Topic outline

  • PENDAHULUAN


    welcome

    Modul ini membahas materi kuliah tentang data mining. Adapun beberapa materi yang disampaikan terkait latar belakang, konsep dasar dan pengertian data mining, 5 teknik impelemntasi dan penerapan data mining, metodologi data mining, penggunaan tools dan aplikasi (python), pendekatan penyelesaian masalah berdasarkan data mining dimulai dari tahapan business undestanding, data understanding, dan visualisasi. Pada setiap teknik data mining akan dibahas secara detail terkait algoritma-algoritma yang diterapkan pada kasus regresi (estimasi & prediksi), klasifikasi, klasterisasi, dan asosiasi.

    Untuk informarmasi lainnya yang lebih lengkap, dapat melihat pada file Rencana Pembelajaran Semester (RPS) berikut.


    • LATAR BELAKANG, DEFINISI, IMPLEMENTASI

      Pada topik kali ini, akan dibahas mengenai latar belakang dan pengantar tentang data mining.

      Pemahaman terhadap beberapa materi dasar seperti definisi, jenis-jenis implementasi, serta beberapa contoh penerapan dalam dunia nyata.

      Sumber Gambar : https://media3.giphy.com/

    • METODOLOGI

      Pada topik kali ini, akan dibahas mengenai metodologi data mining

      Terdapat beberapa materi yang menjelaskan mengenai jenis-jenis metodologi, mekanisme penentuan, dan tahapan pada setiap metodologi tersebut. Mahasiswa diharapkan mampu memahami dan menentukan jenis-jenis metodologi tersebut.

      Sumber Gambar : https://i.giphy.com/

    • TOOLS & APLIKASI

      Pada topik kali ini, akan dibahas mengenai tools dan beberapa aplikasi penunjang data mining. Adapun tools utama yang digunakan pada modul ini adalah jupyter notebook dengan basis bahasa pemograman Python 3.

      Untuk dapat menggunakan tools tersebut, maka setiap device harus meng-install python. Untuk dapat memudahkan dalam proses instalasi dapat menggunakan anaconda. Beberapa library yang nanti digunakan untuk mensupoort proses data mining adalah pandas, numpy, nltk, sklearn, dll

      Sumber Gambar : https://i.giphy.com/

    • Business Understanding

      Adapun capaian pembelajaran pada pertemuan kali ini yaitu :

      • Mahasiswa mampu memahami tahapan-tahapan pada proses business understanding
      • Mahasiswa mampu menganalisa studi kasus penerapan business understanding

      Sumber Gambar : https://pinimg.com/

    • Data Understanding

      Adapun capaian pembelajaran pada pertemuan kali ini yaitu :

      • Mahasiswa mampu memahami tahapan-tahapan pada proses data understanding
      • Mahasiswa mampu menganalisa studi kasus penerapan data understanding

      Sumber Gambar : https://pinimg.com/

    • Visualisasi Data

      Adapun capaian pembelajaran pada pertemuan kali ini yaitu :

      • Mahasiswa dapat memahami bentuk-bentuk visualisasi
      • Mahasiswa mampu mempraktekan bentuk visualisai pada aplikasi

      Sumber Gambar : https://dribbble.com/

    • UJIAN TENGAH SEMESTER (UTS)

    • DATA PREPARATION

      Adapun beberapa capain pembelajaran yang ingin dicapai pada materi kali ini yaitu :
      • Mahasiswa dapat memahami tentang tahapan dan jenis proses persiapan data
      • Mahasiswa dapat memahami beberapa algoritma pada persiapan data

    • FEATURE EXTRACTION

      Adapun capaian pembelajaran pada materi ini yaitu :
      • Mahasiswa dapat memahami konsep dan jenis-jenis feature extraction
      • Mahasiswa dapat melakukan langkah-langkah ekstraski fitur

    • METODE KLASIFIKASI

      Adapun capaian pembelajaran dalam pertemuan kali ini yaitu:
      • Mahasiswa mampu memahami proses klasifikasi dalam data mining
      • Mahasiswa dapat mengetahui jenis-jenis algoritam klasifikasi

    • METODE KLASTERISASI

      Adapun capain pembelajaran pada pertemuan kali ini :
      • Mahasiswa mampu memahami proses klasterisasi dalam data mining
      • Mahasiswa dapat mengetahui jenis-jenis algoritam klasterisasi
    • METODE REGRESI

      Adapun capaian pembelajaran pada pertemuan kali ini yaitu:

      • Mahasiswa mampu memahami proses regresi dalam data mining
      • Mahasiswa dapat mengetahui jenis-jenis algoritam regresi

    • METODE ASOSIASI

      Adapun capaian pembelajaran pada pertemuan kali ini yaitu:
      • Mahasiswa mampu memahami proses asosiasi dalam data mining
      • Mahasiswa dapat mengetahui jenis-jenis algoritam asosiasi
    • EVALUASI

      Adapun capaian pembelajaran pada pertemuan kali ini yaitu :

      Mahasiswa mampu memahami tentang metode evaluasi dan memahami tentang beberapa indikator kinerja evaluasi seperi akurasi, presisi, recall, dan f1-score.

    • UJIAN AKHIR SEMESTER (UAS)