Data Mining

Pertemuan 1:

Membahas terkait Perkenalan, Kontrak Kuliah dan Outline yang akan disajikan pada Mata Kuliah ini. Penyajian untuk 14 kali pertemuan akan dilaksanakan secara tentative dengan beberapa materi Pengayaan dan Tugas Besar.

Download Materi

Pertemuan 2:

Pembahasan ini terkait Pendahuluan Data Mining dengan beberapa sub materi sebagai berikut: Pengertian Data Mining, Posisi Data Mining dalam berbagai disiplin ilmu, Operasi Data Mining dan Knoledge Discoveri Databases (KDD), Data Warehouse dan Teknologi Saat ini, Fase Data Mining, Permasalahan dalam Data Mining, Tantangan dalam Data Mining, Teknik Data Mining (Klasifikasi (Classification), Pengelompokan (Clustering), Asosiasi (Assosiation), Peramalan (Forecasting), Regresi (Regression)

Download Materi

Pertemuan 3:

Pembahasan ini terkait Data dengan beberapa sub materi sebagai berikut: Defenisi dan Tipe Data, Kualitas Data, Pengolahan Awal  (Preprocessing) Data terdiri atas Pengumpulan (Agregation), Penarikan Contoh (Sampling), Pengurangan Dimensi (Dimensionality Reduction), Pemilihan Fitur (Feature Selection), Pembuatan Fitur (Feature Creation), Pendiskritan dan Pembineran (Discretization and Binarization), Transformasi Atribut (Attribute Transformation. Selanjutnya terdapat sub materi terkait dengan Similaritas dan Jarak serta Normalisasi Data.

Download Materi

Petemuan 4:

Algoritma Pemrosesal Awal, Terdapat 2 materi pokok yang akan disajikan pada pertemuan ini yaitu Principal Component Analysis (PCA) dengan sub materi sebagai berikut: Konsep PCA, Variance dan Covariance, Eigen Value dan Eigen Vector, Algoritma PCA dan Contoh dan Penggunaan PCA. Pada materi pokok kedua yaitu Singular Value Decomposition (SVD) dengan sub materi berikut: Konsep SVD, Algoritma SVD dan Perbedaan SVD dan PCA.

Download Materi

Pertemuan 5:

Klasifikasi (Classification) 1, dengan materi sebagai berikut: Pengantar dan Filosofi Klasifikasi, Model dan Pengukuran Kinerja Klasifikasi, Pohon Keputusan (Decision Tree) terdiri dari sub materi Pengantar Pohon Keputusan, Menentukan Kondisi Atribut, Menentukan Pecabangan Terbaik (Best Splitting), Kondisi Penghentian (Stopping Criteria), Overfitting, Penyelesaian Kasus Decision Tree.

Download Materi [Modul 1]

Pertemuan 6:

Klasifikasi (Classification) 2, dengan materi berikut: Data Training dan Data Testing, K-Nearest Neighbor (K-NN) dengan sub materi Pengantar K-NN, Algoritma K-NN, KNN dalam Pengambilan Keputusan, Contoh Aplikasi K-NN. Pada pertemuan ke 6 ini juga akan dikenalkan algoritma klasifikasi yang lain yaitu Artificial Neural Network (ANN) dengan sub materi Konsep ANN, Perceptron dan Backpropagation dan Contoh Aplikasi ANN.

Download Materi

Pertemuan 7:

Pengelompokan (Clustering) 1, dengan materi Pengantar Analisis Clustering, Tujuan Pengelompokan, Tipe Clustering (Partitional vs Hierarchical, Exclusive vs non-exclusive, Fuzzy vs non-fuzzy, Partial vs complete). Selanjutnya terdapat algoritma K-Means Clustering dengan sub materi Konsep K-Means, Karakteristik K-Means, Algoritma K-Means, Eclidean Distance, dan Contoh Aplikasi Pengelompokan menggunakan K-Means.

Download Materi

Pertemuan 8: 

Pengelompokan (Clustering) 2, dengan materi Pengantar Himpunan Fuzzy, Fuzzy dalam Pengambilan Keputusan, Fuzzy C-Means (FCM) dengan sub materi Konsep FCM, FCM pada Multi-Criteria Decision Making (MCDM), Algoritma FCM dan Contoh Aplikasi Pengelompokan menggunakan FCM. Selain FCM akan dikenalkan juga Self Organizing Maps (SOM) pada Neural Network.

Download Materi

Pertemuan 9:

%d blogger menyukai ini: