Dalam data mining, atribut data atau variabel adalah elemen penting yang digunakan untuk menganalisis dan memahami pola dalam data. Atribut dapat diartikan sebagai karakteristik atau fitur yang diukur atau diamati pada objek dalam data. Atribut dalam data mining dapat dibedakan menjadi beberapa jenis, yaitu:

1. Atribut kategorikal
Atribut kategorikal adalah atribut yang memuat kategori atau label diskrit, seperti jenis kelamin, status pernikahan, atau warna. Atribut kategorikal dapat dibagi menjadi dua jenis, yaitu nominal dan ordinal. Atribut nominal tidak memiliki urutan atau tingkatan, sedangkan atribut ordinal memiliki urutan atau tingkatan tertentu.

2. Atribut numerik
Atribut numerik adalah atribut yang memuat nilai angka atau kontinu, seperti usia, tinggi badan, atau harga. Atribut numerik dapat dibagi menjadi dua jenis, yaitu diskrit dan kontinu. Atribut diskrit memiliki nilai yang terbatas, sedangkan atribut kontinu memiliki nilai yang tak terhingga.

3. Atribut biner
Atribut biner adalah atribut yang hanya memiliki dua nilai, seperti ya/tidak, benar/salah, atau hadir/tidak hadir. Atribut biner juga dikenal sebagai atribut boolean.

4. Atribut spasial
Atribut spasial adalah atribut yang berkaitan dengan lokasi geografis, seperti koordinat GPS atau alamat. Atribut spasial sering digunakan dalam analisis geografis atau geospasial.

5. Atribut waktu
Atribut waktu adalah atribut yang berkaitan dengan waktu atau tanggal, seperti waktu transaksi, tanggal lahir, atau periode penjualan. Atribut waktu sering digunakan dalam analisis tren dan prediksi.

6. Atribut teks
Atribut teks adalah atribut yang berisi teks atau kalimat, seperti catatan medis, email, atau ulasan pelanggan. Atribut teks sering digunakan dalam analisis sentimen atau pengenalan pola teks.

7. Atribut afektif
Atribut afektif adalah atribut yang berkaitan dengan emosi atau perasaan, seperti kepuasan pelanggan, kepercayaan, atau loyalitas. Atribut afektif sering digunakan dalam analisis kepuasan pelanggan atau perilaku konsumen.

Dalam data mining, pemilihan atribut yang tepat sangat penting karena dapat mempengaruhi kualitas analisis dan hasil yang diperoleh. Oleh karena itu, pemilihan atribut harus dilakukan secara hati-hati dan berdasarkan tujuan analisis yang ingin dicapai.