Dokumen ini berisi rencana silabus mata kuliah Data Mining. Mata kuliah ini membahas konsep, metode, dan teknik dasar data mining seperti klasifikasi, klasterisasi, asosiasi, dan prediksi. Tujuan utamanya adalah memastikan mahasiswa memahami sejarah dan dasar ilmu data mining serta mampu mendeskripsikan dan mendemonstrasikan konsep, metode, dan tekniknya. Evaluasi dan penilaian mata kuliah ini terdiri atas tugas,
2. Pre Test
1)Apakah Anda Pernah Mendengar Data
Mining ? Jelaskan !
2)Apakah anda pernah mendenga istilah
Klasifikasi, Klasterisasi dan Asosiasi ?
Jelaskan !
3)Apakah anda pernah mendengar istilah
Database, Big Data, Data Warehouse ?
Jelaskan !
3.
4. Table of Index
1) Profile Mata Kuliah
2) Prakata
3) Tujuan Pembelajaran (Utama)
4) Tujuan Pembelajaran (Pendukung)
5) Rencana Materi Pembelajaran
6) Evaluasi dan Penilaian
7) Peraturan Kelas
8) Buku Pengantar
9) Penutup
5. Profil Maya Kuliah
1)Nama Mata Kuliah : Data Mining
2)Kode Mata Kuliah : TI11B302
3)SKS : 3 Sks
4)Semester : Genap
5)Prasyarat : -
6)Status Mata Kuliah : Wajib
6. Prakata
•Data Mining merupakan mata kuliah yang
terkait dengan penggalian (mining) suatu
data yang terpendam yang belum
menghasilkan suatu pola dan atau
pengetahuan (knowledge) bagi
penggunanya.
•Dalam data mining dibutuhkan konsep,
metode dan teknik untuk prosesnya.
•Rich Data – Poor Information
7. Tujuan Pembelajaran (Utama)
•Mahasiswa di harapkan mampu
memahami sejarah dan dasar dari Ilmu
Data Mining
•Mahasiswa diharapkan mampu
Memahami Konsep, Metode dan Teknik
Dasar data mining.
•Mahasiswa diharapkan mampu
Mendeskripsikan dan men-
demonstrasikan Konsep, Metode dan
Teknik Dasar data mining.
8. Tujuan Pembelajaran (Pendukung)
•Memahami konsep data
(Database, Big Data, Datawarehouse, Data Mining)
•Memahami Konsep Prediksi
•Memahami Konsep Klasifikasi
•Memahami Konsep Klasterisasi
•Memahami Konsep Asosiasi
9. Rencana Materi Pembelajaran
1. Pengantar Data Mining
2. Konsep Data Mining
3. Prediksi
4. Klasifikasi
5. Algoritma Naïve Bayes
6. Klastering
7. Peraturan Asosiasi
10. Evaluasi dan Penilaian
Penilaian Khusus
• Kehadiran
• Keaktifan di Kelas
• Attitude
Penilaian Umum
20% Tugas
20% Quiz
25% UTS
35% UAS/Proyek
Membuat kelompok Data Mining Project (max 4 orang)
11. Peraturan Kelas
✓Kuliah hadir maks. 15 menit setelah kehadiran dosen
✓Gunakan HP/Laptop sesuai instruksi
✓Jujur dan bersungguh-sungguh dalam mengerjakan
tugas dan ujian
✓Menghindari plagiasi dalam membuat tugas atau
mengisi ujian
✓Pelanggaran plagiasi/menjiplak dalam pengerjaan
tugas/quiz akan dikenakan sanksi nilai “0”
12. Buku Pengantar Mata Kuliah
Astuti, F.H, DATA MINING, Penerbit Andi
Yogyakarta, 2009
Susanto, S., Suryadi D, PENGANTAR DATA
MINING (Menggali Pengetahuan dari
Bongkahan), Penerbit Andi Yogyakarta,
2010.