Fakultas MIPA
Jurusan Statistika/Program Studi Sarjana Sains Data
RENCANA PEMBELAJARAN SEMESTER
MATA KULIAH KODE Rumpun MK
MKSD Teori dan Komputasi
Data Mining
Dosen Pengembang RPS Koordinator Rumpun MK
Mampu Menguasai konsep dasar keilmuan dan metode analisis sains data yan
CP2
pada bidang komputasi, sosial humaniora, ekonomi, industri dan hayati.
Mampu merancang dan mengumpulkan data dari berbagai sumber baik untuk
CP3
kecil
Mampu melakukan preprocessing data antara lain data cleaning, integrasi data
CP5
transformasi data
Mampu menerapkan pemikiran logis, kritis, sistematis, dan inovatif secara man
CP9 bermutu dan terukur dalam implementasi ilmu pengetahuan dan teknologi yan
humaniora berdasarkan kaidah, tata cara dan etika ilmiah;
CP MK
M1
Mahasiswa mampu melakukan visualisasi, eksplorasi dan preprocessing data
Mahasiswa mampu menjelaskan metode-metode data mining dan menggunak
M2
untuk tujuan klasifikasi
Pendukung:
Berry, MJA dan Linoff, G. 1997. Data Mining Techniquies. John Wiley & Sons.
Cichosz, P. 2015. Data mining algorithms: explained using R.
Kassambara, A. 2013. Guide to Create Beautiful Graphics in R. STHDA.
Santosa, B. 2007. Data Mining Terapan dengan Matlab. Yogyakarta: Graha Ilmu.
Wu, X dan Kumar, V. 2009. The Top Ten Algorithms in Data Mining. Boca Raton: CRC Pr
Zhao, Y. dan Cen, Y. 2014. Data Mining application with R. Amsterdam: Academic Press
Media Pembelajaran Perangkat Lunak:
1. R project
2. MS Office
3. MS Excel
1. Dr. Eni Sumarminingsih, S.Si, MM
Team Teaching 2. Dwi Ayu Lusia, S.Si., M.Si.
Mata Kuliah Prasyarat Komputasi Statistika (MAS61132), Pengantar Teori Peluang (MAS62111)
ata Evaluasi
AN SEMESTER
Bobot (sks) Semester Tgl Penyusunan
3 5 2-Feb-21
Koordinator Rumpun MK Ka Prodi
data dari berbagai sumber baik untuk data besar ataupun data
psikan data
g data
3, C45, CART)
Peluang (MAS62111)
Minggu ke Sub-CP MK (sebagai kemampuan akhir yang Indikator
diharapkan)
(1) (2) (3)
1 Mahasiswa mampu memahami makna data Kerunutan dan ketepatan
mining dan metode dalam data mining, dalam penjelasan data
memahami makna dan jenis data serta mining serta metode dan
variabel, dan mampu melakukan statistika penggunaanya
deskriptif
4 Kuis 1
8 UTS
9 Mahasiswa mampu menjelaskan, keruntutan dan ketepatan
menggunakan dan menganalisa metode perhitungan untuk klasifikasi
klasifikasi Bayes sederhana bayes sederhana, serta
ketepatan sintax klasifikasi
bayes sederhana dan
interpretasinya
9 Mahasiswa mampu menjelaskan, keruntutan dan ketepatan
menggunakan dan menganalisa metode perhitungan untuk klasifikasi
klasifikasi Bayes sederhana bayes sederhana, serta
ketepatan sintax klasifikasi
bayes sederhana dan
interpretasinya
12 Kuis 2
16 UAS
Nilai Ak
Kriteria & Bentuk Penilaian Metode Pembelajaran [Estimasi Waktu]
(4) (5)
Kriteria: Kemampuan Kuliah dan diskusi [TM: 3*50"], Persiapan
memahami; Bentuk minggu berikutnya [BT + BM:(1+1)* 3*60"]
Penilaian: sikap
UTS
Kriteria: Ketepatan, Bentuk Kuliah dan diskusi [TM: 2*50"], post test
Penilaian: post test [TM: 1*50"], Persiapan minggu berikutnya
[BT + BM:(1+1)* 3*60"]
Kriteria: Ketepatan, Bentuk Kuliah dan diskusi [TM: 2*50"], post test
Penilaian: post test [TM: 1*50"], Persiapan minggu berikutnya
[BT + BM:(1+1)* 3*60"]
Kriteria: Ketepatan, Bentuk Kuliah dan diskusi [TM: 2*2*50"], post test
Penilaian: post test [TM: 2*1*50"], Persiapan kuis [BT + BM:
(1+1)* 3*60"]
Kriteria: Ketepatan, Bentuk Kuliah dan diskusi [TM: 2*2*50"], post test
Penilaian: post test [TM: 2*1*50"], Persiapan kuis [BT + BM:
(1+1)* 3*60"]
Kriteria: Ketepatan, Bentuk Kuliah dan diskusi [TM: 2*50"], post test
Penilaian: post test [TM: 1*50"], Persiapan minggu berikutnya
[BT + BM:(1+1)* 3*60"]
Kriteria: Ketepatan, Bentuk Kuliah dan diskusi [TM: 2*50"], post test
Penilaian: post test [TM: 1*50"], Persiapan minggu berikutnya
[BT + BM:(1+1)* 3*60"]
UAS
Nilai Akhir
TM = Tatap Muka
BM = Belajar Mandiri
BT = Belajar Terstruktur
Materi Pembelajaran [Pustaka]
Bobot Penilaian (%)
CP 11: Mampu
memelihara dan CP12: Mampu memanfaatkan
mengembangkan perangkat lunak untuk
jaringan kerja, serta menyelesaikan permasalahan dalam
melakukan supervisi bidang ilmu Sains Data, khususnya
dan evaluasi terhadap pada bidang komputasi, sosial
kinerja tim yang humaniora, ekonomi, industri dan
dipimpinnya; hayati.