RPS Data Mining

(1)

1

RENCANA PEMBELAJARAN

SEMESTER

(RP

S)

PPKI72117

DATA MINING

PROGRAM STUDIS1 SISTEM

INFORMASI FAKULTAS ILMU

KOMPUTER (FILKOM)

(2)

2

LEMBAR PENGESAHAN

RencanaPembelajaranSemester (RPS) initelahdisahkanuntuk

matakuliahsbb:

Kode Mata Kuliah : PPKI72117

Nama Mata Kuliah : Data Mining

Padang, 2012

Menyetujui

Kaprodi S1 Sisitem Informasi

(3)

3

DAFTARISI

LEMBARPENGESAHAN...

...ii

DAFTAR

ISI...

...iii

A. PROFILMATA

KULIAH...1

B. RENCANA PEMBELAJARANSEMESTER

(RPS) ...2

C. RANCANGANINTERAKSIDOSEN–

MAHASISWA...9

D.

RANCANGANTUGAS... ...12

E.

PENILAIANDENGANRUBRIK... ...13

F.

(4)

4

A. PROFIL MATA KULIAH

IDENTITASMATAKULIAH

NamaMataKuliah :

Data Mining

KodeMataKuliah : PPKI72117

SKS : 2

Jenis : MK Peminatan

Jampelaksanaan : Tatap muka dikelas =2x50 menitperminggu

Responsi =1x50 menitperminggu

Semester/ Tingkat :

Pre-requisite : Basis Data Relasional, Probabilitas dan Statistika Co-requisite : Data Warehouse, Machine Learnin

BidangKajian :

DESKRIPSI SINGKATMATAKULIAH

Kuliah Data Mining berisi pengajaran tentang data, teknik-teknik mengolah data, teknik penggalian

data, sehingga diperoleh pola-pola tertentu yang dapat menjadi informasi yang berguna dan juga

aplikasi dan permasalahan penerapannya pada kondisi riil

DAFTAR PUSTAKA

1. Introduction to Data Mining 2nd Edition, Tan, Pang-Ning; Steinbach, Michael;

Kumar, Vipin, Pearson Education, Inc, 2015

2. Data Mining Concepts and Techniques 3rd edition, Han, Jiawei; Kamber, Micheline, and Jian Pei, Morgan Kaufmann, 2011

3. Data Mining and Knowledge Discovery Handbook Second Edition,Maimon,Oded; Rocach, Lior, Springer, 2010

(5)

5

B. RENCANA PEMBELAJARAN SEMESTER(RPS)

Mingg

u Kemampuan Akhir yangDiharapkan Bahan Kajian(Materi Ajar) PembelajaranBentuk Kriteria/Indikator Penilaian BobotNilai

1

 memahami sistem perkuliahan, sistem penilaian, dan tata tertib kuliah

 mengetahui maksud dan tujuan statistika dan probabilitas

RPS

Kontrak kuliah Pendahuluan

Ceramah dan Tanya jawab

mahasiswa mencatat semua informasi secara ringkas pada log book

2

 mampu menjelaskan latar belakang munculnya teknik data mining serta tahapan-tahapan umum dalam proses data mining

Pengenalan data mining :

- defenisi dan latar belakang data mining

- tahapan-tahapan proses data mining

Ceramah, Tanya

jawab dan

penyelesaian soal

Mahasiswa merespon aktif materi yang diberikan dengan cara bertanya dan berdiskusi.

3

 dapat menjelaskan defenisi data dan proses awal yang dilakukan terhadap data agar dapat menjadi inputan yang baik dalam teknik data mining

Data

- jenis dan kualitas data

- preprocessing dan teknik pengukuran data

Ceramah, Tanya

jawab dan

penyelesaian soal

Mahasiswa merespon aktif materi yang diberikan dengan cara bertanya

4

 dapat menjelaskan

teknik-teknik untuk

merepresentasikan data

Eksplorasi Data - statistic data dan

visualisasi data - analisis data multi

dimensional dan OLAP

Ceramah, Tanya

jawab dan

penyelesaian soal

5 – 7  dapat menjelaskan teknik klasifikasi dalam data mining

Klasifikasi - konsep dasar

klasifikasi

Ceramah, Tanya

jawab dan

Presentasi

Relevansitugas,

(6)

6

- decision tree and model overfitting - evaluasi kinerja

pengklasifikasian - metoda untuk

membandingkan pengklasifikasian - algoritma nearest

neightnour,

Bayesian, ensemble method

- imbalance class problem

8

Mampu mempresentasikan rencana proyek penelitian data mining secara proposal

UTS Mini project Mahasiswa mampu

merancang proposal penelitian

30%

9– 10

 memahami teknik analisis asosiasi dalam data mining

Analisis Asosiasi - algoritma FP Growth - teknik evaluasi

pola-pola asosiasi - frequent itemset

generation - rule generation,

compact

representasion of frequent itemset - menangani atribut

kategoris dan atribut kontinu dalam analisis asosiasi - pola sequential,

subgraph dan infrequent

Ceramah, Tanya

jawab dan

penyelesaian soal

11 dan 12

 dapat menjelaskan teknik klustering dalam data mining

Klustering

- defenisi dan konsep dasar clustering - algoritma K-Means &

Ceramah, Tanya

jawab dan

Persentasi

(7)

7

Hierarchical clustering

- algoritma DBSCAN - evaluasi clustering - karakteristik data,

cluster dan algoritma clustering

- prototype-based & Density-based clustering - graph-based

clustering - skalabilitas

clustering

13

 dapat menjelaskan bagaimana menangani anomaly data dan mendeteksi adanya anomaly data

Anomaly data - defenisi anomaly

data dan pendekatan statistic untuk mengatasi anomaly data

- deteksi dengan proximity-based outlier, deteksi density-based outlier, clustering-based technique

Ceramah, Tanya

jawab dan

Persentasi

Relevansi tugas, Kecakapan

presentasi

14 dan 15

 dapat menjelaskan gambaran aplikasi data mining dalam berbagai bidang

Aplikasi dan trend data mining

- spasial dan multimedia data mining

- text dan web mining

- penerapan data mining dalam bidang finansial, retail industry , telekomunikasi,

Ceramah, Tanya

jawab dan

penyelesaian soal

(8)

8

biologi dan aplikasi sains

- produk-produk sistem data mining dan prototype riset

16 Mampu mempresentasikan hasil penelitian yang sesuai dengan rencana proposal

Materi Pra UAS Kuis Mahasiswa mampu

melaporkan hasil penelitian statistika dan probabilitas

20%

(9)

9

C. RANCANGAN INTERAKSI DOSEN–MAHASISWA

Kemampuan Akhir yang

Diharapkan Mahasiswa mampu mengidentifikasi dan menjelaskan kembali materi yang diberikan

Nama Kajian 1. Pengenalan Data Mining

2 . Data 3

. Eksplorasi Data 4

. Klasifikasi 5

. Asosiasi 6

. Klustering 7

. Anomali Data 8

. Aplikasi dan Tren Data Mining

Nama Strategi Ceramah dan diskusi

Minggu Penggunaan Strategi

(Metode) 4-7, 9-15

Deskripsi Singkat Strategi

(Metode) Dosen mengulas materi sebelumnya,

pembelajaran menjelaskan tujuan, hasil pembelajaran, materi, dan kesimpulan, serta mendorong

mahasiswa untuk aktif bertanya dan mengemukakan pendapat terkait materi yang

disampaikan.

RANCANGAN INTERAKSI DOSEN–MAHASISWA

Aktivitas Dosen Aktivitas Mahasiswa

Pendahuluan : Mengungkapkan apa yang telah dipahami dari Mengulas materi yang telah

diberikan materi yang telah disampaikan pada

pada pertemuan sebelumnya

(untuk _{pertemuan sebelumnya.}

pertemuan 2 dst)

Menjelaskan tentang tujuan Menyimak penjelasan dosen. pembelajaran dari kegiatan

pembelajaran

Mengarahkan mahasiswa untuk Menyiapkan diri menerima materi yang akan melibatkan diri dan aktif dalam

kegiatan disampaikan.

(10)

10

Membahas materi Menyimak dan mencatat hal-hal penting dari materi yang disampaikan oleh dosen. Bertanya apabila ada materi yang kurang jelas.

Diskusi dan Tanya Jawab:

Menjawab pertanyaan yang diberikan.

Mengajukan sejumlah

pertanyaan

terkait materi yang telah

diberikan

Penutup

Menyimak kesimpulan.

Menyumpulkan Materi

Kemampuan Akhir yang

Diharapkan Mahasiswa/i dapat menjelaskan lebih lanjut dasar-dasar data mining dan metoda pengklasifikasi yang sudah dipelajari

Nama Kajian Dasar-dasar Data Mining, Klasifikasi & Analisis Asosiasi

- Review Dasar-dasar Data Mining

- Review Klasifikasi dan Analisis Asosiasi

Nama Strategi Diskusi dan Presentasi

(Metode) 5-7

Deskripsi Singkat Strategi

(Metode) Mahasiswa secara berkelompok

pembelajaran mempresentasikan hasil tugas kedua yang telah dikerjakannya, kelompok lain bertugas untuk

mengajukan pertanyaan dan memberikan nilai

sesuai kriteria penilaian yang telah diberikan

RANCANGAN INTERAKSI DOSEN–MAHASISWA

Aktivitas Dosen Aktivitas Mahasiswa

- Membuka sesi presentasi

- Menyiapkan slide presentasi berdasarkan

- Memberikan pengarahan tentang tata

dokumen rencana proyek yang telah disusun

(11)

11

- Memberikan penugasan

kepada setiap - berdasarkanMencatat masukan dan koreksi kelompok untuk mengajukan hasil diskusi

pertanyaan dan memberikan

nilai _-_{Mengajukan pertanyaan dan menilai}

kepada setiap kelompok yang _{kelompok lain yang sedang} presentasi

melakukan presentasi _-_{Memperbaiki dokumen rencana} proyek

- Menjadi moderator sesi

presentasi _{berdasarkan masukan yang didapat}

ketika

- Membahas hasil presentasi dari

setiap diskusi

kelompok

- Menutup sesi presentasi Kemampuan Akhir yang

Diharapkan Mahasiswa/i mampu Memilih dan menerapkan teknik Data Mining dalam

menyelesaikan

permasalahan sesuai dengan studi kasus yang

ada

Nama Kajian Tugas Besar

Nama Strategi Presentasi

(Metode) 11-13

Deskripsi Singkat Strategi (Metode) Mahasiswa secara berkelompok

Pembelajaran

mempresentasikan hasil Tugas yang telah

dikerjakannya, kelompok lain bertugas untuk

mengajukan pertanyaan dan memberikan nilai

sesuai kriteria penilaian yang telah diberikan

RANCANGAN INTERAKSI DOSEN–MAHASISWA Aktivitas Dosen Aktivitas Mahasiswa

(12)

12

- Memberikan pengarahan tentang tata

topik tugas besar yang telah diberikan

tertib presentasi - Mempresentasikan hasil tugas

- Memberikan penugasan kepada setiap

- Mencatat masukan dan koreksi berdasarkan

kelompok untuk mengajukan hasil diskusi pertanyaan dan memberikan

nilai _-_{Mengajukan pertanyaan dan menilai}

kepada setiap kelompok yang _{kelompok lain yang sedang} presentasi

melakukan presentasi

- Memperbaiki hasil tugas besar sesuai

- Menjadi moderator sesi

presentasi dengan masukan revisi yang

diberikan dan

- Membahas hasil presentasi dari

setiap berdasarkan masukan yang didapat ketika

Kelompok diskusi

- Menutup sesi presentasi

D. RANCANGAN TUGAS

KodemataKuliah PPKI72117

NamaMataKuliah Data Mining

KemampuanAkhir

yangDiharapkan Setelah mengikuti mata kuliah ini, mahasiswa dapat mengenali dan membedakan tipe data,

menggunakan

tools data mining untuk tahapan preprocessing, memilih

teknik yang tepat untuk pemrosesan data

Minggu/Pertemuanke 15

Tugas ke Tugas Besar

1. Tujuantugas:

Mahasiswa/i mampu Memilih dan menerapkan teknik Data Mining mulai dari persiapan

data sampai dengan task data mining dalam menyelesaikan permasalahan riil yang

disajikan dalam bentuk aplikasi data mining.

2. Uraian Tugas: A. Obyek garapan

Mahasiswa mampu mengembangkan aplikasi baik berupa mobile, desktop maupun web dengan menggunakan teknik pemrosesan penggalian data sesuai dengan tujuan yang diharapkan,

Penyelesaian aplikasi dapat memilih diantara satu klasifikasi, klastering, asosiasi dan deteksi anomali.

b. Yang harus dikerjakan dan batasan-batasan

(13)

13

Aplikasi dapat berbasis Mobile, Web atau Non Web (Desktop). Aplikasi yang dibangun dapat diperuntukan untuk personal, publik maupun organisasi

Aplikasi dapat berbasis Mobile, Web atau Non Web (Desktop).

c. Metode/ cara pengerjaan, acuan yang digunakan - Problem Solving secara berkelompok 4-5 orang - Milestone Tugas Besar : diawali dengan membuat Proposal (Feasibility Study)

Package Software Aplikasi Poster dan CD

Laporan Dokumentasi

Pameran dan Penjurian Pemenang Contest

d. Deskripsi luaran tugas yang dihasilkan/ dikerjakan - Proposal (Feasibility Study) - Package Software Aplikasi - Poster dan Video Profile tentang aplikasi - Laporan Dokumentasi dalam bentuk hardcopy format jurnal 2 kolom –CD

3. Kriteria penilaian: Penilaian tugas ini akan didasarkan pada : a. Nilai kegunaan aplikasi dan kesesuaian metodologi 30% b. Kemampuan presentasi 15%

c. Kelengkapan Luaran yang harus dihasilkan 30% d. Sistematika Penulisan Dokumentasi 25%

E. PERSENTASE KOMPONEN PENILAIAN

1. Kuis :

10% 2. Tugas Besar :

10%

3. UTS :

20%

4. UAS :

60%

F. PENILAIAN DENGAN RUBRIK

Jenjan g (Grad

Angka

(Skor) Deskripsiperilaku(Indikator)

A >80 Tugas dikerjakan dengan tepat waktu,aplikasi sudah berjalan dengan baik , laporan dalam bentuk jurnal ditulis dengan baik, luaran tugas besar sudah lengkap, presentasi sangat baik

(14)

14

C 55–64 TabelbenTerlambat/ Tugas dikerjakan dengan tepat, _{aplikasi sudah berjalan dengan baik , laporan dalam} bentuk jurnal ditulis dengan cukup baik, luaran tugas besar sudah lengkap, presentasi cukupar,design form benar, Query salah, relasi salah

D 45–54 Tugas tidak dikerjakan dengan tepat, aplikasi tidak _{berjalan dengan baik (masih ada bug), kelengkapan} luaran tugas besar sangat kurang

E ≤44 Tidak mengerjakan tugas atau plagiat

G. PENENTUAN NILAI AKHIRMATAKULIAH

Nilai Angka (NA) Nilai Huruf (NH)

NA>80 A

65<NA≤79 B

55<NA ≤64 C

45<NA≤54 D