Kode : (Kosongkan)
Sifat : Pilihan
Sasaran Matakuliah :
Silabus Ringkas :
Pembahasan mata kuliah ini dimulai dengan pengenalan terhadap aktivitas data mining. Pra-persiapan data yang merupakan aktivitas sebelum pengolahan data
dimulai yang meliputi pembersihan data hingga transformasi data agar siap diolah. Mata kuliah ini juga mencakup berbagai model-model pengolahan data mining
seperti Exploratory Data Analysis, Pendekatan Statistik untuk Estimasi dan Prediksi, k-Nearest Neighbor Algorithm, Decision Tress, Neural Networks, Hierarchical
and k-Means Clustering, Kohonen Networks, Association Rules, serta tekni evaluasi terhadap model-model tersebut. Mata kuliah ini dilanjutkan dengan
pemahaman mengenai manajemen pengetahuan yang mencakup pemahaman definisi, siklus KM dan model dari KM, serta teknik penangkapan dan kodifikasinya
untuk kegiatan berbagai pengetahuan.
Mata Kuliah Prasyarat :
Buku acuan :
1. Daniel T. Larose. 2005. Discovering Knowedge in Data: An Introduction to Data Mining. John Wiley & Sons
9 Hierarchical and k-Means - Memahami konsep dari model - Tugas dari Tatap muka, Diskusi, dan Larose Bab 8
Clustering Hierarchical and k-Means Clustering Pengklusteran Latihan
sebagai tools data mining - Hierarchical Clustering
- Mampu melakukan pengolahan data Method
mining dan menyelesaikan suatu - Contoh Hierarchical
permasalahan dengan menggunakan Clustering Method
model Hierarchical and k-Means - Pengaplikasian
Clustering Hierarchical Clustering
- Mampu mengaplikasikan metode Method
Hierarchical and k-Means Clustering
dalam permasalahan real world
dalam melakukan clustering
10 Kohonen Networks - Memahami konsep dari model - Pengantar Tatap muka, Diskusi, dan Larose Bab 9
kohonen networks sebagai tools data - Self-Organizing Maps Latihan
mining - Kohonen Networks
- Mampu melakukan pengolahan data - Validitas Klustering
mining dan menyelesaikan suatu - Aplikasi klustering
permasalahan dengan menggunakan menggunakan Kohonen
model kohonen networks Networks
- Mampu mengaplikasikan metode
kohonen networks dalam
permasalahan real world
11 Association Rules - Memahami konsep dari model - Pengantar Tatap muka, Diskusi, dan Larose Bab 10
association rules sebagai tools data - Dasar metodologi Latihan
mining - Merepresentasikan tipe
- Memahami tipe dan perbedaan data
algoritma pada metode association - Metode Association
rule Rules
- Mampu melakukan pengolahan data - Algoritma Apriori
mining dan menyelesaikan suatu - Metode Generalized
permasalahan dengan menggunakan Rule Induction (GRI)
model association rules - Pengaplikasian
- Mampu mengaplikasikan metode Association Rules
association rules dalam
permasalahan real world
12 Teknik Evaluasi Model - Memahami pentingnya evaluasi pada - Pengantar Tatap muka, Diskusi, dan Larose Bab 11
model sebagai tools - Teknik evaluasi model Latihan
- Memahami teknik-teknik evaluasi untuk fungsi deskripsi
model untuk setiap fungsi data mining - Teknik evaluasi model
- Mampu melakukan analisis kesalahan untuk fungsi prediksi dan
dan resiko dari setiap penggunaan estimasi
model - Teknik evaluasi model
- Mampu menerapkan model sesuai untuk fungsi klasifikasi
dengan setiap fungsi data mining - Error Rate, False
Positives, and False
Negatives
- Penyesuaian biaya atas
kesalahan klasifikasi
- Analisis biaya atau
manfaat
- Lift Charts and Gains
Charts
- Menjalin evaluasi model
dengan penyusunan
model
- Menerapkan model yang
sesuai
13 Pengantar Manajemen - Memahami konsep dari manajemen - Pengertian dan definisi Tatap muka, Diskusi, dan Sumber
Pengetahuan pengetahuan secara umum - Bentuk Pengetahuan Latihan
- Mengetahui berbagai bentuk dari - Pendekatan KM
pengetahuan - Bidang-bidang KM
- Memahami berbagai pendekatan dan - Proses konversi
bidang dalam KM pengetahuan
- Memahami proses konversi - Teknologi KM
pengetahuan dan teknologi yang - Organisasi Pembelajar
mendukungnya
14 Siklus KM dan Model KM - Memahami siklus hidup KM pada - Tujuan Siklus KM Tatap muka, Diskusi, dan Sumber
suatu organisasi - Proses KM Latihan
- Mengetahui berbagai tipe-tipe siklus - Tipe-tipe Siklus KM
hidup KM - Perbandingan Siklus KM
- Memahami kunci utama model teoritis - Model KM
Manajemen Pengetahuan yang - Tipe-tipe model KM
digunakan saat ini
- Menghubungkan kerangka kerja KM
dengan konsep KM dan langkah-
langkah utama dalam siklus KM
- Menjelaskan model sistem adaptif
kompleks dari KM yang dapat
mengatur konten yang subyektif dan
dinamis
15 Penangkapan dan kodifikasi - Mengenali konsep dan terminologi - Penangkapan Tatap muka, Diskusi, dan Sumber
pengetahuan serta Berbagi dasar yang berkaitan dengan pengetahuan tacit Latihan
Pengetahun penangkapan dan kodifikasi - Penangkapan
pengetahuan Pengetahuan Tacit pada
- Mengetahui teknik-teknik untuk Level Individu dan
mengekstrak pengetahuan tacit dari Kelompok
seorang pakar - Kodifikasi
- Mengetahui peran dan tanggung pengetahuan explicit
jawab dalam proses penangkapan - Pencarian informasi
dan kodifikasi pengetahuan - Komunitas praktik
- Mengetahui pendekatan taksonomi - Alur Pengetahuan
untuk mengklasisikasi pengetahuan
yang ditangkap
- Mengetahui komponen kunci
komunitas praktik
- Menyebutkan fase utama dalam
siklus hidup komunitas
- Menjelaskan peran dan tanggung
jawab di dalam komunitas praktik
- Menganalisa alur pengetahuan di
dalam komunitas praktik
- Menjelaskan bagaimana komunitas
dapat terkait dengan memori
organisasi
16 UAS Menilai pemahaman dan keterampilan Membuat Soal dan Menilai
*Catatan: 2 atau lebih minggu perkuliahan dapat ditulis dalam satu baris (disatukan) jika materi yang disampaikan sama