Konsep dan Aplikasi Data Mining

Slides:



Advertisements
Presentasi serupa
KNOWLEGDE DISCOVERY in DATABASE (KDD)
Advertisements

Pembuatan Sistem Cerdas atau “Tugas Praktikum” SP Genap 2008/09
BASIS DATA LANJUTAN.
Topik-Topik Lanjutan Sistem Informasi Johanes Kevin Lumadi Deny Setiawan Machliza Devi Sasmita Silvia Line Billie.
PROYEK SISTEM INFORMASI
Ujian Akhir Semester (UAS)
ALGORITMA C4.5 Dr. Kusrini, M.Kom. Analisis Diagnosis Banding pada Sistem Asesmen Geriatri Jarak Jauh Kusrini Geriatric Teleassessment System.
DATA MINING 1.
PEMROGRAMAN CLIENT / SERVER (PERTEMUAN I)
Data Mining.
Data Warehouse dan Data Mining
Pertemuan XIV FUNGSI MAYOR Assosiation. What Is Association Mining? Association rule mining: –Finding frequent patterns, associations, correlations, or.
PENGANTAR TEKNOLOGI INFORMASI & ILMU KOMPUTER
Chandra WWJ Seminar Kewirausahaan1 Metode Seminar Sesi 1.
Sistem Temu Kembali Informasi/ Information Retrieval
Association Rule (Apriori Algorithm)
ALAT (TOOLS) MANAJEMEN PENGETAHUAN
Pertemuan XIV FUNGSI MAYOR Assosiation. What Is Association Mining? Association rule mining: –Finding frequent patterns, associations, correlations, or.
Metode Penelitian di bidang teknik informatika
A rsitektur dan M odel D ata M ining. Arsitektur Data Mining.
Imam Cholissodin | Algoritma Evolusi Imam Cholissodin |
DATA MINING (Machine Learning)
Peran dan Manfaatnya sebagai Decission Support System (DSS)
Data Warehouse dan Data Mining
Penambangan data Pertemuan 2.
DATAWAREHOUSING & BUSINESS INTELLIGENT <<Pertemuan – 12>>
Peran Utama Data Mining
Data Mining.
Lecturer: Getut Pramesti
KONTRAK PERKULIAHAN.
Disiplin Ilmu, Metode Penelitian, Computing Method
MATERI PERKULIAHAN KECERDASAN BUATAN
Artificial Intelligence
Agus Aan Jiwa Permana, S.Kom., M.Cs
4. Disiplin Ilmu, Metode Penelitian dan Computing Methods
Data Mining.
Konsep Data Mining Ana Kurniawati.
SISTEM PENUNJANG KEPUTUSAN
Clustering Best Practice
Issa Arwani, S.kom, M.sc. Vokasi UNIVERSITAS BRAWIJAYA MALANG
Data Mining.
Disiplin Ilmu, Metode Penelitian, Computing Method
HUBUNGAN WCA DAN SISTEM INFORMASI
Materi & Kontrak Perkuliahan
The Lecturer Lecturer: Getut Pramesti Office: FKIP Building D,3 fl
Business Intelligent Ramos Somya, S.Kom., M.Cs.
.: ALGORITMA APRIORI :. DSS - Wiji Setiyaningsih, M.Kom
Pengantar Teknologi Informasi (PTI)
KELOMPOK 6 Nama Kelompok: Lulus Irmawati ( )
EJAAN YANG DISEMPURNAKAN
Teaching Plan Rearrangement Software engineering week 8-14 Kelompok A dan A kelompok A
PRODI MIK | FAKULTAS ILMU-ILMU KESEHATAN
Contoh 4: Penerapan Konsep Sistem Fuzzy
INF – UNIJOYO Analisa dan Desain Berbasis Objek
EXPERT SYSTEM (SISTEM PAKAR)
USING DATA MINING TO MODEL PLAYER EXPERIENCE
KLASIFIKASI.
Konsep Aplikasi Data Mining
STMIK Pradnya Paramita Malang 2018
STMIK Pradnya Paramita Malang 2018
Business Intelligence MKB2-5138, 3 sks
Silabus Business Intelligent (IN335)
Arsitektur dan Model Data Mining
Konsep Data Mining Ana Kurniawati.
ASSOCIATION RULE DAN PENERAPANNYA
Konsep Aplikasi Data Mining
Konsep Aplikasi Data Mining
REKAYASA PERANGKAT LUNAK
Konsep Aplikasi Data Mining
Sistem Data Terdistribusi (Rule Perkuliahan)
Transcript presentasi:

Konsep dan Aplikasi Data Mining Dr. Tb. M. Akhriza, S.Si.,MMSI Credit: Eka Yuniar, S.Kom., MMSI

Kontrak Kuliah Kehadiran = Presensi Hadir min. 80%, UTS Hadir, UAS Hadir, Hadir latihan, Hadir presentasi (tentativ) Nilai UTS = Nilai latihan/Kuis sebelum UTS + nilai UTS Nilai UAS = Nilai latihan/Kuis sebelum UAS + nilai UAS Nilai Latihan/kuis = tiap pertemuan bisa jadi ada tugas/latihan untuk mengetahui progress mahasiswa Presentasi: mahasiswa memilih paper data mining yang sudah disediakan, menganalisis paper, dan menceritakan kembali Batas Maksimal Kehadiran setengah jam setelah jam masuk perkuliahan, atau force majeure

Capaian Mata Kuliah Mahasiswa mampu memahami Konsep data Mining secara deskriptif maupun prediktif dan mengaplikasikannya dalam kasus nyata dengan menggunakan Tools Data mining secara optimal (C) dengan baik dan benar secara mandiri(D).

Kemampuan Akhir yang di Rencanakan No Kemampuan Akhir yang direncanakan Indikator 1 Mahasiswa dapat memahami konsep Dasar Data Mining(AI) C2.   Menjelaskan tentang Definisi Data Mining Kebutuhan Data Mining Ilmu-Ilmu yang berkaitan dengan data mining Teknik-teknik database Penerapan data mining Tools yang digunakan 2 Mahasiswa dapat menganalisis proses Knowledge Discovery from Data (KDD) C4 Menjelaskan Definisi KDD Data Preprocessing Data Warehouse Indexing, Searching, OLAP, Reduksi Langkah-langkah dalam proses KDD

Kemampuan Akhir yang direncanakan No Kemampuan Akhir yang direncanakan Indikator 3 Menganalisis Arsitektur dan model data mining C5 Menjelaskan Komponen dari sistem data mining Model data mining Predictive Classification, Regression, Time Series Analysis, Prediction Descriptive : Clustering, summarization, association rule, sequence discovery 4 Mahasiswa dapat memahami teknik-teknik dari data mining Association Rule Mining Menjelaskan konsep Market basket analysis dan Association rule mining Menjelaskan konsep dan implementasi algoritme APRIORI: frequent patterns dan association rules mining Latihan: mempraktikan program APRIORI 5 Clustering Menjelaskan konsep dan implementasi pengklusteran obyek dan analisis kluster Konsep jarak obyek dalam Vector Space Model Menggunakan K-means dan agglomerative hierarchical clustering (AHC) untuk mengkluster obyek. Latihan; mempraktikan K-means dan ACC untuk kasus nyata

Kemampuan Akhir yang direncanakan No Kemampuan Akhir yang direncanakan Indikator 6 Mahasiswa dapat memahami teknik-teknik dari data mining Class Prediction/ Classification Menjelaskan konsep prediksi kelas/klasifikasi obyek Menjelaskan konsep dan implementasi Naive Bayes classifier untuk memprediksi kelas Latihan: mempraktikan Naive Bayes classifier dalam dunia nyata 7 Recommender System Menjelaskan konsep sistem perekomendasian dan macam-macam sistem yang ada: collaborative filtering, content based, dan association rule based Melakukan perhitungan sederhana untuk macam-macam sistem rekomendasi Menerapkan Association rule untuk sistem rekomendasi 8 Mahasiswa memahami tentang Big data Analysis Menjelaskan definisi dan perbedaan antara big data analysis dengan common data analysis Penerapan Big Data Analysis dalam dunia kerja

Publikasi Jurnal dan Konferensi Publikasi jurnal dan konferensi internasional: (2015) Tb. M. Akhriza, Yinghua Ma, Jianhua Li, A novel Fibonacci windows model for finding emerging patterns over online data stream, IEEE Conference on Cyber Security of Smart Cities, Shanghai. (2017) Tb. M. Akhriza, Yinghua Ma, Jianhua Li, Revealing the Gap Between Skills of Students and the Evolving Skills Required by the Industry of Information and Communication Technology. Int. Journal of Software Eng. And Knowledge Eng. World Scientific Pub. Singapore (2017) Tb. M. Akhriza, Hizkia Y.S, Antonius Duty, Improving Mobility of Base Transceiver Station Locating Method using Telegram’s Application, Int. Journal of Tech, Univ. Indonesia (2018) Tb. M. Akhriza, Yinghua Ma, Jiahua Li, Novel Push‐Front Fibonacci Windows Model for Finding Emerging Patterns with Better Completeness and Accuracy, ETRI Journal, South Korea. Lainnya: https://scholar.google.co.id/citations?hl=id&user=uuz9sc0AAAAJ&view_op=list_works&sortby=pubdate

Terima Kasih