CAPAIAN PEMBELAJARAN

Capaian Pembelajaran Program Studi

  1. Menunjukkan sikap bertanggungjawab atas pekerjaan di bidang keahliannya secara mandiri.
  2. Memahami konsep dasar dan teori sistem cerdas berikut konsep dan turunan algoritmanya.
  3. Mahasiswa mampu menentukan pendekatan sistem cerdas yang sesuai dengan problem yang dihadapi, memilih representasi pengetahuan dan mekanisme penalarannya.
  4. Mahasiswa mampu menerapkan pendekatan berbagai sistem cerdas yang sesuai dengan problem yang dihadapi.
  5. Mahasiswa mampu menerapkan penggunaan representasi pengetahuan dan mekanisme penalarannya.
  6. Evaluasi kinerja dari penerapan sistem cerdas yang sesuai dengan problem yang dihadapi, termasuk dalam pemilihan representasi pengetahuan dan mekanisme.

 

Capaian Pembelajaran Mata Kuliah (CPMK)

Mahasiswa dapat memvisualisasi data, memilih dan menerapkan teknik data mining hingga mempresentasikan penerapannya pada sebuah studi kasus.

 

 

Sub-CPMK

  1. Mahasiswa memahami konsep dasar dan tujuan data mining.
  2. Mahasiswa dapat memahami konsep dasar data, pemrosesan awal, dan teknik pengukuran data.
  3. Mahasiswa memahami teknik –teknik dalam eksplorasi dan visualisasi data.
  4. Mahasiswa memahami konsep dasar dan implementasi klasifikasi Data.
  5. Mahasiswa memahami konsep dasar dan implementasi klustering Data.
  6. Mahasiswa memahami trend data mining dan implementasinya.
BAHAN KAJIAN

Pengenalan Data Mining

  • Definisi data mining
  • Latar belakang data mining
  • Proses data mining
  • Konsep klasifikasi
  • Konsep cluster

Data

  • Jenis data
  • Kategori data
  • Teknik pengolahan data

Eksplorasi data

  • Preprocessing data
  • Visualisasi data

Klasifikasi berbasis Decision Tree

  • Konsep Decision Tree
  • Implementasi Decision Tree

Klasifikasi berbasis Artificial Neural Networks (ANN)

  • Konsep ANN
  • Implementasi ANN

Klasifikasi berbasis Support Vector Machine (SVM)

  • Konsep SVM
  • Implementasi SVM

Klasifikasi berbasis Nearest Neighbor

  • Konsep Nearest Neighbor
  • Implementasi Nearest Neigbor

Analisis cluster

  • Konsep Clusteing
  • ALgoritma dalam clustering

Cluster berbasis Partisi

  • K-Means
  • K-Modes

Cluster berbasis Hierarki

  • Konsep cluster berbasis hierarki
  • Aglomerative Hierarchical Clustering (AHC)

Validasi Cluster

  • Konsep Validasi Internal
  • Validasi EKsternal

Tren Data Mining

  • Spasial & Multimedia data
  • Text mining
  • Web mining

 

DESKRIPSI MATA KULIAH

Pada mata kuliah ini, mahasiswa akan mempelajari tentang pengenalan data, teknik-teknik mengolah data, dan eksplorasi data sehingga diperoleh pola-pola tertentu yang kemudian menjadi informasi yang berarti. Fokus bahasan adalah tentang pengenalan data mining, proses data mining, evaluasi dan validasi pada data mining, metode dan algoritma, serta contoh-contoh penerapannya di berbagai bidang.