Deskripsi Mata Kuliah : Mata kuliah Data Mining memperkenalkan mahasiswa kepada pentingnya pemahaman karakteristik data, dan
menyelesaikan masalah yang dihadapi dengan berbagai teknik data mining. Antara lain Klasifikasi (Nearest
Neighbor Classification), Cluster Analysis (Partitional Clustering, Hierarchical Clustering), Association Analysis
dan Anomaly Detection
Daftar Referensi : 1. Pang Ning Tan, Michael Steinbach, Vipin Kumar, Introduction to Data Mining (1st edition), Pearson , 2006
2.
3
Metode
Referens Penilaian*
Pembelajaran
Kemampuan akhir/ Sub- i
Taha Pengalaman Basis Teknik Indikator, Bobot Instrume
CPMK Materi Pokok (kode Waktu
p Belajar penilaian penilaian kriteria, penilaia n
(kode CPL) dan Luring Daring
(tingkat n penilaian
halaman)
taksonomi)
1 2 3 4 5 6 7 8 9 10 11 12 13
Mahasiswa Pengenalan Tan : Slide 6x50 Menjelaskan
memahami definisi Data Mining chapter ppt,
I dan datamining task, 1, 2, 3 video
agar siswa faham
pemanfaatan
datamining.
Mahasiswa mengenal Nearest Tan : Slide 3x50 Case- Aplikasi 10% Ketepata
model klasifikasi Neighbor chapter ppt, based n
II Nearest Neighbor Classifier 4, 5 video mengum
pulkan
dan
penguas
aan
penyeles
aian
kasus
Mahasiswa mengenal Naïve Bayes Tan : Slide 3x50 Case- APlikasi Ketepata
model klasifikasi Naïve chapter ppt, based 10% n
III Bayes 4, 5 video mengum
pulkan
dan
penguas
aan
penyeles
aian
kasus
Mahasiswa mengenal Multilayer Tan : Slide 6x50 Case- Aplikasi 10% Ketepata
model klasifikasi s Perceptron chapter ppt, based n
Artificial Neural Network 4, 5 video mengum
dan menjelaskan pulkan
IV berbagai dan
arsitekturnya. penguas
Khususnya Multilayer aan
Perceptron yang penyeles
dilatih dengan aian
Backpropagation kasus
Algorithm.
Mahasiswa Cluster Tan : 6x50 Aplikasi 10% Ketepata
memahami teori Analysis chapter Slide n
Cluster Analysis : 8, 9 ppt, mengum
V algoritma dan Case- pulkan
video
penerapannya dalam based dan
data mining. penguas
aan
penyeles
aian
kasus
UTS (20%)