DATA-MINING.docx - Dr. Abdul Kadir, SH, M.Si

(1)

DOKUMEN KELENGKAPAN MATA KULIAH

DATA MINING

(2)

1.

LEARNING OUTCOME PRODI / CPL

2.

LEARNING OUTCOME PRODI / CPL YANG DIBEBANKAN KE MATA

KULIAH

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

(3)

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)

(4)

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

(5)

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. Sikap

a.

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

(6)

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 tugasjumlah 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 dual

(7)

CPMK

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)

(8)

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)

(9)

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 2^nd 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 kuliah

prasyarat (Jika ada)

Tidak ada

(10)

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

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

(11)

Ming gu Ke-

akhir yg

Penilaian

Bentuk Pembelajaran; Metode

Pembelajaran; Penugasan Materi Pembelajaran (Pustaka)

Teknik

(1) (2) (3) (4) Luring (5) Daring (6) (7) (8)

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

[PB:1x(2x50)]

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

[PB:1x(2x50)]

id=2984

Analisis Asosiasi

 Algoritma FP- Growth

 Teknik evaluasi pola pola asosiasi

20

(12)

Ming gu Ke-

akhir yg

Penilaian

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

(13)

Ming gu Ke-

akhir yg

Penilaian

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 dan

algoritma clustering

-

Prototype –based &

Density –based clustering

-

Graph

-basedclustering Skalabilitas

Clustering

(14)

Ming gu Ke-

akhir yg

Penilaian

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

[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 data

mining dalam bidang financial, retail industri, telekomunikasi, biologi, dan aplikasi sains

(15)

Ming gu Ke-

akhir yg

Penilaian

Bentuk Pembelajaran; Metode Pembelajaran; Penugasan

Materi Pembelajaran (Pustaka)

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

?id=2984

Evaluasi Akhir Semester

(16)

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 2^nd 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

(17)

Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)

PEMBELAJARAN DARING KE- II

Mahasiswa/i dapat menjelaskan definisi data, dan proses awal yang dilakukan terhadap data agar dapat menjadi inputan yang baik dalam teknik data mining

TOPIK AKTIVITAS (DARING) REFERENSI

II Data

 Jenis &

Kualitas Data

 Preprocessi ng &

Teknik pengukuran data

(18)

Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)

PEMBELAJARAN DARING KE- III

Mahasiswa/i dapat menjelaskan teknik- teknik merepresentasikan data

II Data

 Jenis &

Kualitas Data

(19)

Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)

II Data

 Jenis &

Kualitas Data

(20)

Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)

II Data

 Jenis &

Kualitas Data

(21)

Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)

II Data

 Jenis &

Kualitas Data

(22)

Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)

II Data

 Jenis &

Kualitas Data

(23)

Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)

II Data

 Jenis &

Kualitas Data

(24)

Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)

TOPIK AKTIVITAS (DARING) REFERENSI III Eksplorasi Data

 Statistik data &

visualisasi data

 Analisis data multi

dimensional &

OLAP

(25)

Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)

PEMBELAJARAN DARING KE- IV

Mahasiswa/i dapat menjelaskan teknik klasifikasi dalam data mining

IV Klasifikasi

 Decision Tree &

Model Overfitting

(26)

Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)

PEMBELAJARAN DARING KE- V

V Klasifikasi

 Decision Tree &

Model Overfitting

(27)

Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)

PEMBELAJARAN DARING KE- VI

VI Klasifikasi

 Decision Tree &

Model Overfitting

(28)

Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)

PEMBELAJARAN DARING KE- VII

TOPIK AKTIVITAS (DARING) REFERENSI VII Analisis Asosiasi

 Frequent item

setgenarition

 Rule generation, compact representatio n of frequent itemset

 Menangan i atribut kategoris dan

(29)

subgraph, dan infrequent

(30)

Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)

PEMBELAJARAN DARING KE- VIII

TOPIK AKTIVITAS (DARING) REFERENSI VIII Analisis Asosiasi

 Frequent item

setgenarition

(31)

(32)

Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)

PEMBELAJARAN DARING KE- IX

TOPIK AKTIVITAS (DARING) REFERENSI IX Analisis Asosiasi

 Frequent item

setgenarition

(33)

(34)

Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)

PEMBELAJARAN DARING KE- X

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

X Dasar-dasar

Data Mining, Klasifikasi &

Analisis Asosiasi

- Review dasar- dasatdata mining - Review

klasifikasi dan analisis asosiasi

(35)

Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)

PEMBELAJARAN DARING KE- XII

Mahasiswa/i dapat menjelaskan teknik klustering dalam data mining

XII Klustering

-

Definisi dan konsep dasar clustering

-

Algoritma

K-Means

&Hierarchic al Clustering

-

Algoritma

DBSCAN

-

Evaluasi Clustering

-

Karakteristik data, cluster dan algoritma clustering

-

(36)

Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)

PEMBELAJARAN DARING KE- XIII

XIII Klustering

-

Algoritma

K-Means

-

Algoritma

DBSCAN

-

Evaluasi Clustering

-

(37)

Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)

PEMBELAJARAN DARING KE- XIV

XIV Klustering

-

Algoritma

K-Means

-

Algoritma

DBSCAN

-

Evaluasi Clustering

-

(38)

Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)

PEMBELAJARAN DARING KE- XV

Mahasiswa/i dapat menjelaskan bagaimana menangani anomali data, dan mendeteksi adanya anomali data

XV Anomali data

-

Definisi anomali data dan

pendekatan statistik untuk mengatasi anomali data

-

Deteksi dengan

proximity- based outlier, deteksi density- based outlier &

clustering- based technique

(39)

Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)

PEMBELAJARAN DARING KE- XVI

Mahasiswa/i dapat menjelaskan gambaran aplikasi data mining dalam berbagai bidang

TOPIK AKTIVITAS (DARING) REFERENSI XVI Aplikasi dan

Trend Data Mining

-

Spatial &

-

Text & Web

Mining

-

Penerapan data

mining dalam bidang financial, retail industri, telekomuni kasi, biologi, dan

(40)

Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)

PEMBELAJARAN DARING KE- XVII

Mahasiswa/i dapat menjelaskan gambaran aplikasi data mining dalam berbagai bidang

TOPIK AKTIVITAS (DARING) REFERENSI XVII Aplikasi dan

Trend Data Mining

-

Spatial &

-

Text & Web

Mining

-

Penerapan data

mining dalam bidang financial, retail industri, telekomuni kasi, biologi, dan

(41)

Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)

PEMBELAJARAN DARING KE- XVIII

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

TOPIK AKTIVITAS (DARING) REFERENSI XVIII  Presentasi &

Diskusi Tugas Kelompok

(42)

Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)

PEMBELAJARAN DARING KE- XIX

TOPIK AKTIVITAS (DARING) REFERENSI XIX  Presentasi &

(43)

Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)

PEMBELAJARAN DARING KE- XX

TOPIK AKTIVITAS (DARING) REFERENSI XX  Presentasi &

(44)

Rencana Kerja Kegiatan Pembelajaran Daring (RKPD)

PEMBELAJARAN DARING KE- XXI

TOPIK AKTIVITAS (DARING) REFERENSI XXI  Presentasi &

(45)

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

(46)

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

(47)

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

(48)

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

(49)

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

(50)

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

(51)

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

(52)

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

(53)

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

(54)

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

(55)

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 Perkulihanan

Tahap 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

(56)

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:

-