Selamat datang pada matakuliah blended Knowledge Data Discovery. Dosen Pengampu Dr. Eng. Antoni Wibowo, S.Si., M.Kom, M.Eng. anwibowo@binus.edu Deskripsi Mata Kuliah Penggunaan teknologi informasi telah meningkatkan volume pertumbuhan data digital dengan cepat dari berbagai bidang dan aktivitas manusia, seperti transaksi bisnis, perbankan, kedokteran, sains, telekomunikasi, dan sebagainya. Semuanya memerlukan teori, metode dan alat baru untuk dapat menganalisis dan mengekstrak informasi yang berguna dan menarik dari repositori besar atau kumpulan data. Dalam kursus ini kita mengeksplorasi teori dan alat data mining yang mengintegrasikan teknik dari database, statistik, dan pembelajaran mesin. Kursus ini juga akan membahas metodologi mendasar dalam penemuan pengetahuan, aplikasi, dan metode data mining yang saat ini digunakan termasuk preprocessing data, analisis asosiasi, klasifikasi, analisis cluster, dan deteksi anomali. Capaian Pembelajaran CP1 : Mampu menjelaskan konsep dasar penemuan pengetahuan CP2 : Mampu menerapkan teknik eksplorasi data dan preprocessing CP3 : Mampu mengidetifikasi infrastruktur sistem data mining CP4 : Dapat menentukan metode data mining sesuai dengan sifat masalah CP5 : Melaksanakan metode data mining CP6 : Mengevaluasi aplikasi dan tren dalam data mining Peta Kompetensi dan Peta Program Topik 1. Introduction 2. Exploring Data 3. Data Mining Tools 4. Data Preprocessing 5. Data Warehouse and OLAP 6. Associations Analysis 7. Classification: Basic Concepts 8. Classification: Advanced Methods (1) 9. Classification: Advanced Methods (2) 10. Cluster Analysis: Basic Concepts 11. Cluster Analysis: Advanced Methods 12. Anomaly Detection Komponen Penilaian Assessment Activity Weight Attendance (F2F) 10% Discussion Forum Activity 10% Team Assignment 20% Personal Assignment 30% Final Examination 30% Cara mempelajari materi Peserta diharapkan membaca lecturer note dan bahan ajar lainnya yang telah disediakan. Apabila belum memahami secara mendalam posting pertanyaan di forum diskusi yang sudah disediakan. Tugas-tugas dikerjakan yang disediakan setiap pertemuan. Quis akan diberikan setelah beberapa topik diberikan. Buku 1. Jiawei Han, Micheline Kamber, Jian Pei. Data Mining: Concepts and Techniques, 3rd ed., Morgan Kaufmann, 2012. ISBN 978-0-12-381479-1 2. P. Tan, M. Steinbach and V. Kumar, Introduction to Data Mining, Pearson Education, 2006.ISBN 0-321-42052-7 3. Ian H. Witten, Frank Eibe, and Mark A. Hall. Data Mining: Practical Machine Learning Tools and Techniques, 3rd ed., Morgan Kaufmann, 2011. ISBN 978-0-12-374856-0 4. M. Hofmann and R. Klinkenberg ed. RapidMiner: Data Mining Use Cases and Business Analytics Applications, Chapman and Hall/CRC, 2013

---

Course Modules

Tujuan pembelajaran: Mampu menjelaskan konsep dasar penemuan pengetahuan Terdiri dari sub-topik sebagai berikut: Motivasi: Mengapa data mining? Apa itu data mining? Data Mining: Pada jenis data apa? Fungsi data mining Klasifikasi sistem data mining Top-10 algoritma data mining yang paling populer Isu utama dalam data mining

---

Course Modules

Tujuan pembelajaran: Mampu menjelaskan konsep dasar penemuan pengetahuan Mampu menerapkan teknik eksplorasi data dan preprocessing Terdiri dari sub-topik sebagai berikut: Apakah Data itu? Dataset, objek, atribut Deskripsi data statistik Visualisasi data Kesamaan dan ketidaksamaan data Kualitas data

---

Course Modules

Tujuan pembelajaran: Mampu menerapkan teknik eksplorasi data dan preprocessing Terdiri dari sub-topik sebagai berikut: Data Mining Tools: Gambaran Umum Membandingkan Data Mining Tools Interaksi data menggunakan RapidMiner dan WEKA Implementasi alat DM untuk tugas dasar data mining

---

Course Modules

Tujuan pembelajaran: Mampu menerapkan teknik eksplorasi data dan preprocessing Terdiri dari sub-topik sebagai berikut: Mengapa data preprocess? Pembersihan data/Data Cleansing Integrasi data dan transformasi Reduksi data

---

Course Modules

Tujuan pembelajaran: Mampu menjelaskan konsep dasar penemuan pengetahuan Mampu mengidetifikasi infrastruktur sistem data mining Terdiri dari sub-topik sebagai berikut: Apa itu gudang data? Model data multi dimensi Arsitektur Data Warehouse Dari Data Warehouse hingga Data Mining

---

Course Modules

Tujuan pembelajaran: Dapat menentukan metode data mining sesuai dengan sifat masalah Melaksanakan metode data mining Terdiri dari sub-topik sebagai berikut: Konsep dasar dan roap map Metode frequent itemset mining yang efisien dan terukur

---

Course Modules

---

Course Modules

---

Course Modules

Tujuan pembelajaran: Dapat menentukan metode data mining sesuai dengan sifat masalah Melaksanakan metode data mining Terdiri dari sub-topik sebagai berikut: Apakah klasifikasi itu? Pendekatan umum? Regresi dan Klasifikasi. Evaluasi dan Seleksi Model Meningkatkan akurasi klasifikasi Metode Decision Tree.

---

Course Modules

Tujuan pembelajaran: Dapat menentukan metode data mining sesuai dengan sifat masalah Melaksanakan metode data mining Terdiri dari sub-topik sebagai berikut: Bayes classification methods Rule-based methods Bayesian Belief networks

---

Course Modules

Tujuan pembelajaran: Dapat menentukan metode data mining sesuai dengan sifat masalah Melaksanakan metode data mining Terdiri dari sub-topik sebagai berikut: Support Vector Machines (SVM) Nearest neighbor classifier Topik Tambahan

---

Course Modules

Tujuan pembelajaran: Dapat menentukan metode data mining sesuai dengan sifat masalah Melaksanakan metode data mining Terdiri dari sub-topik sebagai berikut: Analisa Kluster: Suatu Tinjauan Pendekatan Umum Metode Hierarki Metode Partisi: K-Means dan variasinya Densty-Based methods: DBSCAN Metode Berbasis Grid Evaluasi Klustering

---

Course Modules

Tujuan pembelajaran: Dapat menentukan metode data mining sesuai dengan sifat masalah Melaksanakan metode data mining Mengevaluasi aplikasi dan tren dalam data mining Terdiri dari sub-topik sebagai berikut: Model-based clustering. Fuzzy Clustering Probability model-based clustering Mixture Models and EM Algorithm Self-Organizing Map (SOM) Clustering high-dimensional data Topik Tambahan

---

Course Modules

Tujuan pembelajaran: Dapat menentukan metode data mining sesuai dengan sifat masalah Melaksanakan metode data mining Mengevaluasi aplikasi dan tren dalam data mining Terdiri dari sub-topik sebagai berikut: Tinjauan Analisa Outlier Metode Deteksi Outlier Studi Kasus

---

Course Modules

---

Course Modules

---

Course Modules