LMS-SPADA INDONESIA
Home
More
Login/Register
LMS-SPADA INDONESIA
Login
×
Login to your account
Remember username
Lost password?
Log in
Global searching is not enabled.
Penambangan Data
Home
Courses
ILMU TEKNIK
TEKNIK ELEKTRO DAN INFORMATIKA
Ilmu Komputer
KP368-DK-S101231-050023
#8. Ujian Tengah Semester (15 November 2023)
8.2 Ujian Tengah Semester (UTS) Bagian 2
Skip to main content
Assignment
8.2 Ujian Tengah Semester (UTS) Bagian 2
Completion requirements
View
Make a submission
Opened:
Tuesday, 21 November 2023, 1:30 PM
Due:
Thursday, 23 November 2023, 11:00 PM
Ketentuan Tugas UTS Bagian 2:
Tugas dikerjakan individu.
Batas pengumpulan tugas = hari
Kamis, 24 November 2022 jam 23.00 WIB
Dilarang keras melakukan tindakan kecurangan dalam bentuk apapun.
SOAL UTS BAGIAN 2-Penambangan Data - Gasal 2022-2023.pdf
21 November 2022, 10:35 PM
◄ 8.1 Ujian Tengah Semester (UTS) Bagian 1
Jump to...
Jump to...
Join Grup WA Kelas Penambangan Data DK
Pre-Test Matakuliah
Materi Penambangan Data dari Pak Romi Satria Wahono
Dataset Praktek Penambangan Data
1.1 Materi PPT: Pengantar Penambangan Data (Update: 3 Oktober 2022)
1.2 Video: Penjelasan Materi Apa itu Penambangan Data (Youtube)
1.3 ViCon - Diskusi dan Pendalaman Materi via Zoom
1.5 Quiz Pertemuan 1 (Pengantar Penambangan Data)
1.6 Umpan Balik Kuliah Pertemuan 1
1.6 Umpan Balik Kuliah Pertemuan 1
2.1 Video Pengantar Materi Proses Penambangan Data
2.2 Materi Pertemuan 2 (Proses Penambangan Data)
2.3.a Video Penjelasan Materi Pertemuan 2 (Proses Penambangan Data)
2.3.b Video Penjelasan Materi Pertemuan 2 (Proses, Jenis Dan Teknologi Penambangan Data)
2.4 Video Instalasi Rapidminer dan WEKA
2.5 ViCon - Diskusi dan Pembahasan Materi Kuliah via Zoom
2.7 Quiz Pertemuan 2 (Proses Penambangan Data)
2.8 Umpan Balik Kuliah Pertemuan 2
2.7 Umpan Balik Kuliah Pertemuan 2
3.1 Materi dan Latihan DM dengan Rapidminer
3.2 Video Penjelasan Materi DM dengan Rapidminer
3.3 Video Tutorial 1: Prediksi Performance CPU dengan Linear Regression
3.4 Video Tutorial 2: Implementasi Metode Decision Tree dengan Rapidminer
3.6 Umpan Balik Kuliah Pertemuan 3
3.7 Tugas 1: Implementasi Proses DM dengan Rapidminer
3.8 Umpan Balik Kuliah Pertemuan 3
4.1 Materi PPT: Pemahaman Data (Data Understanding)
4.2 Video: Penjelasan Materi Pemahaman Data / Data Understanding
4.3 Video Tutorial Rapidminer (Prediksi Performance CPU)
4.6 Umpan Balik Kuliah Pertemuan 4
4.8 Umpan Balik Kuliah Pertemuan 4
5.1 Tahap Persiapan Data (Data Preparation) proses cleansing data
5.2 Materi PPT: Data Pre-Processing (Materi Terbaru)
5.3 Video Penjelasan Materi Data Preprocessing - bagian 1
5.4 Video Penjelasan Materi "Data Preprocessing" bagian 2
5.5 Video: Praktik Pembersihan Data dengan Rapidminer
5.9 Umpan Balik Kuliah Pertemuan 5
5.11 Umpan Balik Kuliah Pertemuan 5
6.1 Materi PPT: Pemodelan dengan Decision Tree
6.2 Video Penjelasan Materi Pertemuan 6 (Decision Tree) - Youtube
6.3 Video Penjelasan Materi Pertemuan 6 (Decision Tree) - Tambahan
6.4 Video: Penambangan Data Metode Decision Tree dengan Rapidminer
6.5 Vicon - Diskusi dan Pendalaman Materi Kuliah via Google Meet
6.7 Tugas/Latihan Pertemuan 6 (Decision Tree)
6.8 Umpan Balik Kuliah Pertemuan 6
6.9 Video Rekaman Kuliah Pertemuan 6
6.10 Umpan Balik Kuliah Pertemuan 6
7.1 Materi PPT: Klasifikasi dengan Metode Naive Bayes
7.1.a Klasifikasi : Naive Bayes (Youtube)
7.2.b Video Penjelasan Materi Naive Bayes (Youtube)
7.3 Video Pengayaan: Naive Bayes dengan Python + Google Colabs
7.5 Tugas Pertemuan 7 (Naive Bayes)
7.7 Umpan Balik Kuliah Pertemuan 7
7.6 Umpan Balik Kuliah Pertemuan 7
8.1 Ujian Tengah Semester (UTS) Bagian 1
9.1 Materi PPT: Algoritma Supervised Learning: K-NN (v2021)
9.2 Video Penjelasan: Algoritma Klasifikasi dengan K-NN
9.3 ViCon - Pendalaman Materi dan Diskusi via Google Meet
9.5 Umpan Balik Kuliah Pertemuan 9
9.6 Quiz Perbaikan UTS Bagian 1
9.7 Rekaman Kuliah Pertemuan 9
9.8 Umpan Balik Kuliah Pertemuan 9
11.1 Materi PPT: Unsupervised Learning: K-Means Clustering
11.2 Video: Penjelasan Materi K-Means Clustering
11.3 Video: Implementasi K-Means Clustering dengan Rapidminer
11.7 Umpan Balik Kuliah Pertemuan 11
11.7 Umpan Balik Kuliah Pertemuan 11
9.1 Materi PPT: Algoritma Supervised Learning: K-NN (v2021) ►
LMS-SPADA INDONESIA
Copyright © 2025 Spada Indonesia. All Rights Reserved.