkan algoritma Data Mining pada data real yang digunakan dalam penelitian sehingga terdapat integrasi antara hasil penelitian dan materi proses belajar mengajar di kelas. Contoh-contoh soal disediakan dalam penghitungan secara manual dan implementasinya menggunakan bahasa pemrograman R untuk memudahkan para pembaca dalam memahami isi buku. Software R bebas lisensi sehingga tidak memerlukan biaya yang mahal untuk menggunakannya. Selain itu. R juga merupakan software statistika yang powerful karena memiliki banyak package yang merupakan hasil kontribusi peneliti-peneliti di seluruh dunia.

Buku ini dibagi menjadi 9 bab. Pada Bab 1 dibahas tentang pengenalan data mining. Pada Bab 2 dikenalkan function dasar pemrograman R dan RStudio yang merupakan Integrated Development Environment (IDE) dari R. Prapengolahan data (data preprocessing) dibahas pada Bab 3. Metode deskripsi yang dibahas pada buku ini adalah aturan asosiasi dan analisis cluster, berturut-turut disajikan pada Bab 4 dan Bab 5. Metode prediksi pada buku ini adalah klasifikasi yang meliputi klasifikasi Bayes (Bab 6). K- Nearest Neighbors (Bab 7). pohon keputusan (Bab 8), dan metode ensemble (Bab 9).