Garis besar topik
-
Assalamu'alaikum Wr. Wb
Tabik pun....... GEN DJ THEBEST
Selamat datang Rekan Rekan Mahasiswa yang saya banggakan dimanapun berada. Semoga selalu dalam keadaan sehat walafiat dan dalam Lindungan Allah SWT. Aamiin
Selamat datang di mata kuliah Penambangn Data (SSD23413) online/daring SPADA (Sistem Pembelajaran Daring) Jurusan Sistem Informasi Prodi Sains Data Fakultas Ilmu Komputer IIB Darmajaya. Mata kuliah ini ditujukan bagi peserta didik yang sedang mengambil program S1 Sarjana pada rumpun Ilmu Komputer, terutama terkait dengan bidang Sains Data
Mata kuliah DATA MINING ini memiliki beban 4 SKS (2 SKS teori dan 2 SKS pratek). Detail pembelajaran selama 1 semester dapat dilihat pada Rencana Pembelajaran Semester (RPS) yang dapat diunduh melalui http://rps.darmajaya.ac.id/
Selamat mengikuti perkuliahan ini dengan baik, Salam hangat dan tetap semangat!
Keep Calm and Learn at Home.Wassalamu'alaikum Wr. Wb
Sri Karnila-
DESKRIPSI MATAKULIAH
Data mining adalah matakuliah yang mempelajari tentang proses penemuan pola, tren, korelasi, atau hubungan dalam dataset besar untuk mengekstraksi informasi atau wawasan yang berguna. Ini melibatkan berbagai teknik dari statistik, pembelajaran mesin, dan sistem basis data untuk menganalisis dan menginterpretasi data. Tujuan utama dari data mining adalah untuk mengungkap pola tersembunyi dan pengetahuan dari volume data yang besar, yang kemudian dapat digunakan untuk pengambilan keputusan, prediksi, dan optimisasi di berbagai bidang seperti bisnis, ilmu pengetahuan, kesehatan, keuangan, dan pemasaran. Teknik data mining umum termasuk pengelompokan, klasifikasi, regresi, penambangan aturan asosiasi, deteksi anomali, dan penambangan teks
-
TATA CARA PERKULIAHAN HYBRID (BAURAN ONLINE/OFFLINE)
1. Mahasiswa masuk perkuliahan OFFLINE
2. Presensi kehadiran perkuliahan tetap melalui student di SIAKAD dan Attendance di LMS baik perkuliahan
secara OnLINE
3. Seluruh mahasiswa dan dosen yang melaksanakan perkuliahan secara OFFLINE
-
CAPAIAN PEMBELAJARAN
PL04
Mampu mengidentifikasi dan merumuskan masalah dalam bidang sains data menggunakan statistika, matematika, pemrograman, dan teknologi computer untuk mendapatkan pengetahuan baru
PL06
Mampu menerapkan pengelolaan data besar (pengumpulan, penyimpanan, representasi, pemeliharaan), dan menjamin ketersediaan data untuk pengolahan data menjadi pengetahuan baru
PL07
Mampu menerapkan pemikiran logis, kritis, sistematis, dan inovatif dalam konteks pengembangan atau implementasi ilmu pengetahuan dan/atau teknologi sesuai dengan bidang keahliannya dengan menunjukkan kinerja mandiri, bermutu, dan terukur.
PL09
Mampu mengambil keputusan secara tepat dalam konteks penyelesaian masalah di bidang keahliannya berdasarkan hasil analisis terhadap informasi dan data
PL10
Mampu memilih metoda yang tepat, dan mengoperasikan tools untuk mengoptimalkan penyelesaian masalah data tertentu untuk menghasilkan pengetahuan baru yang mendukung strategi dan kemajuan bisnis.
PL12
Mampu menganalisis, mengidentifikasi, dan merumuskan masalah data dalam bidang sains data menggunakan ilmu statistika dan matematika serta aplikasinya untuk mendapatkan informasi dan pengetahuan baru
-
PETA PEMBELAJARAN
-
STRUKTUR PELAKSANAAN
Struktur Pelaksanaan Perkuliahan mata kuliah Perangkat Lunak Sistem Informasi, diharapkan seluruh peserta didik dapat menyelesaikan mata kuliah ini dalam kurun waktu satu semester Adapun struktur pelaksanannya adalah sebagai berikut:
- Peserta didik diwajibkan membaca setiap materi dan konten yang diberikan per pokok bahasan.
- Peserta didik wajib mengisi presensi kehadiran sesuai jadwal di SIAKAD dan pada menu atttendace setiap kali melaksanakan perkuliahan online.
- Peserta didik secara aktif berpartisipasi dalam diskusi baik secara sinkron (zoom, google meet) maupun asinkron (diskusi di LMS).
- Peserta didik mengerjaan tugas, kuis, maupun aktifitas lain yang telah disediakan.
- Setelah peserta didik mempelajari seluruh pokok bahasan pada pertemuan 1 sampai dengan 7, maka peserta didik dapat mengikuti UTS.
- Pada saat seluruh pokok bahasan telah dipahami dan dipelajari oleh peserta didik, maka yang bersangkutan dapat mengikuti UAS.
- Seluruh bentuk aktivitas selama perkuliahan online harus terdata di LMS ini.
-
MODEL ASESMEN
Range
Nilai
Bobot
80 - 100
A
4
75 ΓÇô 79.5
A-
3.75
70 ΓÇô 74.5
B+
3.5
65 ΓÇô 67.5
B
3
55 ΓÇô 64.5
C
2
30 ΓÇô 54.5
D
1
<30
E
0
-
BOBOT PENILAIAN
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%) -
KONTRAK PERKULIAHAN
-
BUKU REFRENSI
-
-
Assalamu'alaikum Wr. Wb
Apa kabar semuanya? semoga tetap dalam keadaan sehat dan semangat.
Pada pertemuan minggu 1 ini kita akan membahas adalah Introduction Penambangan data, dengan sub pokok bahasan :
Sesi pertama : Kontrak kuliah
Sesi Kedua dengan sub pokok bahasan : Introduction to Data Mining- The Data Explosion
- Knowledge Discovery
- Applications of Data Mining
Selamat belajar
Terima kasihWassalamu'alaikum Wr. Wb
Sri Karnila -
-
Assalamu'alaikum Wr. Wb
Apa kabar semuanya? semoga tetap dalam keadaan sehat dan semangat.
Pada pertemuan minggu 2 kita akan membahas Data for Data Mining
Dengan sub pokok bahasan :
- Standard Formulation
- Types of Variable
- Data Preparation
- Missing Values
- Reducing the Number of Attributes
- The UCI Repository of Datasets
di Sesi kedua dengan bahasan :
- Open software untuk penambangann data dengan google colab, jupyter notebook
- Merepresentasikan cara penambangan data dan persiapan data untuk preposesing
Selamat belajar
Terima kasihWassalamu'alaikum Wr. Wb
Sri Karnila -
-
Assalamu'alaikum Wr. Wb
Apa kabar semuanya? semoga tetap dalam keadaan sehat dan semangat.
Pada pertemuan minggu 3 kita akan membahas
Dealing with Large Volumes of Data
sub pokok bahasan :
- Introduction
- Distributing Data onto Multiple Processors
- Case Study: PMCRI
- Evaluating the Effectiveness of a
di Sesi kedua dengan bahasan :
- Evaluating the Effectiveness of a Distributed System: PMCRI
- Revising a Classifier Incrementally
Selamat belajar
Terima kasihWassalamu'alaikum Wr. Wb
Sri Karnila-
-
-
Berikut adalah link google class pertemuan minggu ke 3 : https://meet.google.com/tkz-xgps-iua
Mohon bergabung pukul 09.00, upayakan ruangan kondusif untuk pembelajaran. Terima kasih -
Bukti pembelajaran online via google meet :
-
-
Assalamu'alaikum Wr. Wb
Apa kabar semuanya? masih dalam suasana idul fitri, perkenankan ibu meminta maaf jika ada kesalahan baik sengaja atapun tidak, dan semoga tetap dalam keadaan sehat dan semangat belajar
Pada pertemuan minggu 4 kita akan membahas
Dealing with Large Volumes of Data
sub pokok bahasan :
Introduction to Classification
- What Is Classification
- Naive Bayes Classifiers
- Nearest Neighbour Classification
- Eager and Lazy Learning
di Sesi kedua dengan bahasan :
pratikum
Selamat belajar
Terima kasihWassalamu'alaikum Wr. Wb
Sri Karnila -
Assalamu'alaikum Wr. Wb
Apa kabar semuanya? semoga tetap dalam keadaan sehat dan semangat belajar
Pada pertemuan minggu 5 ini, merupakan lanjutan dari pertemuan ke 4. kita akan membahas
Dealing with Large Volumes of Data
sub pokok bahasan :
Introduction to Classification
- What Is Classification
- Naive Bayes Classifiers
- Nearest Neighbour Classification
- Eager and Lazy Learning
di Sesi kedua dengan bahasan :
pratikum
Selamat belajar
Terima kasihWassalamu'alaikum Wr. Wb
Sri Karnila -
-
Assalamu'alaikum Wr. Wb
Apa kabar hari ini? semoga tetap dalam keadaan sehat dan semangat belajar
Pada pertemuan minggu 6 ini, merupakan lanjutan dari pertemuan ke 4. kita akan membahas
Inducing modular rules for clasification
sub pokok bahasan :
Introduction to Classification
- Rule Post-pruning
- Conflict Resolution
- Problems with Decision Trees
- The Prism Algorithm
di Sesi kedua dengan bahasan :
pratikum Problems with Decision Trees
Selamat belajar
Terima kasihWassalamu'alaikum Wr. Wb
Sri Karnila -
Assalamu'alaikum Wr. Wb
Apa kabar hari ini? semoga tetap dalam keadaan sehat dan semangat belajar
Pada pertemuan minggu 7 ini, merupakan lanjutan dari pertemuan ke 4. kita akan membahas
Estimating the Predictive Accuracy of a Classifier
sub pokok bahasan :
Introduction to Classification
- Introduction
- Separate Training and Test Sets
- k-fold Cross-validation
- N -fold Cross-validation
- Confusion Matrixdi Sesi kedua dengan bahasan :
pratikum Problems with training an test sets
Selamat belajar
Terima kasihWassalamu'alaikum Wr. Wb
Sri Karnila -

Assalamu'alaikum.wr.wb,
Selamat melaksanakan ujian tengah semester, mohon membaca pentunjuk pengerjaan, dan kerjakan jawaban dengan benar dan teliti.
Terima kasih
Salam sukses untuk kita semua. -
Assalamu'alaikum Wr. Wb
Apa kabar hari ini? semoga tetap dalam keadaan sehat dan semangat belajar
Pada pertemuan minggu 9 ini, kita review hasil ujian tengah semester dan melanjutkan materi kita akan membahas Ensemble Classification
sub pokok bahasan :
- Introduction
- Estimating the Performance of a Classifier
- Selecting a Different Training Set for Each
- Classifier
- Selecting a Different Set of Attributes for
Each Classifier
- Combining Classifications: Alternative
Voting Systems
di Sesi kedua dengan bahasan : pratikum Estimating the Performance of a Classifier
Selamat belajar
Terima kasihWassalamu'alaikum Wr. Wb
Sri Karnila-
Berikut adalah salath satu jurnal yang terkait dengan implentasi machine learning. Silahkan download sebagai materi tambaham minggu ke 9 ini
-
-
Assalamu'alaikum Wr. Wb
Pada pertemuan minggu 10 ini, kita review dan melanjutkan studi kasus terkait dengan Ensemble Classification
sub pokok bahasan :
- Estimating the Performance of a Classifier
- Selecting a Different Training Set for Each
- Classifier
- Selecting a Different Set of Attributes for Each Classifier
- Combining Classifications: Alternative Voting Systems
di Sesi kedua dengan bahasan : pratikum Estimating the Performance of a Classifier
Selamat belajar
Terima kasihWassalamu'alaikum Wr. Wb
Sri Karnila -
Assalamu'alaikum Wr. Wb
Pada pertemuan minggu 10 ini, kita review dan melanjutkan studi kasus terkait dengan
Association Rule Mining
sub pokok bahasan :
- Introduction
- Finding the Best N Rules
- Support for an Itemset
- Association Rules
- Generating Association Rules
- Aprioridi Sesi kedua dengan bahasan : pratikum Association Rule Mining
Selamat belajar
Terima kasih
Wassalamu'alaikum Wr. Wb
Sri Karnila-
Silahkan kumpulkan hasil progres tugas kelompok pada di link berikut.
Terima kasih
-
-
Assalamu'alaikum Wr. Wb
Pada pertemuan minggu 12 ini, kita review dan melanjutkan studi kasus terkait dengan
progres tugas kelompok,
Selamat progres
Terima kasih
Wassalamu'alaikum Wr. Wb
Sri Karnila -
Assalamu'alaikum Wr. Wb
Pada pertemuan minggu 13, Pertemuan ke 24 dan 25 ini, kita melanjutkan studi kasus terkait dengan
progres tugas kelompok, dan presentasi.
Selamat progres
Terima kasih
Wassalamu'alaikum Wr. Wb
Sri Karnila -
Assalamu'alaikum Wr. Wb
Pada pertemuan minggu 14, Pertemuan ke 26 dan 27 ini, kita melanjutkan studi kasus terkait dengan
progres tugas kelompok, dan presentasi.
Silahkan dikumpulkan laporan akhir bagi yang sudah presentasi.
Terima kasih
Wassalamu'alaikum Wr. Wb
Sri Karnila -
Assalamu'alaikum Wr. Wb
Pada pertemuan minggu 15 Pertemuan ke 28 dan 29 ini, kita melanjutkan studi kasus terkait dengan
progres tugas kelompok, dan presentasi dan latihan persiapan Ujian Akhir Semester
Silahkan dikumpulkan laporan akhir bagi yang sudah presentasi.
Terima kasih
Wassalamu'alaikum Wr. Wb
Sri Karnila-
-
Bagi yang belum mengumpulkan tugas kelompok, silahkan kumpulkan pada link berikut. Terima kasih
-
-
Assalamu'alaikum.wr.wb
Selamat pagi, pada hari ini kita akan mengadakan ujian akhir semester (pratikum), mohon membaca petunjuk pengerjaan dan soal dengan teliti, serta kerjakan dengan benar.
Pengumpulan jawaban dapat berupa link , file.doc, pada link lms berikut sesuai dengan waktu yang telah ditentukan.
Selamat mengerjakan,
salam Sukses
Dosen Pengampu, Sri Karnila
-
Silahkan kumpulkan link atau file doc lembar jawaban hasil pengerjaan anda pada link berikut.
Penting di ingat pengumpulan sesuai dengan waktu yang telah ditentukan. terima kasih
-