2 Mahasiswa mampu mengeksplorasi data, Eksplorasi data , preprocessing data ( Data 1. Metoda: diskusi dan latihan
mengetahui adanya missing data values, Cleaning) 2. Media: kelas, komputer, LCD,
dan data noisy serta dapat mengatasinya whiteboard, web
3 Mahasiswa mengetahui preprocessing Pre processing data 1. Metoda: diskusi dan latihan
data , melakukan proses cleaning data, ● Data cleaning: missing values, noisy data 2. Media: kelas, komputer, LCD,
mampu menjelaskan konsep data ● Data integration whiteboard, web
integrasi, transformasi, reduksi, dan ● Data transformation
diskritisasi ● Data reduction
● Data discretization
4 Mahasiswa mampu menjelaskan konsep Data warehouse dan OLAP 1. Metoda: diskusi dan latihan
data warehouse dan OLAP 2. Media: kelas, komputer, LCD,
whiteboard, web
5 Dapat menjelaskan konsep dasar cluster Clustering 1. Metoda: diskusi dan latihan
dan penerapannya pada data 2. Media: kelas, komputer, LCD,
whiteboard, web
6 Mahasiswa dapat Klasifikasi 1. Metoda: diskusi dan latihan
menjelaskan klasifikasi 2. Media: kelas, komputer, LCD,
whiteboard, web
7 Mahasiswa dapat menjelaskan Mining Association rule dan penerapannya 1. Metoda: diskusi dan latihan
Associations rule dan menerapkan pada 2. Media: kelas, komputer, LCD,
data whiteboard, web
8 Mahasiswa dapat menjelaskan konsep Unsupervised learning dan penerapannya 1. Metoda: diskusi dan latihan
unsupervised learning dan menerapkan 2. Media: kelas, komputer, LCD,
pada data whiteboard, web
9 Mahasiswa mampu menjelaskan konsep Decision tree dan penerapannya 1. Metoda: diskusi dan latihan
dasar decision tree dan menerapakannya 2. Media: kelas, komputer, LCD,
pada data whiteboard, web
10 Dapat menjelaskan konsep dasar naïve Naive bayes 1. Metoda: diskusi dan latihan
bayes 2. Media: kelas, komputer, LCD,
whiteboard, web
11 Mahasiswa mampu menjelaskan feature Feature selection dan penerapannya 1. Metoda: diskusi dan latihan
selection dan menerapkannya pada data. 2. Media: kelas, komputer, LCD,
whiteboard, web
12 Mahasiswa mampu menjelaskan feature Feature extraction dan penerapannya 1. Metoda: diskusi dan latihan
extraction dan menerapkannya pada 2. Media: kelas, komputer, LCD,
data. whiteboard, web
EVALUASI PEMBELAJARAN
SESI PROSE- DUR BEN- TUK SEKOR > 77 ( A / A-) SEKOR > 65 (B- / B /
B+ )
1 Post test Tes tulisan Dapat menjelaskan Dapat menjelaskan
(UTS) pengertian data mining pengertian data
secara
lengkap, mengetahui latar mining secara
belakang diperlukannya lengkap dan dapat
data mining, menyebutkan menyebutkan
dan menjelaskan aplikasi aplikasi data mining
data mining pada berbagai pada berbagai bidang
bidang kehidupan kehidupan
klasifikasi dan
clustering
7 Post test Tes tulisan Dapat menjelaskan Dapat menjelaskan
pengertian dan tahapan- pengertian dan
tahapan association rules tahapan-tahapan
dan menerapkan algoritme association rules
tersebut pada data
Komponen penilaian :
1. Kehadiran = 10 %
2. Tugas = 20 % 3. UTS = 30 % 4. UAS = 40 %
RAN SEMESTER PROGRAM STUDI XXXXXX FAKULTAS ILMU KOMPUTER
UNIVERSITAS SATU NUSA
1. Metoda: diskusi dan latihan Menjelaskan atribut data, mengetahui cara mengatasi missing data value atau noisy.
2. Media: kelas, komputer, LCD,
whiteboard, web
1. Metoda: diskusi dan latihan 1. Menjelaskan pentingnya pentingnya melakukan preprocessing data
2. Media: kelas, komputer, LCD, 2. Melakukan proses cleaning data yang meliputi missing value dan data noise.
whiteboard, web 3. Menjelaskan proses integrasi data, transformasi data, reduksi data, dan diskritisasi
data
1. Metoda: diskusi dan latihan Mahasiswa paham konsep data warehouse dan OLAP
2. Media: kelas, komputer, LCD,
whiteboard, web
1. Metoda: diskusi dan latihan Menjelaskan cara meng clusterkan raw data.
2. Media: kelas, komputer, LCD,
whiteboard, web
1. Metoda: diskusi dan latihan Menjelaskan konsep klasifikasi dan contoh penerapan pada data
2. Media: kelas, komputer, LCD,
whiteboard, web
1. Metoda: diskusi dan latihan Dapa melakukan prosedur asosiation rule
2. Media: kelas, komputer, LCD,
whiteboard, web
1. Metoda: diskusi dan latihan Menjelaskan konsep algoritma unsupervised learning
2. Media: kelas, komputer, LCD,
whiteboard, web
1. Metoda: diskusi dan latihan Menjelaskan cara penggunaan decision tree terhadap raw data
2. Media: kelas, komputer, LCD,
whiteboard, web
1. Metoda: diskusi dan latihan Menjelaskan konsep dasar naïve bayes
2. Media: kelas, komputer, LCD,
whiteboard, web
1. Metoda: diskusi dan latihan Menjelaskan feature selection dan menerapkan pada data
2. Media: kelas, komputer, LCD,
whiteboard, web
1. Metoda: diskusi dan latihan Menjelaskan feature selection dan menerapkan pada data serta menjelaskan perbedaan
2. Media: kelas, komputer, LCD, antara feature selection dengan feature extraction
whiteboard, web
1. Metoda: diskusi dan latihan Menjelaskan konsep text mining dan contoh penerapan pada data
2. Media: kelas, komputer, LCD,
whiteboard, web
1. Metoda: diskusi dan latihan Relevansi tugas dan kecakapan presentasi
2. Media: kelas, komputer, LCD,
whiteboard, web