Konsep dan

Aplikasi Data
Mining
Dr. Tb. M. Akhriza, S.Si.,MMSI
Credit:
Eka Yuniar, S.Kom., MMSI
 Kontrak Kuliah
• Kehadiran = Presensi Hadir min. 80%, UTS Hadir, UAS Hadir, Hadir
latihan, Hadir presentasi (tentativ)
• Nilai UTS = Nilai latihan/Kuis sebelum UTS + nilai UTS
• Nilai UAS = Nilai latihan/Kuis sebelum UAS + nilai UAS
• Nilai Latihan/kuis = tiap pertemuan bisa jadi ada tugas/latihan untuk
mengetahui progress mahasiswa
• Presentasi: mahasiswa memilih paper data mining yang sudah
disediakan, menganalisis paper, dan menceritakan kembali
• Batas Maksimal Kehadiran setengah jam setelah jam masuk
perkuliahan, atau force majeure
 Capaian Mata Kuliah
• Mahasiswa mampu memahami Konsep data
Mining secara deskriptif maupun prediktif dan
mengaplikasikannya dalam kasus nyata
dengan menggunakan Tools Data mining
secara optimal (C) dengan baik dan benar
secara mandiri(D).
 Kemampuan Akhir yang di
Rencanakan
Kemampuan Akhir yang
No Indikator
direncanakan
1 Mahasiswa dapat memahami konsep 1. Menjelaskan tentang Definisi Data Mining
Dasar Data Mining(AI) C2. 2. Kebutuhan Data Mining
3. Ilmu-Ilmu yang berkaitan dengan data mining
 
4. Teknik-teknik database
5. Penerapan data mining
6. Tools yang digunakan
2 Mahasiswa dapat menganalisis 1. Menjelaskan Definisi KDD
proses Knowledge Discovery from 2. Data Preprocessing
Data (KDD) C4 3. Data Warehouse
4. Indexing, Searching, OLAP, Reduksi
5. Langkah-langkah dalam proses KDD
No Kemampuan Akhir yang
Indikator
direncanakan
3 Menganalisis Arsitektur dan 1. Menjelaskan Komponen dari sistem data mining
model data mining C5 2. Model data mining
3. Predictive Classification, Regression, Time Series Analysis,
Prediction
4. Descriptive : Clustering, summarization, association rule,
sequence discovery
4 Mahasiswa dapat memahami 1. Menjelaskan konsep Market basket analysis dan Association rule
teknik-teknik dari data mining mining
Association Rule Mining 2. Menjelaskan konsep dan implementasi algoritme APRIORI:
frequent patterns dan association rules mining
3. Latihan: mempraktikan program APRIORI
5 Mahasiswa dapat memahami 1. Menjelaskan konsep dan implementasi pengklusteran obyek dan
teknik-teknik dari data mining analisis kluster
2. Konsep jarak obyek dalam Vector Space Model
Clustering 3. Menggunakan K-means dan agglomerative hierarchical
clustering (AHC) untuk mengkluster obyek.
4. Latihan; mempraktikan K-means dan ACC untuk kasus nyata
No Kemampuan Akhir yang
direncanakan
6 Mahasiswa dapat memahami teknik-
teknik dari data mining
Class Prediction/
Classification
7 Mahasiswa dapat memahami teknik-
teknik dari data mining
Recommender System
8 Mahasiswa memahami tentang Big
data Analysis
Indikator
1. Menjelaskan konsep prediksi kelas/klasifikasi obyek
2. Menjelaskan konsep dan implementasi Naive Bayes
classifier untuk memprediksi kelas
3. Latihan: mempraktikan Naive Bayes classifier dalam
dunia nyata
1. Menjelaskan konsep sistem perekomendasian dan macam-
macam sistem yang ada: collaborative filtering, content
based, dan association rule based
2. Melakukan perhitungan sederhana untuk macam-macam
sistem rekomendasi
3. Menerapkan Association rule untuk sistem rekomendasi
1. Menjelaskan definisi dan perbedaan antara big data
analysis dengan common data analysis
2. Penerapan Big Data Analysis dalam dunia kerja
 Publikasi Jurnal dan Konferensi
Publikasi jurnal dan konferensi internasional:
1.(2015) Tb. M. Akhriza, Yinghua Ma, Jianhua Li, A novel Fibonacci windows model
for finding emerging patterns over online data stream, IEEE Conference on Cyber
Security of Smart Cities, Shanghai.
2.(2017) Tb. M. Akhriza, Yinghua Ma, Jianhua Li, Revealing the Gap Between Skills of
Students and the Evolving Skills Required by the Industry of Information and
Communication Technology. Int. Journal of Software Eng. And Knowledge Eng. World
Scientific Pub. Singapore
3.(2017) Tb. M. Akhriza, Hizkia Y.S, Antonius Duty, Improving Mobility of Base
Transceiver Station Locating Method using Telegram’s Application, Int. Journal of
Tech, Univ. Indonesia
4.(2018) Tb. M. Akhriza, Yinghua Ma, Jiahua Li, Novel Push‐Front Fibonacci
Windows Model for Finding Emerging Patterns with Better Completeness and
Accuracy, ETRI Journal, South Korea.
5.Lainnya: https://scholar.google.co.id/citations?hl=id&user=uuz9sc0AAAAJ&view_op
=list_works&sortby=pubdate