RENCANA PEMBELAJARAN SEMESTER GENAP 2020/2021

PROGRAM STUDI SISTEM INFORMASI

SEKOLAH TINGGI TEKNOLOGI INDONESIA (STTI) TANJUNGPINANG

Mata Kuliah : Data Mining Kode MK : SI1603

Mata Kuliah Prasyarat : - Bobot MK : 3
Dosen Pengampu : Ade Winarni, MT Kode Dosen : AW
Alokasi Waktu : Tatap Muka 14 X 150 Menit
Capaian Pembelajaran : 1. Mahasiswa dapat mengenal teknik-teknik pengolahan data, teknik penggalian data dan
memperoleh pola tertentu yang bisa menjadi informasi yang berguna
2. Mahasiswa dapat bekerjasama dengan tim ketika menyelesaikan sebuah kasus secara
berkelompok

SESI KEMAMPUAN MATERI BENTUK SUMBER INDIKATOR

AKHIR PEMBELAJARAN PEMBELAJARAN PEMBELAJARAN PENILAIAN
1 Mahasiswa dapat Pengenalan Data Mining 1. Ceramah Data Mining Concepts and Ketepatan
menjelaskan latar 1. Definisi & Latar 2. diskusi Techniques 3rd edition, penjelasan latar
belakang munculnya belakang data mining Han, Jiawei; Kamber, belakang dan
teknik data mining, 2. Tahapan-tahapan Micheline, and Jian Pei, , tahapan proses
serta tahapan-tahapan proses data mining Morgan Kaufmann, 2011 data mining
umum dalam proses 3. Konsep big data
data mining
2 Mahasiswa/i dapat Data 1. Ceramah Data Mining Concepts and Ketepatan
menjelaskan definisi 1. Jenis & Kualitas Data 2. diskusi Techniques 3rd edition, penjelasan jenis
data, dan proses awal 2. Preprocessing & Han, Jiawei; Kamber, dan kualitas
yang dilakukan Teknik pengukuran Micheline, and Jian Pei, , data serta tahap
terhadap data agar data Morgan Kaufmann, 2011 preprocessing
dapat menjadi inputan data
yang baik dalam teknik
data mining
3 Mahsiswa dapat 1. Akses big data 1. Ceramah Data Mining Concepts and Ketepatan akses
mengakses big data 2. Warehouse 2. diskusi Techniques 3rd edition, big data
3. spreadsheet Han, Jiawei; Kamber,
Micheline, and Jian Pei, ,
Morgan Kaufmann, 2011
4-5 Mahasiswa mampu 1. Issue big data 1. Ceramah Data Mining Concepts and Ketepatan
melakukan berbagai 2. Explore 2. diskusi Techniques 3rd edition, metode
metode eksplorasi data 3. Test Han, Jiawei; Kamber, eksplorasi
4. Transform Micheline, and Jian Pei, , dengan
Morgan Kaufmann, 2011 permasalahan
big data
6 Mahasiswa/i dapat Klasifikasi 1. Ceramah Data Mining Concepts and Ketepatan
menjelaskan teknik 1. Konsep dasar 2. Diskusi Techniques 3rd edition, penjelasan
klasifikasi dalam data klasifikasi 3. praktek Han, Jiawei; Kamber, konsep dasar
mining 2. Evaluasi Kinerja Micheline, and Jian Pei, , dan teknik
pengklasifikasi Morgan Kaufmann, 2011
3. Metoda untuk
membandingkan
pengklasifikasi
4. Algoritma K-Nearest
Neingbord
5. Algoritma Naive
Bayes Klasification
6. Algoritma C.45
7,8 Mahasiswa/i dapat Klustering 1. Ceramah Data Mining Concepts and Ketepatan
menjelaskan teknik 1. Definisi dan konsep 2. Diskusi Techniques 3rd edition, penjelasan
klustering dalam data dasar clustering 3. praktek Han, Jiawei; Kamber, konsep dasar
mining 2. Algoritma K-Means Micheline, and Jian Pei, , dan teknik
3. Algoritma K-Medoid Morgan Kaufmann, 2011 klustering dalam
4. Hierarchical data mining
Clustering
 5. Algoritma DBSCAN
6. Evaluasi Clustering
7. Karakteristik data,
cluster dan algoritma
clustering
8. Prototype –based &
Density –based
clustering

9,10 Mahasiswa/i dapat Klustering 1. Ceramah Data Mining Concepts and Ketepatan
menjelaskan teknik 1. Definisi dan konsep 2. Diskusi Techniques 3rd edition, penjelasan
Estimasi dalam data dasar Estimasi 3. praktek Han, Jiawei; Kamber, konsep dasar
mining 2. Linear Regression Micheline, and Jian Pei, , dan teknik
3. Neural Network Morgan Kaufmann, 2011 Estimasi dalam
data mining

11,12 Mahasiswa/i dapat Aplikasi dan Trend Data 1. Ceramah Data Mining Concepts and Pemahaman
menjelaskan gambaran Mining 2. Diskusi Techniques 3rd edition, aplikasi dan
aplikasi data mining 1. Spatial & Multimedia 3. praktek Han, Jiawei; Kamber, trend data
dalam berbagai bidang Data Mining Micheline, and Jian Pei, , mining
2. Text & Web Mining Morgan Kaufmann, 2011
3. Penerapan data
mining dalam bidang
financial, retail
industri,
telekomunikasi dan
aplikasi sains
4. Produk-produk
sistem data mining
13,14 Mahasiswa/i mampu Presentasi & Diskusi Presentasi Data Mining Concepts and Relevansi tugas,
Memilih dan Tugas Kelompok Techniques 3rd edition, Kecakapan
menerapkan teknik Han, Jiawei; Kamber, presentasi
Data Mining mulai dari Micheline, and Jian Pei, ,
persiapan data sampai Morgan Kaufmann, 2011
dengan task data
mining dalam
menyelesaikan
permasalahan sesuai
dengan studi kasus
yang ada

EVALUASI PEMBELAJARAN

SESI PROSE- BEN-TUK SEKOR > 85 SEKOR > 70 SEKOR > 55 SEKOR > 40 SEKOR < 40 BOBOT
DUR (A) (B) (C) (D) (E)
1 pre test Tes esei Kemampuan Kemampuan Kemampuan Kemampuan Kemampuan 10%
dan memahami memahami memahami memahami memahami
wawancara penjelasan latar penjelasan latar penjelasan penjelasan penjelasan
langsung belakang dan belakang dan latar belakang latar belakang latar belakang
tahapan proses tahapan proses dan tahapan dan tahapan dan tahapan
data mining. data mining. proses data proses data proses data
Denagn tingkat Denagn tingkat mining. mining. mining.
pemahaman pemahaman 70- Denagn Denagn Denagn
diatas 80% 80 % tingkat tingkat tingkat
pemahaman pemahaman pemahaman
50-69 % 30 -50% dibawah 30%
2 progress Non tes / Memahami jenis Memahami jenis Memahami Memahami Memahami 10%
test praktek dan kualitas dan kualitas jenis dan jenis dan jenis dan
post test (studi data serta tahap data serta tahap kualitas data kualitas data kualitas data
kasus)
 preprocessing preprocessing serta tahap serta tahap serta tahap
data. Denagn data. Denagn preprocessing preprocessing preprocessing
tingkat tingkat data. Denagn data. Denagn data. Denagn
pemahaman pemahaman tingkat tingkat tingkat
diatas 80% diantara 70-80 pemahaman pemahaman pemahaman
% 50-69 % 30 -50% dibawah 30%
3,4,5 progress Non tes / Memahami Memahami Memahami Memahami Memahami 15%
test praktek teknik klasifikasi teknik klasifikasi teknik teknik teknik
post test (studi dalam data dalam data klasifikasi klasifikasi klasifikasi
kasus) mining dan mining dan dalam data dalam data dalam data
mampu mampu mining dan mining dan mining dan
mengimplement mengimplement mampu mampu mampu
asikannya dalam asikannya dalam mengimpleme mengimpleme mengimpleme
studi kasus. studi kasus. ntasikannya ntasikannya ntasikannya
Denagn tingkat Denagn tingkat dalam studi dalam studi dalam studi
pemahaman pemahaman 70- kasus. Denagn kasus. Denagn kasus. Denagn
diatas 80% 80 % tingkat tingkat tingkat
pemahaman pemahaman pemahaman
50-69 % 30 -50% dibawah 30%
6,7,8 progress Non tes / Memahami Memahami Memahami Memahami Memahami 15%
test praktek teknik klustering teknik klustering teknik teknik teknik
post test (studi dalam data dalam data klustering klustering klustering
kasus) mining dan mining dan dalam data dalam data dalam data
mampu mampu mining dan mining dan mining dan
mengimplement mengimplement mampu mampu mampu
asikannya dalam asikannya dalam mengimpleme mengimpleme mengimpleme
studi kasus. studi kasus. ntasikannya ntasikannya ntasikannya
Denagn tingkat Denagn tingkat dalam studi dalam studi dalam studi
pemahaman pemahaman 70- kasus. Denagn kasus. Denagn kasus. Denagn
diatas 80% 80 % tingkat tingkat tingkat
pemahaman pemahaman pemahaman
 50-69 % 30 -50% dibawah 30%
9,10 progress Non tes / Memahami Memahami Memahami Memahami Memahami 15%
test praktek teknik Estimasi teknik Estimasi teknik Estimasi teknik Estimasi teknik Estimasi
post test (studi dalam data dalam data dalam data dalam data dalam data
kasus) mining dan mining dan mining dan mining dan mining dan
mampu mampu mampu mampu mampu
mengimplement mengimplement mengimpleme mengimpleme mengimpleme
asikannya dalam asikannya dalam ntasikannya ntasikannya ntasikannya
studi kasus. studi kasus. dalam studi dalam studi dalam studi
Denagn tingkat Denagn tingkat kasus. Denagn kasus. Denagn kasus. Denagn
pemahaman pemahaman 70- tingkat tingkat tingkat
diatas 80% 80 % pemahaman pemahaman pemahaman
50-69 % 30 -50% dibawah 30%
11,12 progress Non tes / Memahami Memahami Memahami Memahami Memahami 10%
test praktek gambaran gambaran gambaran gambaran gambaran
post test (studi aplikasi data aplikasi data aplikasi data aplikasi data aplikasi data
kasus) mining dalam mining dalam mining dalam mining dalam mining dalam
berbagai berbagai berbagai berbagai berbagai
bidang. Denagn bidang. Denagn bidang. bidang. bidang.
tingkat tingkat Denagn Denagn Denagn
pemahaman pemahaman 70- tingkat tingkat tingkat
diatas 80% 80 % pemahaman pemahaman pemahaman
50-69 % 30 -50% dibawah 30%
13,14 progress Non tes / Relevansi tugas, Relevansi tugas, Relevansi Relevansi Relevansi 15%
test praktek Kecakapan Kecakapan tugas, tugas, tugas,
post test (studi presentasi. presentasi. Kecakapan Kecakapan Kecakapan
kasus) Dengan tingkat Dengan tingkat presentasi. presentasi. presentasi.
kemampuan kemampuan 70- Dengan Dengan Dengan
diatas 80% 80 % tingkat tingkat tingkat
kemampuan kemampuan kemampuan
50-69 % 30 -50% dibawah 30%
Komponen penilaian :

1. Kehadiran = 20 %
2. Tugas = 20 %
3. UTS = 30 %
4. UAS = 30 %

Tanjungpinang, 16 September 2020

Mengetahui,
Ketua Program Studi, Dosen Pengampu,

Dwi Nurul Huda, ST.,M.Kom Ade Winarni, MT