Garis besar topik

  • Assalamualaikum..wr..wb..

    Salam sejahtera untuk kita semua dan Selamat datang di kelas mata kuliah DATAMINING LANJUT  untuk para Mahasiswa, Semoga selalu dalam keadaan sehat walafiat dan dalam Lindungan Allah SWT Tuhan yang Maha Esa.

    Mata kuliah DATAMINING LANJUT  memiliki Bobot SKS sebesar 4 SKS (2 Teori & 2 Praktikum) dan  perkuliahan akan dilaksanakan selama 32 kali pertemuan atau 16 minggu.

    Selamat mengikuti perkuliahan ini dengan baik, dan penuh  semangat !!

    Wassalamu'alaikum Wr. Wb

    NURJOKO

    Deskripsi Matakuliah :

    Mata kuliah Advanced Data Mining membahas teknik-teknik lanjutan dalam penambangan data untuk menyelesaikan permasalahan analitik yang kompleks. Materi mencakup ensemble learning, feature engineering, clustering pada data berdimensi tinggi, stream data mining, anomaly detection, optimasi pipeline data mining, evaluasi model, interpretabilitas (Explainable AI), serta aspek etika dan privasi dalam implementasi data mining pada berbagai domain aplikasi.

    Tujuan Mata Kuliah:

     1. Memahami konsep dan algoritma data mining tingkat lanjut.
    2. Mengimplementasikan pipeline data mining yang efisien dan skalabel.
    3. Mengembangkan model machine learning berbasis ensemble dan feature engineering.
    4. Mengevaluasi performa model menggunakan berbagai metrik evaluasi.
    5. Mengembangkan solusi data mining yang memperhatikan etika, privasi, dan interpretabilitas.

    Peserta didik akan dievaluasi penguasaannya dan pemahamannya terhadap materi kuliah dengan menggunakan pendekatan sebagai berikut :

     1.      Presensi Kehadiran (20%)

    2.      Tugas Mandiri (20%)

    3.      Ujian Tengah Semester (20%)

    4.      Ujian Akhir Semester (20%)

    5.      Etika (20%)

    Pustaka: 

    1. Han, J., Kamber, M., & Pei, J. (2012). Data Mining: Concepts and Techniques (3rd Edition). Morgan Kaufmann.
    2. Aggarwal, C. C. (2015). Data Mining: The Textbook. Springer.
    3. Géron, A. (2022). Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow (3rd Edition). O'Reilly.

  • Materi Pertemuan 1- 2 Pengantar Advanced Data Mining

    • Materi 1 PPT. Prinsip Algoritma: Ensemble Methods, Stream Data, dan High-Dimensional Clustering Berkas PPTX

      Silahkan Download dan Pelajari 

      84.7 KB · Diunggah 11/09/26, 06:07
    • Tugas Diskusi Forum
      Jatuh tempo: Jumat, 11 September 2026, 06:08

      Pertanyaan diskusi untuk mahasiswa

      1. Diskusikan:

        1. Apa yang dimaksud dengan ensemble methods dan mengapa metode ini dapat meningkatkan kinerja model data mining?
        2. Jelaskan perbedaan prinsip Bagging, Boosting, dan Stacking.
        3. Bandingkan Random Forest dan XGBoost dari sisi cara kerja, kelebihan, dan kekurangannya.
        4. Dalam kondisi seperti apa penggunaan ensemble methods lebih tepat dibandingkan algoritma tunggal?
        5. Berikan contoh permasalahan data mining yang dapat diselesaikan menggunakan ensemble methods.

  • Materi Pertemuan 3-4 algoritma Ensemble Learning: Bagging & Boosting

    • Materi PPT, Pertemuan 3 & 4 Berkas PPTX

      Algoritma Ensemble Learning:
      Bagging & Boosting

      76.0 KB · Diunggah 18/09/26, 06:15
    • Meteri Vidio Halaman

      Silahkan Toton Materi Vidionya pada link berikut ini:

    • Tugas Forum
      Jatuh tempo: Jumat, 18 September 2026, 06:19

      Berdasarkan Materi Vidio tersebut, buatkan resumenya dan berikan kesimpulannya. 

      Hasilnya silahkan Upload disini.

  • Topik baru

  • Topik baru