1
RENCANA PEMBELAJARAN SEMESTER
(RPS)
KKKF53106
DATA MINING
PROGRAM STUDI S1 TEKNIK INFORMATIKA
FAKULTAS ILMU KOMPUTER (FILKOM)
2
LEMBAR PENGESAHAN
Rencana Pembelajaran Semester (RPS) ini telah disahkan untuk matakuliah sbb:
Kode Mata Kuliah : KKKF53106
Nama Mata Kuliah : Data Mining
Padang, 2017
Menyetujui
Kaprodi S1Teknik Informatika
3
DAFTARISI
LEMBAR PENGESAHAN...ii
DAFTAR ISI...iii
A. PROFIL MATA KULIAH...1
B. RENCANA PEMBELAJARAN SEMESTER (RPS) ...2
C. RANCANGAN INTERAKSI DOSEN–MAHASISWA...9
D. RANCANGAN TUGAS...12
E. PENILAIAN DENGAN RUBRIK...13
4
A. PROFIL MATA KULIAH
IDENTITASMATAKULIAH
Nama MataKuliah :
Data Mining
Kode MataKuliah : kkKF53106
SKS : 3
Jenis : MK Wajib
Jam pelaksanaan : Tatap muka dikelas =3x50 menit perminggu Responsi =1x50 menit perminggu
Semester/ Tingkat : 5/3
Pre-requisite : Basis Data Relasional, Probabilitas dan Statistika Co-requisite : Data Warehouse, Machine Learnin
Bidang Kajian :
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
B. RENCANA PEMBELAJARAN SEMESTER(RPS)
Minggu Kemampuan Akhir yang Diharapkan Bahan Kajian
(Materi Ajar) Bentuk Pembelajaran Kriteria/Indikator Penilaian Bobot Nilai
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
Mahasiswa merespon aktif materi yang diberikan dengan cara bertanya dan berdiskusi.
5 – 7 dapat menjelaskan teknik klasifikasi dalam data mining
Klasifikasi
- konsep dasar klasifikasi - decision tree and model
overfitting - evaluasi kinerja
pengklasifikasian
Ceramah, Tanya jawab dan Presentasi
Relevansitugas,
6 - 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
Mahasiswa merespon aktif materi yang diberikan dengan cara bertanya dan berdiskusi.
11 dan 12
dapat menjelaskan teknik klustering dalam data mining
Klustering
- defenisi dan konsep dasar clustering - algoritma K-Means &
Hierarchical clustering - algoritma DBSCAN - evaluasi clustering
Ceramah, Tanya jawab dan Persentasi
Relevansi tugas,
7 - 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, biologi dan aplikasi sains - produk-produk sistem
data mining dan prototype riset
Ceramah, Tanya jawab dan penyelesaian soal
Mahasiswa merespon aktif materi yang diberikan dengan cara bertanya dan berdiskusi.
8 16 Mampu mempresentasikan hasil
penelitian yang sesuai dengan rencana proposal
Materi Pra UAS Kuis Mahasiswa mampu melaporkan
hasil penelitian statistika dan probabilitas
20%
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.
pembelajaran
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.10
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
Minggu Penggunaan Strategi (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 tertib presentasi - Mempresentasikan rencana proyek
- 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 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
11
Minggu Penggunaan Strategi (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
- Membuka sesi presentasi - Menyiapkan slide presentasi berdasarkan - 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
Kode mata Kuliah KKKF53106 Nama Mata Kuliah Data Mining
Kemampuan Akhir yang Diharapkan 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 hingga
menginterpretasikan/menganalisis hasil luaran yang dihasilkan.
Minggu/Pertemuanke 15
12
1. Tujuan tugas:
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
Mahasiswa harus mengerjakan aplikasi data mining dengan kriteria sbb: 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%
13
F. PENILAIAN DENGAN RUBRIK
Jenjang (Grade)
Angka
(Skor) Deskripsi perilaku (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
B 65 –79 Tugas dikerjakan dengan tepat waktu,aplikasi sudah berjalan dengan baik , laporan dalam bentuk jurnal ditulis dengan cukup baik, luaran tugas besar sudah lengkap, presentasi baik
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 AKHIR MATAKULIAH
Nilai Angka (NA) Nilai Huruf (NH)
NA>80 A 65<NA≤79 B 55<NA ≤64 C 45<NA≤54 D NA<45 E