Tinjauan Mata Kuliah

A. Deskripsi Mata Kuliah

Mata kuliah data mining merupakan mata kuliah lanjutan terkait penggalian informasi dari
sejumlah data. Mata kuliah data mining memiliki bobot 3 (tiga) sks dan disediakan pada
tahun ajaran 2020/2021 semester genap tahun ini. Beberapa hal yang harus dipahami pada
data mining adalah konsep dasar, metode dan teknik dasar dalam melakukan
proses mining serta mampu mendeskripsikan dan mendemonstrasikan konsep, proses,
metode dan teknik-teknik tersebut. Beberapa konsep dasar yang akan dipelajari dalam data
mining adalah sebagai berikut. Memahami konsep data warehousing dan penyiapan data
(data preprosesing) Memahami konsep pengelompokkan data (clustering) Memahami
konsep prediksi, rekomendasi (klasifikasi), Algoritma, memahami konsep association
rule (mengetahui keterkaitan antar data) memahami konsep squential Pattern (mengetahui
keterkaitan antar data dengan memperhatikan timeline). Materi yang akan dipelajari dalam
perkuliahan data mining adalah sebagai berikut , Pendahuluan dan pengenalan data
mining, konsep dasar data mining, konsep data warehouse, data dan karakteristik data,
algoritma C45, algoritma nearest neighbor, algoritma naïve bayesian clasifier, fungsi minor
metode prediksi dan tes formatif yang disertakan dengan jawaban.

B. Kegunaan Mata Kuliah

Mata kuliah data mining memiliki banyak sekali kegunaan, fungsi utamanya sendiri yaitu
ada dua; yang pertama fungsi descriptive dan fungsi predictive. Untuk fungsi lainnya akan
dibahas di bawah fungsi deskripsi dalam data mining adalah sebuah fungsi untuk
memahami lebih jauh tentang data yang diamati. Dengan melakukan sebuah proses diharap
bisa mengetahui perilaku dari sebuah data tersebut. Data tersebut itulah yang nantinya
dapat digunakan untuk mengetahui karakteristik dari data yang dimaksud.

C. Kompetensi Dasar

Mahasiswa mampu menjelaskan dan memahami konsep dasar data mining, konsep
data warehouse, data dan karakteristik data, algoritma C45, algoritma nearest neighbor,
algoritma naïve bayesian clasifier, dan fungsi minor. Mahasiswa mampu mengembangkan
dan menguasai konsep proses Knowledge Discovery in Databases (KDD), Mahasiswa
mampu mengembangkan dan menguasai Clustering dan Segmentasi Data dalam data
iv
mining
D. Kemampuan Akhir yang diharapkan

1. Mahasiswa memahami konsep, algoritma, dan tool data mining

2. Mahasiswa mampu melakukan eksperimen berdasarkan proses data mining E.
3. Mahasiswa memahami arah terbaru penelitian data mining
P
4. Mahasiswa mampu melakukan penelitian pada topik data mining
5. Mahasiswa dapat memanfaatkan data untuk diolah menjadi informasi

eta Kedudukan Modul

Peta Kedudukan Modul Ajar Data Mining
Dosen : Novianda, ST., M.Si

Modul 1 Penhenalan data mining

Pendahuluan dan
Pengenalan Data Mining Sejarah data mining

Modul 2 KDD
Konsep Data Mining
OLAP

Modul 3 Konsep data warehouse

Konsep Data Warehouse
Komponen data warehouse

Modul 4
Tipe data nominal dan numerik
Data dan Karakteristik Data
Data
Modul 5
Mining
Algoritma C45 Model Algoritma C45

Modul 6
Algoritma Neares Neighbor
Modul 7
Algoritma Naive Bayesian
Clasifier Klasifikasi
Penerapan
Algoritma Neares Neighbor
Penerapan
Algoritma Naive Bayesian
Clasifier Klasifikasi

Modul 8 Penerapan
Algoritma Rough Set Algoritma Rough Set

F. Petunujuk Umum Mempelajari Mata Kuliah

v
Mata kuliah data mining ditawarkan kepada mahasiswa S1 Teknik Informatika
Universitas Samudra dan merupakan mata kuliah wajib dengan bobot 3 (tiga) sks
pada tahun ajaran 2020/2021 tahun ini dan tersedia di web E-Learning Universitas
Samudra (E-LENSA) dan E-Learning Fakultas Teknik Universitasn Samudra
(ELSA)
Petunjuk Umum :
1. Penggunaan modul ajar data mata mining disediakan untuk mahasiswa teknik
informatika yang mengambil mata kuliah data mining
2. Modul ajar digunakan pada saat pelaksanaan kuliah data mining sebagai acuan
materi pembelajaran
3. Kuliah dilaksaksanakan dengan tatap muka 1 kali (minggu) x 3 sks x 50 menit
(2,5 Jam), belajar terstruktur dan belajar mandiri, menggunakan vidio conference.
4. Materi kuliah data mining disediakan lengkap pada web E-Learning universitas
samudra maupun E-Learning Fakultas Teknik Universitasn Samudra (ELSA)
pada pilihan prodi teknik informatika
5. Pengumpulan tugas dan diskusi juga dapat dilakukan di web E-Learning
universitas samudra maupun E-Learning Fakultas Teknik Universitasn Samudra
(ELSA)
6. Setiap mahasiswa yang akan mengikuti kuliah data mining harus memiliki akun
E-LENSA maupun ELSA dan pasword dari dosen pengampuh mata kuliah agar
bisa masuk megikuti perkuliahan

vi