Kontrak Kuliah

KONTRAK PERKULIAHAN
Matakuliah: DATA MINING
1. Tujuan Pembelajaran:
a. Memahami konsep dasar, manfaat, proses dasar dan metoda dalam Data
Mining serta hubungannya dengan Data Warehousing
b. Memahami konsep dan langkah-langkah penyiapan data
c. Memahami konsep dan proses reduksi data
d. Memahami konsep pengelompokan data dengan metoda Clustering
e. Memahami konsep prediksi dengan menggunakan menggunakan metoda
klasifikasi
f. Memahami konsep Association Rules
g. Melakukan penerapan dasar DM dalam persoalan nyata yang sederhana
2. Outcome Pembelajaran:
Setelah menyelesaikan kuliah ini mahasiswa diharapkan dapat:
 Mendeskripsikan konsep dasar, manfaat, proses dasar dan metoda dalam
Data Mining
 Mendeskripsikan langkah-langkah penyiapan data
 Mendeskripsikan proses reduksi data
 Mendeskripsikan dan mendemonstrasikan konsep pengelompokan data
dengan menggunakan metoda Clustering
 Mendeskripsikan dan mendemonstrasikan konsep prediksi dengan
menggunakan metoda klasifikasi
 Mendeskripsikan konsep dan mendemonstrasikan Association Rules
 Mendemonstrasikan penerapan dasar DM dalam persoalan nyata yang
sederhana
3. Organisasi Materi
Pertemuan
Materi
Ke1
Pendahuluan
2
Data Warehouse, Data Mart,
OLAP
3
Penyiapan Data
4
Reduksi Data
5
Clustering: Hirarki
6
Clustering: Partial
7
Presentasi/ Demo/ Quiz
8
UTS
9
Klasifikasi: KNN
10
Klasifikasi: Naïve Bayes
11
Klasifikasi: Decision Tree
(C45)
13
Presentasi/ Demo/ Quiz
14
Association Rule: Apriori
15
Sequential Pattern
16
Presentasi/ Demo
Keterangan
Tugas
Tugas
Individu
Kelompok
Tugas
Individu
Tugas
Kelompok
Pustaka:
 Han, J. and Kamber, M., Data Mining: Concepts and Techniques, 2nd
Edition,Morgan Kaufmann, 2006.
 Kantardzic, Mehmed; Data Mining: Concepts, Models, Methods, and
Algorithms, John Wiley & Sons, 2003.
 P. Tan, M. Steinbach and V. Kumar, Introduction to Data Mining, Addison
Wesley, 2006.
 Budi Santoso, Data Mining: Teknik Pemanfaatan Data untuk Keperluan Bisnis,
Graha Ilmu Ed. 1, 2007
Penilaian:




UAS: 30%
UTS: 25%
TUGAS: 35%
Quiz : 10%
Aturan:
- Jika ada kesamaan dalam tugas atau terjadi plagiarism, maka nilai
maksimum: 60
- Keterlambatan pengumpulan tugas mengurangi nilai
- Keaktifan dari mahasiswa dapat menambahkan nilai