You are on page 1of 4

SATUAN ACARA PERKULIAHAN

MATA KULIAH: KONSEP DATA MINING


SISTEM INFORMASI (IT 011234)/2 SKS

Tanggal pembuatan: 6 September 2006


PERTEM BAHASAN & TIU SUB BAHASAN & TIK Teknik Media TUGAS REF
UAN Pembelajaran Pembelajaran
1 PENDAHULUAN - Latar belakang DM Kuliah Mimbar Papan Tulis, 1, 2 & 5
TIU: - Definisi Data Mining OHP
Mahasiswa dapat mengetahui - Kebutuhan DM
dan memahami konsep dasar - Ilmu yang berkaitan dengan DM
DM - Database & DM
- Penerapan DM
- Tools yang digunakan
TIK:
- Mahasiswa dapat menyebut definisi DM, kebutuhan dan ilmu
yang berkaitan dengan DM
- Mahasiswa dapat menerangkan penerapan DM dan tools yang
digunakan pada DM
2 Data Mining dan KDD - Definisi KDD Kuliah Mimbar Papan Tulis, 1&5
TIU: - Tahapan dalam proses KDD: OHP
Mahasiswa dapat mengetahui i. Data preprocessing
dan memahami definisi dan ii. Data Mining
konsep KDD iii. Post processing

TIK:
- Mahasiswa dapat menyebut definisi KDD
- Mahasiswa dapat menerangkan tahapan dalam proses KDD

3 Arsitektur dan Model Data - Arsitektur sistem DM: Kuliah Mimbar Papan Tulis, 1&
Mining GUI, Pattern Evaluation, DM Engine, Database/warehouse, OHP
TIU: Knowledge-Base
Mahasiswa dapat mengetahui - Model Data Mining:
dan memahami arsitektur i. Prediktif: klasifikasi, decision tree, regresi, analisis Time
sistem dan jenis-jenis model Series, prediksi, Jaringan Syaraf Tiruan
DM ii. Deskriptif: Pengklusteran, Summarization, Aturan asosiasi,
Sequence Discovery.
TIK:
- Mahasiswa dapat menerangkan komponen dari sistem DM dan model
DM
4 Model Data Mining I - Klasifikasi : Decision Trees, Rule-Based Classifier Kuliah Mimbar Papan Tulis, 1&4
TIU: TIK: OHP
Mahasiswa dapat mengetahui - Mahasiswa dapat menerangkan jenis model pengklasifikasian Decision
dan memahami model Tree dan Rule-Based Classifier
klasifikasi DM
5 Model Data Mining II - Klasifikasi: Bayesian Clasifier, Support Vector Machine Kuliah Mimbar Papan Tulis, 1&4
TIU: TIK: OHP
Mahasiswa dapat mengetahui - Mahasiswa dapat menerangkan jenis model pengklasifikasian Bayesian
dan memahami model Classfier dan Support Vector Machine
klasifikasi DM
6 Model Data Mining III - Asosiasi: Sequential/Temporal Pattern Kuliah Mimbar Papan Tulis, 1&4
TIU: TIK: OHP
Mahasiswa dapat mengetahui - Mahasiswa dapat menerangkan jenis model pengasosiasian
dan memahami model Sequential/Temporal Pattern
asosiasi DM
7 Model Data Mining IV - Jaringan Syaraf Tiruan Kuliah Mimbar Papan Tulis, 1&4
TIU: TIK: OHP
Mahasiswa dapat mengetahui - - Mahasiswa dapat menerangkan jenis model pengklasifikasian
dan memahami model
Jaringan Syaraf Tiruan DM
8 Model Data Mining V - Analisis Cluster: Definisi Analisis Cluster, K-Means dan Evaluasi Kuliah Mimbar Papan Tulis, 1 &4
TIU: Cluster OHP
Mahasiswa dapat mengetahui TIK:
dan memahami analisis - Mahasiswa dapat menerangkan definisi analisis cluster
cluster DM - Mahasiswa dapat menerangkan analisis cluster K-Means
- Mahasiswa dapat menerangkan evaluasi cluster

9 Model Data Mining VI - OLAP dan Analisis Data Multidimensional Kuliah Mimbar Papan Tulis, 1&4
TIU: TIK: OHP
Mahasiswa dapat mengetahui - Mahasiswa dapat menerangkan definisi OLAP, kegunaan, penerapannya
dan memahami kosnsep dasar serta dapat memaparkan analisis data multidimensional
OLAP & Analisis Data
Multidimensional
10 Model Data Mining VII - Visualisasi Data Kuliah Mimbar Papan Tulis, 1&4
TIU: TIK: OHP
Mahasiswa dapat mengetahui - Mahasiswa dapat menerangkan konsep dan cara visualisasi data
dan memahami konsep dan
penerapan Visualisasi Data
DM
Ujian Tengah Semester (UTS)
11 Tools Aplikasi dan Tren - Tools Aplikasi yang digunakan dalam DM: ORACLE, Kuliah Mimbar Papan Tulis, 3&4
dalam DM INFORMICS, CLEMENTINE, MS SQL SERVER 2005 OHP
TIU: - Tren Data Mining: image, web mining, text mining
Mahasiswa dapat mengetahui TIK:
dan memahami tools aplikasi - Mahasiswa dapat menyebutkan dan menerangkan tools aplikasi,
dalam DM dan tren DM ke piranti lunak yang digunakan dalam DM
depan - Mahasiswa dapat mengetahui tren DM saat ini.

12, 13 Studi Kasus - Penerapan data minin dalam dunia bisnis dan industri Kuliah Mimbar Papan Tulis, 1 &5
TIK: OHP
- Mahasiswa dapat mendiskusikan kasus DM yang sedang tren di dunia
bisnis dan industri.
Ujian Akhir Semester (UAS)

REFERENSI:
1. Pang-Ning Tan, M. Steinbach, V. Kumar, Introduction to DATA MINING, Pearson Education, Inc., Boston, 2006
2. Berry, Michael JA. Linnof, Gordon S., Masterinh Data Mining: The Art and Science of Customer Relationship Management, John willey, Canada, 2000
3. Chakrabarti, Soumen, Mining the Web: Discovering Knowledge from Hypertext Data, Morgan Kauffman Series, San Fransisco, 2003
4. Dilly, Ruth, Student Notes: Data Mining: An Introduction, Queens University, Belfast, Url:
http://www.pcc.qub.ac.uk/tec/courses/datamining/stu_notes/dm_book_1.html
5. I.H. Witten and E. Frank., Data Mining: Practical Machine Learning Tools & Techniques, WEKA, The University of Waikato
6. Pyle, Dorian, Business Modeling and Data Mining, Morgan Kaufman Publisher, San Fransisco, 2003

You might also like