MATA KULIAH – KODE 463533 DATA MINING (Semester 7) Kelas B

MATA KULIAH

–

KODE 463533

DATA MINING

(Semester 7)

Kelas B

Dosen Pengampu:

Elsen Ronando, S.Si.,M.Si.,M.Sc.

NPP. 20460.16.0708

NIDN. 0706039003

KONTRAK PERKULIAHAN

PRODI STUDI TEKNIK INFORMATIKA

FAKULTAS TEKNIK

–

UNTAG SURABAYA

Prodi Studi Teknik Informatika

Fakultas Teknik

Universitas 17 Agustus 1945 Surabaya

2

KONTRAK PERKULIAHAN

Mata Kuliah : Data Mining Kode/Bobot MK : 463533 / 3 sks

Fakultas/Prodi : Fakultas Teknik / Teknik Informatika

Semester : 7 (Tujuh)

Kelas : B

Jumlah Pertemuan : 1 - 14 minggu pertemuan

Hari Pertemuan/Jam : Hari Kamis / 09.30 – 12.00 WIB

Ruang : L806

Standar Kompetensi :

 Menginternalisasi nilai, norma, dan etika akademik.

 Menunjukkan sikap bertanggungjawab atas pekerjaan di bidang keahliannya secara mandiri.

 Menginternalisasi semangat kemandirian, kejuangan, dan kewirausahaan.

 Mampu menerapkan pemikiran logis, kritis, sistematis, dan inovatif dalam konteks pengembangan atau implementasi ilmu pengetahuan dan teknologi yang memperhatikan dan menerapkan nilai humaniora yang sesuai dengan bidang keahliannya.

 Mampu menunjukkan kinerja mandiri, bermutu, dan terukur.

 Mampu mengambil keputusan secara tepat dalam konteks penyelesaian masalah di bidang keahliannya, berdasarkan hasil analisis informasi dan data.

 Mampu mendokumentasikan, menyimpan, mengamankan, dan menemukan kembali data untuk menjamin kesahihan dan mencegah plagiasi.

 Memiliki sikap untuk belajar seumur hidup (life-long learning).

 Mencari, merunut, menyarikan informasi ilmiah dan non-imiah secara mandiri dan kritis.

 Beradaptasi terhadap situasi yang dihadapi dan menangani berbagai kegiatan secara simultan pada berbagai kondisi.

 Mampu menunjukkan pemahaman dan apresiasi pentingnya negosiasi, etos kerja, kepemimpinan, dan komunikasi yang baik.

 Menentukan dan menerapkan pendekatan berbagai konsep data mining yang sesuai dengan permasalahan yang dihadapi.

 Menerapkan penggunaan model, metode, dan mekanisme dari pendekatan data mining.

 Evaluasi kinerja dari penerapan data mining yang sesuai dengan problem yang dihadapi, termasuk dalam pemilihan model, metode dan mekanismenya.

Dosen Pengampu : Elsen Ronando, S.Si.,M.Si.,M.Sc.

I. MANFAAT MATA KULIAH

3

dengan bidang studi Teknik Informatika. Selain itu, mahasiswa/i juga diharapkan mampu berpikir logis, kritis, sistematis, dan analitik dalam menyelesaikan beberapa permasalahan baik secara mandiri maupun berkelompok. Mahasiswa/i juga diharapkan mampu mendukung perkembangan ilmu pengetahuan sains dan teknologi dengan menerapkan konsep-konsep dasar data mining, seperti optimisasi algoritma, analisa penyelesain big data, dan lain-lain.

II. DESKRIPSI MATA KULIAH

Pada mata kuliah ini, mahasiswa/i secara umum akan mempelajari dasar-dasar data mining yang terkait dengan program studi Teknik Informatika (khususnya bidang ilmu komputasi). Beberapa poin pokok bahasan yang akan disajikan dalam mata kuliah ini, antara lain: dasar-dasar pengetahuan tentang data mining, teknik preprocessing data, konsep data warehouse, pola analisa assosiasi dan korelasi, klasifikasi dan prediksi, analisa kluster, analisa outlier, stream data mining, time-series data mining dan baris data, obyek mining, multimedia spasial, teks dan web mining, graf mining, analisa jaringan sosial dan multirelasional data mining, dan aplikasi serta trend dalam data mining.

III. STANDAR KOMPETENSI, KOMPETENSI DASAR, DAN INDIKATOR MATA KULIAH

Standar kompetensi mata kuliah Data Mining adalah sebagai berikut:

 Menentukan dan menerapkan pendekatan berbagai konsep data mining yang sesuai dengan permasalahan yang dihadapi.

 Menerapkan penggunaan model, metode, dan mekanisme dari pendekatan data mining.

 Evaluasi kinerja dari penerapan data mining yang sesuai dengan problem yang dihadapi, termasuk dalam pemilihan model, metode dan mekanismenya.

Adapun indikator untuk masing-masing Kompetensi dasar sebagai berikut:

1 2 3

No Kompetensi Dasar Indikator

1. Mahasiswa/i mampu menentukan dan menerapkan pendekatan berbagai konsep data mining yang sesuai dengan permasalahan yang dihadapi.

Mahasiswa/i mampu:

1. Memahami pengetahuan tentang konsep data mining dan aplikasinya dalam menyelesaikan permasalahan

2. Memahami ruang lingkup pembahasan dari setiap topik bahasan data mining.

2. Mahasiswa/i mampu menerapkan penggunaan model, metode, dan mekanisme dari pendekatan data mining.

.

Mahasiswa/i mampu:

1. Mampu memodelkan dan menerapkan metode serta mekanisme untuk menyelesaikan permasalahan menggunakan pendekatan data mining.

2. Mampu menganalisa penerapan model, metode, dan mekanisme yang baik berdasarkan pendekatan data mining.

3. Mahasiswa/i mampu menganalisa dan mengevaluasi kinerja dari

Mahasiswa/i mampu:

4

1 2 3

No Kompetensi Dasar Indikator

penerapan data mining yang sesuai dengan problem yang dihadapi, termasuk dalam pemilihan model, metode dan mekanismenya.

bidang aplikasi, khususnya permasalahan ilmu komputasi.

2. Mengkaji dan mengidentifikasi kinerja dari pendekatan data mining yang digunakan dalam menyelesaikan permasalahan.

5 IV. ORGANISASI MATERI

Mata kuliah Data Mining ini terorganisasi sesuai peta kompetensi atau urutan pokok bahasan sebagai berikut:

(1) Memahami pengetahuan dan ruang lingkup pembahasan tentang konsep data mining dan aplikasinya dalam menyelesaikan permasalahan.

(2) Mampu memodelkan dan menerapkan metode serta mekanisme untuk menyelesaikan permasalahan

menggunakan pendekatan data mining..

(2) Mampu menganalisa penerapan model, metode, dan mekanisme yang baik berdasarkan pendekatan data

mining. (3) Menerapkan pendekatan data mining dalam

beberapa bidang aplikasi, khususnya permasalahan ilmu komputasi.

(4) Mengkaji dan mengidentifikasi kinerja dari pendekatan data mining yang digunakan dalam

menyelesaikan permasalahan.

(5) Membangun dan mengevaluasi penerapan teori dan analisa kalkulus dalam beberapa bidang aplikasi.

STANDAR KOMPETENSI:

 Menentukan dan menerapkan pendekatan berbagai konsep data mining yang sesuai dengan permasalahan yang dihadapi.

 Menerapkan penggunaan model, metode, dan mekanisme dari pendekatan data mining.

 Evaluasi kinerja dari penerapan data mining yang sesuai dengan problem yang dihadapi, termasuk dalam pemilihan model, metode dan mekanismenya.

6 V. MATERI/BAHAN BACAAN

Dalam mata kuliah Data Mining mengacu pada beberapa referensi sebagai berikut:

1. C. Aggarwal, Charu. 2015. Data Mining: The Textbook. New York: Springer International Publishing.

2. Han, Jiawei and Kamber, Micheline. 2006. Data Mining: Concepts and Techniques (second ed.). San Francisco: Elsevier Inc.

3. Tan, Pang-Ning et al.2006. Introduction to Data Mining. Boston: Pearson Addison Wesley 4. J. Zaki, Mohammed and Meira Jr., Wagner. 2014. Data Mining and Analysis: Foundations

and Algorithm. New York: Cambridge University Press.

5. Hastie, Trevor et al.2009.The Elements of Statistical Learning: Data Mining, Inference, and

Prediction (second ed.). New York: Springer Science and Business Media.

Beberapa literatur tambahan juga dimungkinkan sebagai acuan referensi dari mata kuliah ini, meskipun tidak dicantumkan secara tertulis.

VI. STRATEGI PEMBELAJARAN

Dalam mata kuliah Data Mining ini menggunakan strategi pembelajaran langsung yaitu tatap muka dengan brainstorming, ceramah dan diskusi. Untuk umpan balik, beberapa kuis dan tugas diberikan kepada mahasiswa/i yang bertujuan untuk meninjau tingkat pemahaman dan capaian pembelajaran. Selain itu, tugas dan kuis tersebut juga mampu mengasah kemampuan mahasiswa/i dalam berpikir kritis, analisis, dan sistematis secara individu maupun kelompok (kajian pustaka karya ilmiah).

VII. TUGAS-TUGAS MATA KULIAH

Dalam satu semester mata kuliah Data Mining ini akan dilakukan beberapa penugasan yang terinci sebagai berikut:

7

No Judul Tugas Jadwal Tugas Tujuan Luaran Konsekuensi

Individu) menggunakan

Dalam mata kuliah Data Mining ketercapaian atau indikator penilaian mahasiswa dirinci sebagai berikut:

Tengah Semester Akhir Semester

a. Keaktifan dan absensi 7 x 5/14 % Total Prosentasi Bobot Nilai = 100%

Adapun standar penilaian yang digunakan sistem Penilaian Acuan Patokan (PAP). Hasil evaluasi dikategorikan sebagai berikut:

Rentang Nilai Angka Nilai Huruf Bobot

8

IX. JADWAL PERKULIAHAN DAN MATERI POKOK

Adapun jadwal perkuliahan mata kuliah Data Mining secara rinci dijelaskan sebagai berikut:

No Minggu ke- Hari, Tanggal Waktu Materi Pokok

1 I Kamis, 02 Maret 2017 09.30 – 12.00 Data Mining : Pendahuluan & Kontrak Perkuliahan

2 II Kamis, 09 Maret 2017 09.30 – 12.00 Data Mining : Teknik Pencarian Data

(Preprocessing Data) (1)

3 III Kamis, 16 Maret 2017 09.30 – 12.00 Data Mining : Teknik Pencarian Data

(Preprocessing Data) (2)

4 IV Kamis, 23 Maret 2017 09.30 – 12.00 Presentasi Tugas Kelompok 5 V Kamis, 30 Maret 2017 09.30 – 12.00 Data Mining: Pola Analisa Asosiasi dan

Korelasi

6 VI Kamis, 06 April 2017 09.30 – 12.00 Kuis I

7 VII Kamis, 13 April 2017 09.30 – 12.00 Data Mining: Klasifikasi & Prediksi 8 VIII Kamis, 20 April 2017 09.30 – 12.00 Evaluasi Tengah Semester (ETS) 9 IX Kamis, 04 Mei 2017 09.30 – 12.00 Data Mining: Pohon ID3 10 X Kamis, 11 Mei 2017 09.30 – 12.00 Libur Nasional Hari Raya Waisak 11 XI Kamis, 18 Mei 2017 09.30 – 12.00 Data Mining: Analisa Kluster 12 XII Kamis, 25 Mei 2017 09.30 – 12.00 Libur Nasional Kenaikan Isa Al Masih 13 XIII Kamis, 01 Juni 2017 09.30 – 12.00 Libur Nasional Kesaktian Pancasila 14 XIV Kamis, 08 Juni 2017 09.30 – 12.00 Data Mining: Analisa Outlier

15 XV Kamis, 15 Juni 217 09.30 – 12.00 Kuis II

16 XVI Kamis, 22 Juni 2017 09.30 – 12.00 Evaluasi Akhir Semester (EAS)

X. TATA TERTIB PERKULIAHAN

Adapun tata tertib mahasiswa dan dosen dalam mata kuliah Data Mining ini adalah sebagai berikut:

1. Mahasiswa/i diwajibkan menggunakan pakaian sopan, rapi, berkerah, bersepatu, dan tidak memakai topi pada waktu mengikuti perkuliahan di kelas.

2. Mahasiswa/i wajib mencetak seluruh modul pembelajaran yang telah disediakan sebagai penunjang proses pembelajaran.

3. Mahasiswa/i tidak diperkenankan memakai sandal atau sejenisnya waktu mengikuti perkuliahan, kecuali alasan tertentu (sakit dibuktikan dengan surat keterangan sakit dari Dokter).

4. Pada waktu perkuliahan semua handphone atau seluruh alat komunikasi dimatikan/silent. 5. Pada waktu perkuliahan tidak diperkenankan membuka laptop/notebook, kecuali untuk

9

6. Toleransi waktu keterlambatan mahasiswa/i masuk mengikuti perkuliahan di kelas hanya 15 menit dari jadwal yang telah ditetapkan. Melebihi dari toleransi waktu yang telah ditetapkan, mahasiswa/i diperbolehkan masuk ke dalam kelas tetapi tidak diperkenakan untuk absensi. 7. Mahasiswa/i tidak diperkenakan melakukan keributan didalam kelas selama perkuliahan

berlangsung kecuali pada saat diskusi.

8. Mahasiswa wajib hadir minimal 80 % dari tatap muka pertemuan, apabila tidak memenuhi maka tidak diperbolehkan mengikuti Evaluasi Akhir Semester (EAS).

9. Tidak ada ujian susulan untuk Evaluasi Tengah Semester (ETS) dan Evaluasi Akhir Semester (EAS), kecuali dengan alasan jelas dan ijin dosen pengampu.

10.Hasil setiap evaluasi mahasiswa wajib dikembalikan kepada mahasiswa/i minimal dua minggu setelah evaluasi berakhir.

11.Pertanyaan mengenai nilai akhir mata kuliah dilayani paling lama satu minggu setelah nilai keluar melalui kontak email dosen pengampu.

Lain-lain.

Apabila ada hal-hal yang diluar kesepakatan ini untuk perlu disepakati dapat dibicarakan secara teknis pada saat setiap acara perkuliahan. Apabila ada perubahan jadwal perkuliahan akan ada pemberitahuan terlebih dahulu.

Kontrak perkuliahan ini dapat dilaksanakan mulai disampaikan kesepakatan ini.

Surabaya, ...

Pihak I Pihak II

(Elsen Ronando, S.Si.,M.Si.,M.Sc.) ( ) NPP. 20460.16.0708

Mengetahui,

Ketua Program Studi Teknik Informatika