MATA KULIAH – KODE 463533 DATA MINING (Semester 7)

  KONTRAK PERKULIAHAN PRODI STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK – UNTAG SURABAYA MATA KULIAH

• – KODE 463533

  DATA MINING (Semester 7) Dosen Pengampu: Elsen Ronando, S.Si.,M.Si.,M.Sc. NPP. 20460.16.0708 NIDN. 0706039003

  Prodi Studi Teknik Informatika Fakultas Teknik Universitas 17 Agustus 1945 Surabaya 2016

KONTRAK PERKULIAHAN

  Mata Kuliah : Data Mining Kode/Bobot MK : 463533 / 3 sks Fakultas/Prodi : Fakultas Teknik / Teknik Informatika Semester : 7 (Tujuh) Jumlah Pertemuan : 1 - 14 minggu pertemuan Hari Pertemuan/Jam : Hari Senin / 17.00 – 19.15 WIB Ruang : I310 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

  Setelah menempuh mata kuliah Data Mining diharapkan mahasiswa/i dapat memahami dan menguasi konsep data mining untuk mendukung penyelesaian beberapa permasalahan yang terkait 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

  Memahami pengetahuan tentang konsep data mining dan aplikasinya dalam menyelesaikan permasalahan

  Menerapkan pendekatan data mining dalam beberapa

  Mahasiswa/i mampu: 1.

  dan menge valuasi kinerja dari

  3. Mahasiswa/i mampu menganalisa

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

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

  Mahasiswa/i mampu: 1.

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

  2. Mahasiswa/i mampu menerapkan

  Mahasiswa/i mampu: 1.

  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.

  enerapkan pendekatan berbagai konsep data mining yang sesuai dengan permasalahan yang dihadapi .

  Mahasiswa/i mampu menentukan dan m

  3 No Kompetensi Dasar Indikator 1.

  2

  1

  Adapun indikator untuk masing-masing Kompetensi dasar sebagai berikut:

   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.

  Standar kompetensi mata kuliah Data Mining adalah sebagai berikut:  Menentukan dan menerapkan pendekatan berbagai konsep data mining yang sesuai dengan permasalahan yang dihadapi.

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

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

  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.

3. Membangun dan mengevaluasi kesesuaian penerapan teori, model, dan mekanismenya.

IV. ORGANISASI MATERI

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

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.

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

  (6) Membangun dan mengevaluasi kesesuaian penerapan teori, model, dan mekanismenya.

  (3) Menerapkan pendekatan data mining dalam (4) Mengkaji dan mengidentifikasi kinerja dari beberapa bidang aplikasi, khususnya permasalahan pendekatan data mining yang digunakan dalam menyelesaikan permasalahan. ilmu komputasi.

  (2)

(2)

Mampu memodelkan dan menerapkan metode serta Mampu menganalisa penerapan model, metode, dan

mekanisme untuk menyelesaikan permasalahan mekanisme yang baik berdasarkan pendekatan data

menggunakan pendekatan data mining.. mining.

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

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.

  J. Zaki, Mohammed and Meira Jr., Wagner. 2014. Data Mining and Analysis: Foundations and Algorithm . New York: Cambridge University Press.

  Mampu memahami dan menjelaskan tentang pengetahuan dasar data mining dan aplikasinya, seperti konsep dan definisi, tipe data, serta pola dan fungsionalitas pendekatan data mining.

  3. Tan, Pang-Ning et al.2006. Introduction to Data Mining. Boston: Pearson Addison Wesley 4.

  Bobot nilai

  Mampu membentuk pola

  2. Soal Latihan Minggu ke-9 Mampu 1.

  Bobot nilai tugas adalah 5% dari total bobot.

  2. Analisa dan evaluasi data mining dalam bidang aplikasi.

  1. Konsep dasar data mining dalam penyelesaian masalah dalam bidang aplikasi secara individu maupun berkelompok.

  Minggu ke-1 s.d. 2.

  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.

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

  No Judul Tugas Jadwal Tugas Tujuan Luaran Konsekuensi

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

  VII. TUGAS-TUGAS MATA KULIAH

  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).

  VI. STRATEGI PEMBELAJARAN

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

  1. Aplikasi Data Mining dalam bidang Teknik Informatika (Tugas Kelompok & minimal lima bidang aplikasi per kelompok).

VIII. KRITERIA PENILAIAN

  b. Tugas Individu 5 %

  A-

  80.00

  4.00

  A

  Rentang Nilai Angka Nilai Huruf Bobot ≥85.00

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

  Total Prosentasi Bobot Nilai = 100%

  d. Tes Tulis ETS 45 %

  c. Kuis 5 %

  a. Keaktifan dan absensi 7 x 5/14 %

  No Judul Tugas Jadwal Tugas Tujuan Luaran Konsekuensi

  d. Tes Tulis ETS 30 %

  c. Kuis 5 %

  b. Tugas Kelompok 5 %

  a. Keaktifan dan absensi 7 x 5/14 %

  Tengah Semester Akhir Semester

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

  tugas adalah 5% dari total bobot.

  2. Memahami dan menerapkan analisa outlier untuk menyelesaikan permasalahan yang ada.

  pikir kritis, analitik, dan sistematis dalam menyelesaikan permasalahan.

  tentang Analisa Outlier (Tugas Individu) s.d. 10. menyelesaikan dan menganalisa permasalahan soal menggunakan analisa outlier.

  3.75

• – 84.99
• – 79.99
• – 74.99
• – 69.00
• – 64.99
• – 59.99
• – 49.99
• – 44.99
• – 34.99
• – 29.99

  A/B

  45.00

  0.00

  E

  0.00

  1.00

  D

  30.00

  1.50

  1.75 35.00 – 39.99 C/D

  C-

  40.00

  2.00

  C

  2.25

  3.50

  2.50 50.00 – 54.99 C+

  B/C

  55.00

  2.75

  B-

  60.00

  3.00

  B

  65.00

  3.25

  B+

  75.00

  70.00

IX. JADWAL PERKULIAHAN DAN MATERI POKOK

• – 19.15 Data Mining : Pendahuluan & Kontrak Perkuliahan
• – 19.15
• – 19.15
• – 19.15 Data Mining: Pola Analisa Asosiasi dan
• – 19.15

• – 19.15
• – 19.15

8 VIII Senin, 31 Oktober 2016

  14 XIV Senin, 19 Desember 2016 17.00

  Data Mining: Analisa Outlier

  11 XI Senin, 21 Nopember 2016 17.00

  Data Mining: Stream Data Mining, Data Time Series, dan Barisan Data

  12 XII Senin, 28 Nopember 2016 17.00

  Data Mining: Analisa Multidimensional dan Data Kompleks, Spasial Data Mining, Multimedia Data Mining, Teks Mining, dan Web Mining

  13 XIII Senin, 05 Desember 2016 17.00

  Kuis II

  15 XV Senin, 26 Desember 2016 17.00

  Data Mining: Graf Mining, Analisa Jaringan Sosial, dan

  Data Mining Multirelasi

  Data Mining: Aplikasi & Tantangan

  17.00 – 19.15 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 tidak diperkenankan memakai sandal atau sejenisnya waktu mengikuti perkuliahan, kecuali alasan tertentu (sakit dibuktikan dengan surat keterangan sakit dari Dokter).

  3. Pada waktu perkuliahan semua handphone atau seluruh alat komunikasi dimatikan/silent.

  4. Pada waktu perkuliahan tidak diperkenankan membuka laptop/notebook, kecuali untuk mendukung perkuliahan atau tugas kuliah.

  10 X Senin, 14 Nopember 2016 17.00

  9 IX Senin, 07 Nopember 2016 17.00

  Data Mining: Analisa Kluster

  17.00

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

  No Minggu ke- Hari, Tanggal Waktu Materi Pokok

  1 I Senin, 05 September 2016 17.00

  2 II Senin, 19 September 2016 17.00

  Data Mining : Teknik Pencarian Data (Preprocessing Data)

  3 III Senin, 26 September 2016 17.00

  Data Mining: Data Warehouse

  4 IV Senin, 03 Oktober 2016

  Korelasi

  17.00 – 19.15 Evaluasi Tengah Semester (ETS)

  5 V Senin, 10 Oktober 2016

  17.00

  Kuis I

  6 VI Senin, 17 Oktober 2016

  17.00

  Data Mining: Klasifikasi & Prediksi

  7 VII Senin, 24 Oktober 2016

  17.00

  Data Mining: Klasifikasi & Prediksi (Lanjutan)

• – 19.15
• – 19.15
• – 19.15
• – 19.15
• – 19.15
• – 19.15
• – 19.15

16 XVI Senin, 02 Januari 2017

  5. 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.

  6. Mahasiswa/i tidak diperkenakan melakukan keributan didalam kelas selama perkuliahan berlangsung kecuali pada saat diskusi.

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

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

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

  10. 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

(Geri Kusnanto, S.Kom.,M.M.) NPP. 20460.94.0401