SAP Data Mining
SAP Data Mining
SKS/Semester : 3 SKS / IV
Standar Kompetensi : Mampu memahami dan menguasai konsep dasar data mining, fungsi-fungsi
data mining, teknik data mining, algoritma data mining, dan aplikasi data
mining
Deskripsi Singkat : Mata kuliah ini meliputi sajian pengenalan data mining dan
mengimplementasikannya ke dalam suatu kasus menggunakan aplikasi
data mining
Kualifikasi Dosen : S1 Sistem Informasi (2007) dan S2 Teknik Informatika (dalam studi)
2 PROSES KNOWLEDGE DISCOVERY 1. Definisi KDD Menjelaskan dan Papan tulis dan - Penugasan 1, 2, 3
in DATABASES (KDD) 2. Data preprocessing, Data Warehouse, Indexing, diskusi Proyektor terstruktur
searching, OLAP, reduksi - Tugas mandiri
TIU: 3. Langkah – langkah dalam proses KDD tidak terstruktur
Mahasiswa dapat mengetahui
dan memahami proses KDD TIK:
1. Mahasiswa dapat menyebut definisi KDD
2. Mahasiswa dapat menerangkan konsep data
preprocessing, data warehouse, indexing, searching,
OLAP, dan reduksi
3. Mahasiswa dapat menerangkan konsep langkah langkah
dalam proses KDD
3 ARSITEKTUR DAN MODEL DATA 1. Komponen dari sistem data mining Menjelaskan dan Papan tulis dan - Penugasan 1, 2, 3
MINING 2. Model data mining diskusi Proyektor terstruktur
a. Predictive: classification, Regression, Time series - Tugas mandiri
TIU: analysis, prediction tidak terstruktur
Mahasiswa dapat mengetahui b. Descriptive: clustering, summarization, association
dan memahami arsitektur dan rule, sequence discovery
model data mining
TIK:
1. Mahasiswa dapat menyebutkan dan menerangkan
komponen dari sistem data mining
2. Mahasiswa dapat menyebutkan dan menerangkan
model-model data mining
4&5 FUNGSI – FUNGSI DATA MINING Pengertian dan contoh algoritma association yaitu algoritma Menjelaskan dan Papan tulis dan - Penugasan 1, 2
apriori diskusi Proyektor terstruktur
TIU: - Tugas mandiri
Mahasiswa dapat mengetahui TIK: tidak terstruktur
dan memahami fungsi-fungsi dari Mahasiswa dapat menyebut dan menerangkan pengertian
data mining dan contoh dari classification
6&7 FUNGSI – FUNGSI DATA MINING Pengertian dan contoh algoritma clustering yaitu algoritma Menjelaskan dan Papan tulis dan - Penugasan 1, 2
K-means diskusi Proyektor terstruktur
TIU: - Tugas mandiri
Mahasiswa dapat mengetahui TIK: tidak terstruktur
dan memahami fungsi-fungsi dari Mahasiswa dapat menyebut dan menerangkan pengertian
data mining dan contoh dari algoritma K-means
8 QUIZ
9 UTS (UJIAN TENGAH SEMESTER)
10 & 11 FUNGSI – FUNGSI DATA MINING Pengertian dan contoh algoritma klasifikasi yaitu algoritma Menjelaskan dan Papan tulis dan - Penugasan 1, 2
C4.5 diskusi Proyektor terstruktur
TIU: - Tugas mandiri
Mahasiswa dapat mengetahui TIK: tidak terstruktur
dan memahami fungsi-fungsi dari Mahasiswa dapat menyebut dan menerangkan pengertian
data mining dan contoh dari algoritma C4.5
12 TEKNIK - TEKNIK DATA MINING 1. Analisis Cluster Menjelaskan dan Papan tulis dan - Penugasan 1, 2
2. Induksi (pohon keputusan) dan aturan induksi diskusi Proyektor terstruktur
TIU: 3. Association Rules - Tugas mandiri
Mahasiswa dapat mengetahui 4. Jaringan Syaraf Tiruan (Artificial Neural Network) tidak terstruktur
dan memahami teknik-teknik dari 5. Genetic Algorithms
data mining 6. Fuzzy Sets dan Fuzzy Logic
7. Online Analytical Processing (OLAP)
8. Visualisasi Data
TIK:
Mahasiswa dapat menyebutkan, menerangkan dan
memberikan contoh dari analisis cluster, induksi, aturan
aosiasi, algoritma genetik, jaringan syaraf tiruan, logika fuzzy,
OLAP, dan visualisasi data.
13 & 14 APLIKASI DAN TREN DALAM 1. Tools, piranti lunak dan aplikasi yang digunakan dalam Menjelaskan dan Papan tulis dan - Penugasan 1, 2, 3
DATA MINING data mining, seperti Waikato Environment for Knowledge diskusi Proyektor terstruktur
Analysis (WEKA) - Tugas mandiri
TIU: 2. Tren data mining: image mining, web mining dan lain- tidak terstruktur
Mahasiswa dapat mengetahui lain
dan memahami aplikasi dan tren
data mining TIK:
1. Mahasiswa dapat menyebutkan dan menerangkan tools,
piranti lunak dan aplikasi yang digunakan dalam data
mining.
2. Mahasiswa dapat menerangkan tren data mining saat ini
yaitu image mining dan web mining.
15 & 16 STUDI KASUS Penerapan data mining dalam dunia bisnis atau industri Menjelaskan dan Papan tulis dan - Penugasan 1, 2, 3
diskusi Proyektor terstruktur
TIU : TIK: - Tugas mandiri
Mahasiswa dapat mengetahui Mahasiswa dapat memecahkan kasus data mining yang ada tidak terstruktur
kasus-kasus data mining yang pada dunia bisnis atau industri.
sering terjadi
17 QUIZ
18 UAS (UJIAN AKHIR SEMESTER)
Daftar Pustaka :
1. Dunham, Margaret H. “DATA MINING Introductory and Advanced Topics”. Prenctice Hall. USA. 2002.
2. Kantardzic, Mehmed. “DATA MINING Concepts, Models, Methods, and Algorithms”. IEEE Press. USA. 2003.
3. Feri Sulianta dan Dominikus Juju. “Data Mining : Meramalkan Bisnis Perusahaan”. Penerbit ELEX MEDIA. Jakarta. 2010.