DOKUMEN KELENGKAPAN MATA KULIAH
DATA MINING
1.
LEARNING OUTCOME PRODI / CPL2.
LEARNING OUTCOME PRODI / CPL YANG DIBEBANKAN KE MATAKULIAH
3.
LEARNING OUTCOME MATA KULIAH (CPMK)4. ANALISIS INSTRUKSIONAL/PEMBELAJARAN
5. RENCANA PEMBELAJARAN SEMESTER (RPS)/RENCANA PEMBELAJARAN DARING (RPD) (DAPAT BLENDED) 6. RENCANA KEGIATAN PEMBELAJARAN DARING (RKPD) 7. METODE PEMBELAJARAN
8. RANCANGAN TUGAS 9. RANCANGAN PENILAIAN 10. RUBRIK PENILAIAN
11. SATUAN ACARA PEMBELAJARAN (SAP) 12. KONTRAK PERKULIAHAN
DAFTAR ISI
A. Profil lulusan
PROFIL LULUSAN PROGRAM STUDI ARSITEKTUR
PLI – 1
Lulusan berhasil menerapkan ilmu teknik industri dalam memberikan alternatif solusi dan berinovasi pada pengembangan teknologi
PLI – 2
Lulusan berhasil menerapkan kemampuan dalam memimpin organisasi dengan kepribadian yang berkarakter, inovatif dan mandiri
PLI – 3
Lulusan berhasil melanjutkan pendidikan untuk pengembangan kompetensi
B. Lapangan Pekerjaan
1. Asisten Manajer Industri Jasa dan Manufaktur 2. Akademisi/Peneliti
3. Konsultan 4. Technopreneur
C. Capaian Pembelajaran lulusan 1. Sikap
a. Bertaqwa kepada Tuhan Yang Maha Esa dan mampu menunjukkan sikap religius b. Menjunjung tinggi nilai kemanusiaan dalam menjalankan tugas berdasarkan
agama,moral dan etika;
c. Berkontribusi dalam peningkatan mutu kehidupan bermasyarakat, berbangsa, bernegara, dan peradaban berdasarkan Pancasila;
d. Berperan sebagai warga negara yang bangga dan cinta tanah air, memiliki
LEARNING OUTCOME PROGRAM STUDI
(Capaian Pembelajaran Lulusan)
i. Menunjukkan sikap bertanggungjawab atas pekerjaan di bidang keahliannya secara mandiri;
j. Menginternalisasi semangat kemandirian, kejuangan, dan kewirausahaan 2. Keterampilan Umum
a. 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;
b. Mampu menunjukkan kinerja mandiri, bermutu, dan terukur;
c. Mampu mengkaji implikasi pengembangan atau implementasi ilmu pengetahuan dan teknologi yang memperhatikan dan menerapkan nilai humaniora sesuai dengan keahliannya berdasarkan kaidah, tata cara dan etika ilmiah dalam rangka menghasilkan solusi, gagasan, desain atau kritik seni; menyusun deskripsi saintifik hasil kajiannya dalam bentuk skripsi atau laporan tugas akhir, dan mengunggahnya dalam laman perguruan tinggi;
d. Mampu menyusun deskripsi saintifik hasil kajian tersebut di atas dalam bentuk skripsi atau laporan tugas akhir, dan mengunggahnya dalam laman perguruan tinggi;
e. Mampu mengambil keputusan secara tepat dalam konteks penyelesaian masalah di bidang keahliannya, berdasarkan hasil analisis informasi dan data;
f. Mampu memelihara dan mengembangkan jaringan kerja dengan pembimbing, kolega, sejawat baik di dalam maupun diluar lembaganya.
g. Mampu bertanggung jawab atas pencapaian hasil kerja kelompok dan melakukan supervisi serta evaluasi terhadap penyelesaian pekerjaan yang ditugaskan kepada pekerja yang berada di bawah tanggung jawabnya;
h. Mampu melakukan proses evaluasi diri terhadap kelompok kerja yang berada di bawah tanggung jawabnya, dan mampu mengelola pembelajaran secara mandiri;
i. Mampu mendokumentasikan, menyimpan, mengamankan, dan menemukan kembali data untuk menjamin kesahihan dan mencegah plagiasi;
3. Penguasaan Pengetahuan
a. Menguasai konsep teoretis sains alam, aplikasi matematika rekayasa; prinsip-prinsip rekayasa (engineering fundamentals), sains rekayasa dan perancangan rekayasa yang diperlukan untuk analisis dan perancangan sistem terintegrasi
b. Menguasai prinsip dan teknik perancangan sistem terintegrasi dengan pendekatan sistem
c. Menguasai prinsip dan issue terkini dalam ekonomi, sosial, ekologi secara umum
b. Mampu mengidentifikasi, memformulasikan dan menganalisis masalah rekayasa kompleks pada sistem terintegrasi berdasarkan pendekatan analitik, komputasional atau eksperimental
c. Mampu merumuskan solusi untuk masalah rekayasa kompleks pada sistem terintegrasi dengan memperhatikan faktor-faktor ekonomi, kesehatan dan keselamatan publik, kultural, sosial dan lingkungan (environmentalconsideration)
d. Mampu merancang sistem terintegrasi sesuai standar teknis, keselamatan dan kesehatan lingkungan yang berlaku dengan mempertimbangkan aspek kinerja dan keandalan, kemudahan penerapan dan keberlanjutan, serta memperhatikan faktor- faktor ekonomi, sosial, dan kultural.
e. Mampu meneliti dan menyelidiki masalah rekayasa kompleks pada sistem terintegrasi menggunakan dasar prinsip-prinsip rekayasa dan dengan melaksanakan riset, analisis, interpretasi data dan sintesa informasi untuk memberikan solusi
f. Mampu memilih sumberdaya dan memanfaatkan perangkat perancangan dan analisis rekayasa berbasis teknologi informasi dan komputasi yang sesuai untuk melakukan aktivitas rekayasa
D. Capaian Pembelajaran Lulusan (CPL) yang dibebankan ke Matakuliah
1. Sikapa.
Menunjukkan sikap bertanggungjawab atas pekerjaan di bidang keahliannya secara mandiri
2. Keterampilan Umum
a.
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
3. Penguasaan Pengetahuan
a. Menguasai konsep teoretis sains alam, aplikasi matematika rekayasa; prinsip- prinsip rekayasa (engineering fundamentals), sains rekayasa dan perancangan rekayasa yang diperlukan untuk analisis dan perancangan sistem terintegrasi 4. Keterampilan Khusus
a. Mampu mengidentifikasi, memformulasikan dan menganalisis masalah
rekayasa kompleks pada sistem terintegrasi berdasarkan pendekatan analitik,
komputasional atau eksperimental
a. Memiliki kemampuan menyelesaikan persoalan programa linier yang diformulasikan dengan metode simpleks, metode Big-M dan metode dua fasa.
b. Mampu melakukan analisis hasil-hasil pemecahan formulasi programa linier dengan teori dualitas dan analisis sensitivitas
c. Mampu menyelesaikan persoalan transportasi, transhipment, dan penugasan dengan memakai metode pencarian solusi yang sesuai
d. Mampu mencari solusi dari formulasi model jaringan dengan metode network simpleks dan melakukan analisis atas solusi yang dihasilkan
F. Sub- Capaian Pembelajaran Matakuliah (Sub CPMK)
1. Mahasiswa mampu menjelaskan falsafah RO dan hubungannya dengan pengambilan keputusan 2. Mahasiswa mampu membuat model matematika dengan bentuk umum sampai dengan bentuk
standar
3. Mahasiswa mampu menyelesaikan permasalahan menggunakan solusi grafik, dengan menggambarkan fungsi kendala dan tujuan pada sumbu koordinat XY dan mampu menentukan solusi optimal., penyelesaian masalah sensitivitas dengan metode grafik
4. Mahasiswa mampu membuat tabel simpleks berdasarkan bentuk baku, dapat menentukan solusi dasar, variable basis/dasar, mampu menggunakan algoritma simpleks untuk mendapatkan solusi optimal dan mampu membaca tabel optimal
5. Mahasiswa mampu menyelesaikan permasalahan optimal dengan bantuan metode big M dan Metode 2 phase
6. Mahasiswa mampu menguraikan penggunaan metode transportasi dan menyelesaikan kasus- kasus metode transportasi, baik untuk supply = demand ataupun supply demand
7. Mahasiswa mampu menyelesaikan permasalahan lanjut untuk mendapatkan hasil yang optimal dari metode transportasi lanjutan
8. Mahasiswa mampu menjelaskan penggunaan model penugasan, membentuk tabel penugasan dan menyelesaikannya sampai solusi optimal menggunakan Metode Hungarian, baik untuk jumlah tugas=jumlah pekerja ataupun jumlah tugasjumlah pekerja
9. Mahasiswa mampu menggunakan metode dualitas, dan analisa sensitivitas serta mampu menginterpretasikan solusi permasalahan dual, penggunaan analisa sensitivitas
G. Bahan kajian (Sub sub CPMK)
1. Bentuk Umum Linier Programming, Formulasi Kendala, Tujuan dan Pembatas 2. Penyelesaian dengan cara grafik, analisis kepekaan
3. Perhitungan Simpleks, Metode Big M dan Metode 2 Phase 4. Solusi Awal Metode Transportasi
5. Solusi Lanjutan Metode Transportasi 6. Model Pengugasan
7. Kasus-kasus khusus dalam aplikasi metode simpleks. .
8.
Interpretasi ekonomis permasalahan dualCPMK
1. Mampu menggunakan ilmu matematika dalam membangun pemahaman prinsip-prinsip kerekayasaan
UJIAN AKHIR SEMESTER (MINGGU KE 16)
memilih dan menerapkan teknik data mining mulai dari persiapan datasampai dengan task data mining (18-21)
Menjelaskan aplikasi data mining dalam berbagai bidang (16-17)
Menjelaskan bagaimanan menangani anomali data, dan mendeteksi adanya anomali data (15)
menjelaskan teknik klustering dalam data mining (11-14)
UJIAN TENGAH SEMESTER (MINGGU KE 8)
menjelaskan teknik metode analisis asosiasi dalam data mining (7-9)
Menjelaskan lebih lanjut dasar-dasar data mining dan metode (10)
UNIVERSITAS MEDAN AREA
FAKULTAS TEKNIK
PROGRAM STUDI TEKNIK INDUSTRI RENCANA PEMBELAJARAN SEMESTER (RPS)
Nama Mata Kuliah
Kode Mata Kuliah
Bob ot (sks
)
Semest
er Tgl Penyusunan Menggambar
Teknik 2 VII 10-12-2020
Otorisasi /
Pengesahan Koordinator Kepala Divisi Ketua Program Studi
Yudi Daeng P, ST, MT Capaian
Pembelajaran (CP)
CPL-PRODI yang dibebankan pada MK
1. Kemampuan menerapkan pengetahuan matematika, sains-sains hayati dan/atau material, teknologi informasi, dan kerekayasaan untuk membangun pemahaman prinsip-prinsip kerekayasaan secara utuh
Capaian Pembelajaran Mata Kuliah (CPMK)
CPMK 3
√ √ √
CPMK
4 √
Deskripsi Singkat MK
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
Bahan Kajian /Materi Pembelajaran Daftar
Referensi/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 4. Related References : Books, Papers, and Journals
Dosen Pengampu
Mata kuliahprasyarat (Jika ada)
Tidak ada
Ming gu Ke-
Sub-CPMK (Kemampuan
akhir yg direncanakan)
Penilaian Bentuk Pembelajaran; Metode Pembelajaran; Penugasan
[Estimasi Waktu]
Materi Pembelajaran (Pustaka)
Bobot Penilaian Indikator Kriteria & (%)
Teknik
(1) (2) (3) (4) Luring (5) Daring (6) (7) (8)
1 Mahasiswa/i dapat menjelaskan latar belakang munculnya teknik data mining, serta tahapan-tahapan umum dalam proses data mining
Ketepatan penjelasan latar belakang dan tahapan proses data mining
Kriteria penilaian : Penguasaan materi
Bentuk penilaian : Tes tertulis
fungsi kendala Teknik Non test:
Tidak ada
Ceramah &
Diskusi [PB:1x(2x50)]
https://elearning.
uma.ac.id/course /view.php?
id=2984
Pengenalan Data Mining
Definisi &
Latar belakang data mining
Tahapan-tahapan proses
data mining
10
2 Mahasiswa/i dapat menjelaskan definisi data, dan proses awal yang dilakukan terhadap data agar dapat menjadi inputan yang baik dalam teknik data mining
Ketepatan penjelasan jenis dan kualitas data serta tahap preprocessin
Kriteria : Ketepatan dan penguasaan materi
fungsi kendala Teknik Non test:
Tidak ada
Ceramah, Diskusi, Praktikum.
[PB:1x(2x50)]
https://elearning .uma.ac.id/cour se/view.php?
id=2984
Data
Jenis & Kualitas Data
Preprocessing &
Teknik
10
Ming gu Ke-
Sub-CPMK (Kemampuan
akhir yg
Penilaian
Bentuk Pembelajaran; Metode
Pembelajaran; Penugasan Materi Pembelajaran (Pustaka)
Bobot Penilaian Indikator Kriteria & (%)
Teknik
(1) (2) (3) (4) Luring (5) Daring (6) (7) (8)
fungsi kendala Teknik Non test:
Tidak ada
[PB:1x(2x50)] asi Data
Analisis data multi dimensional &
OLAP 4 -6 Mahasiswa/i dapat
menjelaskan teknik klasifikasi dalam data mining
Ketepatan penjelasan konsep dasar dan teknik
Kriteria : Ketepatan dan penguasaan materi
Teknik Non test:
Tidak ada
Ceramah, Diskusi, Praktikum.
[PB:1x(2x50)]
https://elearning.
uma.ac.id/course /view.php?
id=2984
Klasifikasi
Konsep dasar klasifikasi
Decision Tree &
Model Overfitting
10
7-9 Mahasiswa/i dapat memahami
teknik/metoda analisis asosiasi dalam data mining
Ketepatan penjelasan konsep dasar dan teknik analisis asosiasi dalam data mining
Kriteria:
Ketepatan penguasaan materi
Ceramah, Diskusi, Praktikum.
[PB:1x(2x50)]
https://elearning.
uma.ac.id/course /view.php?
id=2984
Analisis Asosiasi
Algoritma FP- Growth
Teknik evaluasi pola pola asosiasi
20
Ming gu Ke-
Sub-CPMK (Kemampuan
akhir yg
Penilaian
Bentuk Pembelajaran; Metode
Pembelajaran; Penugasan Materi Pembelajaran (Pustaka)
Bobot Penilaian Indikator Kriteria & (%)
Teknik
(1) (2) (3) (4) Luring (5) Daring (6) (7) (8)
dan atribut kontinu dalam analisis asosiasi
Pola sequential, subgraph, dan infrequent 10 Mahasiswa/i dapat
menjelaskan lebih lanjut dasar-dasar data mining dan metoda
pengklasifikasi yang sudah dipelajari
Ketepatan melakukan metode data mining
Kriteria:
Ketepatan dan penguasaan materi
Teknik Non Test Tidak ada
Diskusi dan presentasi tugas, Quiz
[PB:1x(2x50)]
https://elea rning.uma.
ac.id/cours e/view.php
?id=2984
Dasar-dasar Data Mining, Klasifikasi &
Analisis Asosiasi - Review
Dasar- dasar Data Mining - Review
Klasifikasi dan Analisis Asosiasi
10
Ming gu Ke-
Sub-CPMK (Kemampuan
akhir yg
Penilaian
Bentuk Pembelajaran; Metode
Pembelajaran; Penugasan Materi Pembelajaran (Pustaka)
Bobot Penilaian Indikator Kriteria & (%)
Teknik
(1) (2) (3) (4) Luring (5) Daring (6) (7) (8)
Teknik Non Test 1. Ketepatan materi PPT dan kerapian PPT 2. Diskusi 3. Presentasi
-
Algoritma K-Means& Hierarchical Clustering
-
Algoritma DBSCAN-
Evaluasi Clustering-
Karakteristik data, cluster danalgoritma clustering
-
Prototype –based &Density –based clustering
-
Graph-basedclustering Skalabilitas
Clustering
Ming gu Ke-
Sub-CPMK (Kemampuan
akhir yg
Penilaian
Bentuk Pembelajaran; Metode
Pembelajaran; Penugasan Materi Pembelajaran (Pustaka)
Bobot Penilaian Indikator Kriteria & (%)
Teknik
(1) (2) (3) (4) Luring (5) Daring (6) (7) (8)
2. Diskusi 3. Presentasi
outlier, deteksi density-based outlier
& clustering-based technique
16-17 Mahasiswa/i dapat menjelaskan gambaran aplikasi data mining dalam berbagai bidang
Ketepatan melakukan penggambaran aplikasi data mining
Kriteria:
Ketepatan dan penguasaan materi
Teknik Non Test Tidak ada
Ceramah, Diskusi, Praktikum.
[PB:1x(2x50)]
https://elea rning.uma.
ac.id/cours e/view.php
?id=2984
Aplikasi dan Trend Data Mining
-
Spatial &Multimedia Data Mining
-
Text & Web Mining-
Penerapan datamining dalam bidang financial, retail industri, telekomunikasi, biologi, dan aplikasi sains
Ming gu Ke-
Sub-CPMK (Kemampuan
akhir yg
Penilaian
Bentuk Pembelajaran; Metode Pembelajaran; Penugasan
Materi Pembelajaran (Pustaka)
Bobot Penilaian Indikator Kriteria & (%)
Teknik
(1) (2) (3) (4) Luring (5) Daring (6) (7) (8)
persiapan data sampai dengan task data mining dalam menyelesaikan permasalahan sesuai dengan studi kasus yang ada
Teknik Non Test Tidak ada
?id=2984
Evaluasi Akhir Semester
Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)
PEMBELAJARAN DARING KE- I
MATA KULIAH Data Mining
KODE MATA KULIAH / SKS 2 NAMA PENGEMBANG
KEMAMPUAN AKHR YANG DIHARAPKAN
Mahasiswa/i dapat menjelaskan latar belakang munculnya teknik data mining, serta tahapan-tahapan umum dalam proses data mining
Bahan Pelajaran Daring ke-
TOPIK AKTIVITAS (DARING) REFERENSI I Pengenalan Data
Mining
Definisi &
Latar belakang data mining
Tahapan- tahapan proses
data mining
Sumber : Pembelajaran Audio, Video, slide/PPt, pdf, link
Aktivitas : forum diskusi, pemberian tugas, video Tutorial selama pembelajaran daring
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
4. Related References : Books, Papers, and Journals
Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)
PEMBELAJARAN DARING KE- II
MATA KULIAH Data Mining
KODE MATA KULIAH / SKS 2 NAMA PENGEMBANG
KEMAMPUAN AKHR YANG DIHARAPKAN
Mahasiswa/i dapat menjelaskan definisi data, dan proses awal yang dilakukan terhadap data agar dapat menjadi inputan yang baik dalam teknik data mining
Bahan Pelajaran Daring ke-
TOPIK AKTIVITAS (DARING) REFERENSI
II Data
Jenis &
Kualitas Data
Preprocessi ng &
Teknik pengukuran data
Sumber : Pembelajaran Audio, Video, slide/PPt, pdf, link
Aktivitas : forum diskusi, pemberian tugas, video Tutorial selama pembelajaran daring
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
4. Related References : Books, Papers, and Journals
Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)
PEMBELAJARAN DARING KE- III
MATA KULIAH Data Mining
KODE MATA KULIAH / SKS 2 NAMA PENGEMBANG
KEMAMPUAN AKHR YANG DIHARAPKAN
Mahasiswa/i dapat menjelaskan teknik- teknik merepresentasikan data
Bahan Pelajaran Daring ke-
TOPIK AKTIVITAS (DARING) REFERENSI
II Data
Jenis &
Kualitas Data
Preprocessi ng &
Teknik pengukuran data
Sumber : Pembelajaran Audio, Video, slide/PPt, pdf, link
Aktivitas : forum diskusi, pemberian tugas, video Tutorial selama pembelajaran daring
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
4. Related References : Books, Papers, and Journals
Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)
PEMBELAJARAN DARING KE- III
MATA KULIAH Data Mining
KODE MATA KULIAH / SKS 2 NAMA PENGEMBANG
KEMAMPUAN AKHR YANG DIHARAPKAN
Mahasiswa/i dapat menjelaskan teknik- teknik merepresentasikan data
Bahan Pelajaran Daring ke-
TOPIK AKTIVITAS (DARING) REFERENSI
II Data
Jenis &
Kualitas Data
Preprocessi ng &
Teknik pengukuran data
Sumber : Pembelajaran Audio, Video, slide/PPt, pdf, link
Aktivitas : forum diskusi, pemberian tugas, video Tutorial selama pembelajaran daring
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
4. Related References : Books, Papers, and Journals
Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)
PEMBELAJARAN DARING KE- III
MATA KULIAH Data Mining
KODE MATA KULIAH / SKS 2 NAMA PENGEMBANG
KEMAMPUAN AKHR YANG DIHARAPKAN
Mahasiswa/i dapat menjelaskan teknik- teknik merepresentasikan data
Bahan Pelajaran Daring ke-
TOPIK AKTIVITAS (DARING) REFERENSI
II Data
Jenis &
Kualitas Data
Preprocessi ng &
Teknik pengukuran data
Sumber : Pembelajaran Audio, Video, slide/PPt, pdf, link
Aktivitas : forum diskusi, pemberian tugas, video Tutorial selama pembelajaran daring
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
4. Related References : Books, Papers, and Journals
Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)
PEMBELAJARAN DARING KE- III
MATA KULIAH Data Mining
KODE MATA KULIAH / SKS 2 NAMA PENGEMBANG
KEMAMPUAN AKHR YANG DIHARAPKAN
Mahasiswa/i dapat menjelaskan teknik- teknik merepresentasikan data
Bahan Pelajaran Daring ke-
TOPIK AKTIVITAS (DARING) REFERENSI
II Data
Jenis &
Kualitas Data
Preprocessi ng &
Teknik pengukuran data
Sumber : Pembelajaran Audio, Video, slide/PPt, pdf, link
Aktivitas : forum diskusi, pemberian tugas, video Tutorial selama pembelajaran daring
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
4. Related References : Books, Papers, and Journals
Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)
PEMBELAJARAN DARING KE- III
MATA KULIAH Data Mining
KODE MATA KULIAH / SKS 2 NAMA PENGEMBANG
KEMAMPUAN AKHR YANG DIHARAPKAN
Mahasiswa/i dapat menjelaskan teknik- teknik merepresentasikan data
Bahan Pelajaran Daring ke-
TOPIK AKTIVITAS (DARING) REFERENSI
II Data
Jenis &
Kualitas Data
Preprocessi ng &
Teknik pengukuran data
Sumber : Pembelajaran Audio, Video, slide/PPt, pdf, link
Aktivitas : forum diskusi, pemberian tugas, video Tutorial selama pembelajaran daring
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
4. Related References : Books, Papers, and Journals
Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)
PEMBELAJARAN DARING KE- III
MATA KULIAH Data Mining
KODE MATA KULIAH / SKS 2 NAMA PENGEMBANG
KEMAMPUAN AKHR YANG DIHARAPKAN
Mahasiswa/i dapat menjelaskan teknik- teknik merepresentasikan data
Bahan Pelajaran Daring ke-
TOPIK AKTIVITAS (DARING) REFERENSI
II Data
Jenis &
Kualitas Data
Preprocessi ng &
Teknik pengukuran data
Sumber : Pembelajaran Audio, Video, slide/PPt, pdf, link
Aktivitas : forum diskusi, pemberian tugas, video Tutorial selama pembelajaran daring
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
4. Related References : Books, Papers, and Journals
Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)
PEMBELAJARAN DARING KE- III
MATA KULIAH Data Mining
KODE MATA KULIAH / SKS 2 NAMA PENGEMBANG
KEMAMPUAN AKHR YANG DIHARAPKAN
Mahasiswa/i dapat menjelaskan teknik- teknik merepresentasikan data
Bahan Pelajaran Daring ke-
TOPIK AKTIVITAS (DARING) REFERENSI III Eksplorasi Data
Statistik data &
visualisasi data
Analisis data multi
dimensional &
OLAP
Sumber : Pembelajaran Audio, Video, slide/PPt, pdf, link
Aktivitas : forum diskusi, pemberian tugas, video Tutorial selama pembelajaran daring
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
4. Related References : Books, Papers, and Journals
Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)
PEMBELAJARAN DARING KE- IV
MATA KULIAH Data Mining
KODE MATA KULIAH / SKS 2 NAMA PENGEMBANG
KEMAMPUAN AKHR YANG DIHARAPKAN
Mahasiswa/i dapat menjelaskan teknik klasifikasi dalam data mining
Bahan Pelajaran Daring ke-
TOPIK AKTIVITAS (DARING) REFERENSI
IV Klasifikasi
Konsep dasar klasifikasi
Decision Tree &
Model Overfitting
Sumber : Pembelajaran Audio, Video, slide/PPt, pdf, link
Aktivitas : forum diskusi, pemberian tugas, video Tutorial selama pembelajaran daring
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
4. Related References : Books, Papers, and Journals
Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)
PEMBELAJARAN DARING KE- V
MATA KULIAH Data Mining
KODE MATA KULIAH / SKS 2 NAMA PENGEMBANG
KEMAMPUAN AKHR YANG DIHARAPKAN
Mahasiswa/i dapat menjelaskan teknik klasifikasi dalam data mining
Bahan Pelajaran Daring ke-
TOPIK AKTIVITAS (DARING) REFERENSI
V Klasifikasi
Konsep dasar klasifikasi
Decision Tree &
Model Overfitting
Sumber : Pembelajaran Audio, Video, slide/PPt, pdf, link
Aktivitas : forum diskusi, pemberian tugas, video Tutorial selama pembelajaran daring
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
4. Related References : Books, Papers, and Journals
Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)
PEMBELAJARAN DARING KE- VI
MATA KULIAH Data Mining
KODE MATA KULIAH / SKS 2 NAMA PENGEMBANG
KEMAMPUAN AKHR YANG DIHARAPKAN
Mahasiswa/i dapat menjelaskan teknik klasifikasi dalam data mining
Bahan Pelajaran Daring ke-
TOPIK AKTIVITAS (DARING) REFERENSI
VI Klasifikasi
Konsep dasar klasifikasi
Decision Tree &
Model Overfitting
Sumber : Pembelajaran Audio, Video, slide/PPt, pdf, link
Aktivitas : forum diskusi, pemberian tugas, video Tutorial selama pembelajaran daring
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
4. Related References : Books, Papers, and Journals
Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)
PEMBELAJARAN DARING KE- VII
MATA KULIAH Data Mining
KODE MATA KULIAH / SKS 2 NAMA PENGEMBANG
KEMAMPUAN AKHR YANG DIHARAPKAN
Mahasiswa/i dapat menjelaskan teknik- teknik merepresentasikan data
Bahan Pelajaran Daring ke-
TOPIK AKTIVITAS (DARING) REFERENSI VII Analisis Asosiasi
Algoritma FP- Growth
Teknik evaluasi pola pola asosiasi
Frequent item
setgenarition
Rule generation, compact representatio n of frequent itemset
Menangan i atribut kategoris dan
Sumber : Pembelajaran Audio, Video, slide/PPt, pdf, link
Aktivitas : forum diskusi, pemberian tugas, video Tutorial selama pembelajaran daring
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
4. Related References : Books, Papers, and Journals
subgraph, dan infrequent
Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)
PEMBELAJARAN DARING KE- VIII
MATA KULIAH Data Mining
KODE MATA KULIAH / SKS 2 NAMA PENGEMBANG
KEMAMPUAN AKHR YANG DIHARAPKAN
Mahasiswa/i dapat menjelaskan teknik- teknik merepresentasikan data
Bahan Pelajaran Daring ke-
TOPIK AKTIVITAS (DARING) REFERENSI VIII Analisis Asosiasi
Algoritma FP- Growth
Teknik evaluasi pola pola asosiasi
Frequent item
setgenarition
Rule generation, compact representatio n of frequent itemset
Menangan i atribut kategoris dan
Sumber : Pembelajaran Audio, Video, slide/PPt, pdf, link
Aktivitas : forum diskusi, pemberian tugas, video Tutorial selama pembelajaran daring
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
4. Related References : Books, Papers, and Journals
subgraph, dan infrequent
Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)
PEMBELAJARAN DARING KE- IX
MATA KULIAH Data Mining
KODE MATA KULIAH / SKS 2 NAMA PENGEMBANG
KEMAMPUAN AKHR YANG DIHARAPKAN
Mahasiswa/i dapat menjelaskan teknik- teknik merepresentasikan data
Bahan Pelajaran Daring ke-
TOPIK AKTIVITAS (DARING) REFERENSI IX Analisis Asosiasi
Algoritma FP- Growth
Teknik evaluasi pola pola asosiasi
Frequent item
setgenarition
Rule generation, compact representatio n of frequent itemset
Menangan i atribut kategoris dan
Sumber : Pembelajaran Audio, Video, slide/PPt, pdf, link
Aktivitas : forum diskusi, pemberian tugas, video Tutorial selama pembelajaran daring
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
4. Related References : Books, Papers, and Journals
subgraph, dan infrequent
Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)
PEMBELAJARAN DARING KE- X
MATA KULIAH Data Mining
KODE MATA KULIAH / SKS 2 NAMA PENGEMBANG
KEMAMPUAN AKHR YANG DIHARAPKAN
Mahasiswa/i dapat menjelaskan lebih lanjut dasar-dasar data mining dan metoda pengklasifikasi yang sudah dipelajari
Bahan Pelajaran Daring ke-
TOPIK AKTIVITAS (DARING) REFERENSI
X Dasar-dasar
Data Mining, Klasifikasi &
Analisis Asosiasi
- Review dasar- dasatdata mining - Review
klasifikasi dan analisis asosiasi
Sumber : Pembelajaran Audio, Video, slide/PPt, pdf, link
Aktivitas : forum diskusi, pemberian tugas, video Tutorial selama pembelajaran daring
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
4. Related References : Books, Papers, and Journals
Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)
PEMBELAJARAN DARING KE- XII
MATA KULIAH Data Mining
KODE MATA KULIAH / SKS 2 NAMA PENGEMBANG
KEMAMPUAN AKHR YANG DIHARAPKAN
Mahasiswa/i dapat menjelaskan teknik klustering dalam data mining
Bahan Pelajaran Daring ke-
TOPIK AKTIVITAS (DARING) REFERENSI
XII Klustering
-
Definisi dan konsep dasar clustering-
AlgoritmaK-Means
&Hierarchic al Clustering
-
AlgoritmaDBSCAN
-
Evaluasi Clustering-
Karakteristik data, cluster dan algoritma clustering-
Prototype –based &Density –based clustering
Sumber : Pembelajaran Audio, Video, slide/PPt, pdf, link
Aktivitas : forum diskusi, pemberian tugas, video Tutorial selama pembelajaran daring
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
4. Related References : Books, Papers, and Journals
Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)
PEMBELAJARAN DARING KE- XIII
MATA KULIAH Data Mining
KODE MATA KULIAH / SKS 2 NAMA PENGEMBANG
KEMAMPUAN AKHR YANG DIHARAPKAN
Mahasiswa/i dapat menjelaskan teknik klustering dalam data mining
Bahan Pelajaran Daring ke-
TOPIK AKTIVITAS (DARING) REFERENSI
XIII Klustering
-
Definisi dan konsep dasar clustering-
AlgoritmaK-Means
&Hierarchic al Clustering
-
AlgoritmaDBSCAN
-
Evaluasi Clustering-
Karakteristik data, cluster dan algoritma clustering-
Prototype –based &Density –based clustering
Sumber : Pembelajaran Audio, Video, slide/PPt, pdf, link
Aktivitas : forum diskusi, pemberian tugas, video Tutorial selama pembelajaran daring
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
4. Related References : Books, Papers, and Journals
Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)
PEMBELAJARAN DARING KE- XIV
MATA KULIAH Data Mining
KODE MATA KULIAH / SKS 2 NAMA PENGEMBANG
KEMAMPUAN AKHR YANG DIHARAPKAN
Mahasiswa/i dapat menjelaskan teknik klustering dalam data mining
Bahan Pelajaran Daring ke-
TOPIK AKTIVITAS (DARING) REFERENSI
XIV Klustering
-
Definisi dan konsep dasar clustering-
AlgoritmaK-Means
&Hierarchic al Clustering
-
AlgoritmaDBSCAN
-
Evaluasi Clustering-
Karakteristik data, cluster dan algoritma clustering-
Prototype –based &Density –based clustering
Sumber : Pembelajaran Audio, Video, slide/PPt, pdf, link
Aktivitas : forum diskusi, pemberian tugas, video Tutorial selama pembelajaran daring
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
4. Related References : Books, Papers, and Journals
Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)
PEMBELAJARAN DARING KE- XV
MATA KULIAH Data Mining
KODE MATA KULIAH / SKS 2 NAMA PENGEMBANG
KEMAMPUAN AKHR YANG DIHARAPKAN
Mahasiswa/i dapat menjelaskan bagaimana menangani anomali data, dan mendeteksi adanya anomali data
Bahan Pelajaran Daring ke-
TOPIK AKTIVITAS (DARING) REFERENSI
XV Anomali data
-
Definisi anomali data danpendekatan statistik untuk mengatasi anomali data
-
Deteksi denganproximity- based outlier, deteksi density- based outlier &
clustering- based technique
Sumber : Pembelajaran Audio, Video, slide/PPt, pdf, link
Aktivitas : forum diskusi, pemberian tugas, video Tutorial selama pembelajaran daring
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
4. Related References : Books, Papers, and Journals
Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)
PEMBELAJARAN DARING KE- XVI
MATA KULIAH Data Mining
KODE MATA KULIAH / SKS 2 NAMA PENGEMBANG
KEMAMPUAN AKHR YANG DIHARAPKAN
Mahasiswa/i dapat menjelaskan gambaran aplikasi data mining dalam berbagai bidang
Bahan Pelajaran Daring ke-
TOPIK AKTIVITAS (DARING) REFERENSI XVI Aplikasi dan
Trend Data Mining
-
Spatial &Multimedia Data Mining
-
Text & WebMining
-
Penerapan datamining dalam bidang financial, retail industri, telekomuni kasi, biologi, dan
Sumber : Pembelajaran Audio, Video, slide/PPt, pdf, link
Aktivitas : forum diskusi, pemberian tugas, video Tutorial selama pembelajaran daring
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
4. Related References : Books, Papers, and Journals
Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)
PEMBELAJARAN DARING KE- XVII
MATA KULIAH Data Mining
KODE MATA KULIAH / SKS 2 NAMA PENGEMBANG
KEMAMPUAN AKHR YANG DIHARAPKAN
Mahasiswa/i dapat menjelaskan gambaran aplikasi data mining dalam berbagai bidang
Bahan Pelajaran Daring ke-
TOPIK AKTIVITAS (DARING) REFERENSI XVII Aplikasi dan
Trend Data Mining
-
Spatial &Multimedia Data Mining
-
Text & WebMining
-
Penerapan datamining dalam bidang financial, retail industri, telekomuni kasi, biologi, dan
Sumber : Pembelajaran Audio, Video, slide/PPt, pdf, link
Aktivitas : forum diskusi, pemberian tugas, video Tutorial selama pembelajaran daring
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
4. Related References : Books, Papers, and Journals
Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)
PEMBELAJARAN DARING KE- XVIII
MATA KULIAH Data Mining
KODE MATA KULIAH / SKS 2 NAMA PENGEMBANG
KEMAMPUAN AKHR YANG DIHARAPKAN
Mahasiswa/i mampu Memilih dan menerapkan teknik Data Mining mulai dari persiapan data sampai dengan task data mining dalam menyelesaikan permasalahan sesuai dengan studi kasus yang ada
Bahan Pelajaran Daring ke-
TOPIK AKTIVITAS (DARING) REFERENSI XVIII Presentasi &
Diskusi Tugas Kelompok
Sumber : Pembelajaran Audio, Video, slide/PPt, pdf, link
Aktivitas : forum diskusi, pemberian tugas, video Tutorial selama pembelajaran daring
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
4. Related References : Books, Papers, and Journals
Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)
PEMBELAJARAN DARING KE- XIX
MATA KULIAH Data Mining
KODE MATA KULIAH / SKS 2 NAMA PENGEMBANG
KEMAMPUAN AKHR YANG DIHARAPKAN
Mahasiswa/i mampu Memilih dan menerapkan teknik Data Mining mulai dari persiapan data sampai dengan task data mining dalam menyelesaikan permasalahan sesuai dengan studi kasus yang ada
Bahan Pelajaran Daring ke-
TOPIK AKTIVITAS (DARING) REFERENSI XIX Presentasi &
Diskusi Tugas Kelompok
Sumber : Pembelajaran Audio, Video, slide/PPt, pdf, link
Aktivitas : forum diskusi, pemberian tugas, video Tutorial selama pembelajaran daring
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
4. Related References : Books, Papers, and Journals
Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)
PEMBELAJARAN DARING KE- XX
MATA KULIAH Data Mining
KODE MATA KULIAH / SKS 2 NAMA PENGEMBANG
KEMAMPUAN AKHR YANG DIHARAPKAN
Mahasiswa/i mampu Memilih dan menerapkan teknik Data Mining mulai dari persiapan data sampai dengan task data mining dalam menyelesaikan permasalahan sesuai dengan studi kasus yang ada
Bahan Pelajaran Daring ke-
TOPIK AKTIVITAS (DARING) REFERENSI XX Presentasi &
Diskusi Tugas Kelompok
Sumber : Pembelajaran Audio, Video, slide/PPt, pdf, link
Aktivitas : forum diskusi, pemberian tugas, video Tutorial selama pembelajaran daring
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
4. Related References : Books, Papers, and Journals
Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)
PEMBELAJARAN DARING KE- XXI
MATA KULIAH Data Mining
KODE MATA KULIAH / SKS 2 NAMA PENGEMBANG
KEMAMPUAN AKHR YANG DIHARAPKAN
Mahasiswa/i mampu Memilih dan menerapkan teknik Data Mining mulai dari persiapan data sampai dengan task data mining dalam menyelesaikan permasalahan sesuai dengan studi kasus yang ada
Bahan Pelajaran Daring ke-
TOPIK AKTIVITAS (DARING) REFERENSI XXI Presentasi &
Diskusi Tugas Kelompok
Sumber : Pembelajaran Audio, Video, slide/PPt, pdf, link
Aktivitas : forum diskusi, pemberian tugas, video Tutorial selama pembelajaran daring
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
4. Related References : Books, Papers, and Journals
CPMK
Metode/Model Pembelajaran*) Ceramah Diskusi Small Grup
Discustion Case Study Memiliki kemampuan menyelesaikan
persoalan programa linier yang diformulasikan dengan metode simpleks, metode Big-M dan metode dua fasa.
√ √ √ √
Mampu melakukan analisis hasil-hasil pemecahan formulasi programa linier dengan teori dualitas dan analisis sensitivitas
√ √
Mampu menyelesaikan persoalan transportasi, transhipment, dan penugasan dengan memakai metode pencarian solusi yang sesuai
√ √ √
Mampu mencari solusi dari formulasi model jaringan dengan metode network
simpleks dan melakukan analisis atas √
METODE/MODEL/BENTUK PEMBELAJARAN
7. RANCANGAN TUGAS
Tugas 1
1. Investor perorangan mempunya $70.000 untuk dibagi dalam beberapa bentuk investasi.
Pilihan investasi adalah obligasi pemerintah dengan tingkat pengembalian 8,5%, sertifikat deposito dengan tingkat pengembalian 10%, treasury bill dengan tingkat pengembalian 6,5% dan obligasi pendapatan dengan tingkat pengembalian 13%, jumlah waktu sampai jatuh tempo sama untuk setiap pilihan. Akan tetapi setiap pilihan investasi mempunyai perbedaan resiko yang terlihat oleh investor. Oleh karena itu lebih baik investor melakukan diversifikasi investasi. Investor ingin mengetahui berapa banyak investasi yang diperlukan untuk setiap pilihan dalam rangka memaksimumkan tingkat
pengembalian investasi.
Berikut ini pedoman yang ditetapkan untuk melakukan diversifikasi investasi dan mengurangi resiko yang terlihat oleh investor.
1. Tidak lebih dari 20% dari total investasi dalam bentuk obligasi pendapatan
2. Jumlah yang diinvestasikan dalam sertifikat deposito tidak boleh melebihi julah yang diinvestasikan dalam ketiga pilihan lain
3. Paling sedikit 30% investasi harus dalam treasury bill dan sertifikat deposito
4. Perbandinga antara jumlah yang diinvestasikan dalam obligasi pemerintah dengan yang diinvestasikan dalam treasury bill tidak meleebihi satu banding 3
5. Investor merencanakan untuk menginvestasikan selurunhnya $ 70.000 Tugas 2
2. Perusahaan pipa PVC bergerak dalam produksi pipa-pipa plastik dengan ukuran panjang standar 200 inci. Suatu ketika perusahaan ini mendapat pemesanan berupa pipa-pipa degan ukuran yang tidak standar, yaitu 50, 70, dan 90 inci dengan jumlah pemesanan masing-masing sbb
Pesana n
Panjang Pipa (inci)
Kebutuhan (batang)
1 50 150
2 70 200
1. Pipa dipotong menjadi panjang 70 dan 90 inci, sisa tidak terpakai dengan cara ini adalah 40 inci.
2. Dipotong menjadi 50, 50, dan 70 inci, sisa 30 inci 3. Dipotong menjadi 50,50 dan 90 inci, sisa 10 inci 4. Dipotong menjadi 50, 50, 50, dan 50 inci, sisa 0 5. Dipotong menjadi 50, 70, dan 70, sisa 10 inci 6. Diopotong menjadi 90, dan 90 inci, sisa 20 inci
Yang menjadi persoalan di sini ialah menetapkan kombinasi teknik pemotongan yang harus
dilakukan sehingga seluruh jenis pesanan dapat terpenuhi, tetapi dengan meninggalkan sisa yang tak terpakai sekecil-kecilnya (minimum)
Tugas 3
Selesaikanlah Soal di bawah ini dengan menggunakan metode simpleks Maks F(x1,X2) = 3x1+2x2
Kendala
X1+2x2 ≤ 20 3x1 + x2 ≤ 20 X1, x2 ≥ 0
Selesaikan dengan menggunakan Metode Simpleks
CPMK Kuis Tugas
Ujian
Tertulis Makalah Presentasi Oral Partisipasi Kelas UTS UAS Grup Individu Grup Individu
Memiliki kemampuan menyelesaikan persoalan programa linier yang diformulasikan dengan metode simpleks, metode Big-M dan metode dua fasa.
√ √
√
√ √
√
Mampu melakukan analisis hasil-hasil pemecahan formulasi programa linier dengan teori dualitas dan analisis sensitivitas
√ √ √
Mampu menyelesaikan persoalan transportasi, transhipment, dan penugasan dengan memakai metode pencarian solusi yang sesuai
√ √
√ √
√
Mampu mencari solusi dari formulasi model jaringan dengan metode network simpleks dan melakukan analisis atas solusi yang dihasilkan
√ √ √
RANCANGAN PENILAIAN
Rubrik Penilaian Presentasi
Kriteria/
Dimensi
Presentasi Mahasiswa
Nilai
Sangat Baik Baik Cukup Kurang Sangat
Kurang
Skor ≥ 81 (61-80) (41-60) (21-40) <20
Organisasi
Terorganisa si dengan
menyajikan fakta yang didukung oleh contoh yang telah dianalisis sesuai konsep
Terorganisasi dengan baik dan menyajikan fakta yang
meyakinkan untuk mendukung kesimpulan- kesimpulan
Presentasi
mempunyai fokus dan menyajikan beberapa bukti yang mendukung
kesimpulan- kesimpulan
Cukup fokus, namun bukti kurang
mencukupi untuk digunakan dalam menarik kesimpulan
Tidak ada organisasi yang jelas. Fakta tidak digunakan untuk
mendukung pernyataan Isi mampu
menggugah pendengar untuk mengemban gkan pikiran
Isi akurat dan lengkap.
Para pendengar menambah wawasan baru tentang topik tersebut
Isi secara umum akurat, tetapi tidak lengkap. Para pendengar bisa mempelajari
beberapa fakta yang tersirat, tetapi mereka
Isinya kurang akurat, karena tidak ada data faktual, tidak
menambah pemahaman pendengar
Isinya tidak akurat atau terlalu umum.
Pendengar tidak belajar apapun atau kadang menyesatka n
RUBRIK PENILAIAN
Kriteria/
Dimensi
Presentasi Mahasiswa
Nilai
Sangat Baik Baik Cukup Kurang Sangat
Kurang
Skor ≥ 81 (61-80) (41-60) (21-40) <20
Gaya Presentasi
semangat, menularkan semangat dan antusiasme pada pendengar
menggunakan intonasi yang tepat, berbicara tanpa bergantung pada catatan, dan
berinteraksi secara intensif dengan pendengar.
Pembicara selalu kontak mata dengan pendengar
pembicara tenang, tetapi dengan nada yang datar dan cukup sering bergantung pada catatan.
Kadang- kadang kontak mata dengan pendengar diabaikan
catatan, tidak ada ide yang dikembangk an
diluar catatan.
Suara monoton
cemas dan tidak nyaman, dan membaca berbagai catatan daripada berbicara.
Pendengar sering diabaikan.
Tidak terjadi kontak mata karena
pembicara lebih banyak melihat
ke papan tulis atau layar
Rubrik penilaian penulisan makalah
Laporan Aspek Kriteria Nilai
4 3 2 1
A.Isi 60 %
1. Pendahuluan Sistimatis. Latar belakang dan tujuan penulisan sesuai.
Tidak sistimatis.
Latar belakang dan tujuan penulisan sesuai.
Sistimatis. Latar belakang dan tujuan penulisan tidak sesuai.
Tidak sistimatis.
Latar belakang dan tujuan penulisan tidak sesuai.
2. Pembahasan Materi
Lengkap, sesuai dan menyeluruh
Lengkap, tidak sesuai, tidak menyeluruh
Tidak lengkap, tidak sesuai, menyeluruh
Tidak lengkap dan tidak sesuai, tidak menyeluruh 3. Simpulan Menjawab tujuan,
singkat dan padat
Menjawab tujuan tidak singkat dan padat
Tidak menjawab tujuan, singkat danpadat
Tidak menjawab tujuan, tidak singkat dan padat 4. Daftar Pustaka Penyusunan
alfabetis (sistem Harvard), referensi 10 tahun terakhir, disertakan 3 jurnal
Penyusunan alfabetis (sistem Harvard), referensi lebih dari 10 tahun terakhir, disertakan 2 jurnal
Penyusunan tidak alfabetis (sistem Harvard), referensi 10 tahun terakhir, disertakan 1 jurnal
Penyusunan tidak alfabetis (sistem Harvard), referensi lebih dari 10 tahun terakhir, tidak disertakan jurnal
Skore A
Laporan Aspek Kriteria Nilai
4 3 2 1
3. Ketepatan Waktu Pengumpulan Laporan Penelitian
Sesuai dengan waktu yang ditentukan
Terlambat 1 hari dari waktu yang ditentukan
Terlambat 2- 3 hari dari waktu yang tditentukan
Terlambat >3 hari dari waktu yang ditentukan
Skore B Nilai B (40%) = Skor B x 40%
Nilai Akhir = ((Nilai A + Nilai B) / 14,4) x 100
UNIVERSITAS MEDAN AREA
FAKULTAS : TEKNIK
PROGRAM STUDI: TEKNIK INDUSTRI
SATUAN ACARA PEMBELAJARAN (SAP) PERTEMUAN I
Program Studi : TEKNIK INDUSTRI
Mata Kuliah : PENELITIAN OPERASIONAL I
Kode Mata Kuliah : TID 15022
SKS : 3 SKS
Semester : III
Waktu : 150 menit
Dosen : Chalis Fajri Hasibuan, ST, M.Sc
CPMK - Memiliki kemampuan menyelesaikan persoalan
programa linier yang diformulasikan dengan metode simpleks, metode Big-M dan metode dua fasa.
- Mampu melakukan analisis hasil-hasil pemecahan formulasi programa linier dengan teori dualitas dan analisis sensitivitas
Sub-CPMK :
Mahasiswa mampu menjelaskan falsafah RO dan hubungannya dengan pengambilan keputusan
Materi Ajar : -
Pengertian RO..
-
RO dalam pengambilan keputusan.
-
Model-model RO.
Kegiatan Perkulihanan
Tahap Kegiatan Uraian Kegiatan Metode Estimasi Waktu
Pendahuluan 1. Mengucapkan salam dan membuka kelas dengan doa
2. Menjelaskan kontrak kuliah dan silabus
3. Membagi mahasiswa dalam kelompok kelompok diskusi dalam satu semester
Ceramah dan diskusi
30 menit
Kegiatan inti 1. Menjelaskan tentang
Pengertian RO..
RO dalam pengambilan keputusan.
Model-model RO
2. .Memberikan kesempatan kepada mawasiswa untuk mengajukan pertanyaan apabila ada hal yang tidak jelas
Ceramah dan
diskusi 50 menit
3. Jong Jek Siang, 2011. Riset Operasi “Pendekatan Algoritmis, Andi, Yogyakarta 4. Tarigan, U, 2008, Handout Riset Operasi I, Departemen Teknik Industri, USU..
2. Penilian Non Test Soal :
1. Mencari model-model penerapan riset operasi di industry
UNIVERSITAS MEDAN AREA
FAKULTAS : TEKNIK
PROGRAM STUDI: TEKNIK INDUSTRI
SATUAN ACARA PEMBELAJARAN (SAP) PERTEMUAN II
Program Studi : TEKNIK INDUSTRI
Mata Kuliah : PENELITIAN OPERASIONAL I
Kode Mata Kuliah : TID 15022
SKS : 3 SKS
Semester : III
Waktu : 150 menit
Dosen : Chalis Fajri Hasibuan, ST, M.Sc
CPMK - Memiliki kemampuan menyelesaikan persoalan
programa linier yang diformulasikan dengan metode simpleks, metode Big-M dan metode dua fasa.
- Mampu melakukan analisis hasil-hasil pemecahan formulasi programa linier dengan teori dualitas dan analisis sensitivitas
Sub-CPMK :
Mahasiswa mampu membuat model matematika
dengan bentuk umum sampai dengan bentuk standar
Materi Ajar :
Bentuk Umum LP.
Bentuk baku LP.
Tujuan, Kendala dan Alternatif dalam RO.
Pemodelan Matematik
Pemodelan matematik kendala/pembatas
Kegiatan PerkulihananTahap Kegiatan
Uraian Kegiatan Metode Estimasi Waktu Pendahuluan 1. Mengucapkan salam dan membuka kelas
dengan doa
2. Menyampaikan outline materi pertemuan dan metode pembelajaran yang dipakai
Ceramah 5 menit
Kegiatan inti 1. Dengan menggunakan media OHP : menjelaskan tentang
- Bentuk Umum LP.
- Bentuk baku LP.
- Tujuan, Kendala dan Alternatif dalam
Ceramah dan diskusi
125 menit
untuk berdiskusi
Penutup 1. Menginformasikan materi tugas untuk pertemuan berikutnya
2. Menutup kelas dengan doa
Ceramah 20 menit
1. Refferensi :
1. Lieberman, H, 2008. Introduction To Operation Research, Andi, Yogyakarta 2. Dimyati, T.T., 2010. Operation Research, Sinar Baru Algesindo, Bandung.
3. Jong Jek Siang, 2011. Riset Operasi “Pendekatan Algoritmis, Andi, Yogyakarta 4. Tarigan, U, 2008, Handout Riset Operasi I, Departemen Teknik Industri, USU.
2. Penilian:
Non Test:
-