Konsep dan Aplikasi Data Mining

Presentasi berjudul: "Konsep dan Aplikasi Data Mining"— Transcript presentasi:

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

2 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

3 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).

4 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

5 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

6 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

7 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:

8 Terima Kasih