RENCANA PEMBELAJARAN SEMESTER (RPS)

(1)

1

RENCANA PEMBELAJARAN SEMESTER

(RPS)

KKKF53106

DATA MINING

PROGRAM STUDI S1 TEKNIK INFORMATIKA

FAKULTAS ILMU KOMPUTER (FILKOM)

(2)

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)

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)

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)

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

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

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)

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

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)

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

(8)

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)

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)

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

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)

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

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)

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)

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