UNIVERSITAS KLABAT
FAKULTAS ILMU KOMPUTER
PROGRAM STUDI SISTEM INFORMASI

RPS-57201-SIDI334
RENCANA PEMBELAJARAN SEMESTER
MATA KULIAH (MK) KODE Rumpun MK BOBOT (sks) SEMESTER Tanggal Penyusunan
Penambangan dan Pergudangan Data/ Data Mining and Warehousing SIDI334 Data / Business Analytics 3 0 5 01 Jul 2024
Pengesahan Dosen Pengembang RPS Koordinator RMK Ka PRODI

Green Arther Sandag, S.Kom, M.S.
Green Arther Sandag, S.Kom, M.S.
Jimmy Herawan Moedjahedy
Capaian Pembelajaran CPL-PRODI yang dibebankan pada MK
CPL13 Lulusan memiliki kemampuan untuk merancang dan membuat dataset yang relevan dan berkualitas untuk mendukung penelitian dalam bidang sistem informasi.
CPL14 Lulusan mampu melatih dataset dengan menggunakan teknik dan alat yang sesuai untuk memastikan validitas dan reliabilitas data.
CPL15 Lulusan dapat mengaplikasikan dataset yang telah dibuat dan dilatih untuk mendukung dan memajukan penelitian di bidang sistem informasi terkait.
Capaian Pembelajaran Mata Kuliah (CPMK)
CPMK04 Mampu merancang dan mengembangkan sistem dan aplikasi inovatif
CPMK10 Mampu mengembangkan dan menerapkan aplikasi berbasis teknologi terkini
CPMK24 Mampu mengembangkan solusi software dan sistem
CPMK14 Mampu merancang dataset penelitian
CPMK28 Mampu merancang dataset dan database
CPMK15 Mampu melatih dataset untuk penelitian valid
CPMK29 Mampu melakukan data processing dan training
CPMK16 Mampu mengaplikasikan dataset untuk mendukung penelitian
CPMK30 Mampu menggunakan dataset untuk riset dan analisis
Kemampuan akhir tiap tahapan belajar (Sub-CPMK)
sub.cpmk.SIDI334.CPMK04.1 Mengembangkan solusi data mining pada studi kasus
sub.cpmk.SIDI334.CPMK04.2 Presentasi hasil project data mining
sub.cpmk.SIDI334.CPMK10.1 Memahami latar belakang, pengertian, peran, sejarah dan aplikasi data mining
sub.cpmk.SIDI334.CPMK14.1 Menjelaskan proses data mining dan framework CRISP-DM
sub.cpmk.SIDI334.CPMK14.2 Menggunakan tools data mining untuk eksplorasi dataset
sub.cpmk.SIDI334.CPMK15.1 Mengimplementasikan data preprocessing
sub.cpmk.SIDI334.CPMK15.2 Mengimplementasikan metode forecasting
sub.cpmk.SIDI334.CPMK16.1 Menerapkan algoritma klasifikasi
sub.cpmk.SIDI334.CPMK16.2 Implementasi Bayesian dan Neural Network
sub.cpmk.SIDI334.CPMK24.1 Evaluasi pemahaman konsep data mining
sub.cpmk.SIDI334.CPMK28.1 Memahami konsep dataset dan tipe data pada data mining
sub.cpmk.SIDI334.CPMK29.1 Implementasi preprocessing pada dataset penelitian
sub.cpmk.SIDI334.CPMK29.2 Mengimplementasikan data reduction dan transformation
sub.cpmk.SIDI334.CPMK30.1 Menerapkan metode clustering
sub.cpmk.SIDI334.CPMK30.2 Menerapkan metode association rule
Korelasi CPMK terhadap Sub-CPMK
CPMK10 sub.cpmk.SIDI334.CPMK10.1
CPMK14 sub.cpmk.SIDI334.CPMK14.1
sub.cpmk.SIDI334.CPMK14.2
CPMK15 sub.cpmk.SIDI334.CPMK15.1
sub.cpmk.SIDI334.CPMK15.2
CPMK29 sub.cpmk.SIDI334.CPMK29.1
sub.cpmk.SIDI334.CPMK29.2
CPMK24 sub.cpmk.SIDI334.CPMK24.1
CPMK16 sub.cpmk.SIDI334.CPMK16.1
sub.cpmk.SIDI334.CPMK16.2
CPMK30 sub.cpmk.SIDI334.CPMK30.1
sub.cpmk.SIDI334.CPMK30.2
CPMK04 sub.cpmk.SIDI334.CPMK04.1
sub.cpmk.SIDI334.CPMK04.2
CPMK28 sub.cpmk.SIDI334.CPMK28.1
Deskripsi Singkat MK Mata Kuliah ini akan memberikan gambaran tentang aplikasi, metode, tools, dan teknologi mengenai data science dan data mining. Mempelajari algoritma dan paradigma komputasi yang memungkinkan computer menemukan pola dan keteraturan dalam kumpulan data, melakukan prediksi dan forecasting, klasifikasi, clustering, asosiasi, dan secara umum meningkatkan kinerja melalui interaksi dengan data. Saat ini dianggap sebagai elemen kunci dari proses yang lebih umum disebut Knowledge Discovery yang berhubungan dengan penggalian pengetahuan yang berguna dari raw data. Proses penemuan pengetahuan mencakup: data selection, cleaning, coding, menggunakan teknik statistika dan machine learning yang berbeda, serta visualisasi struktur yang dihasilkan.
Bahan Kajian : Materi Pembelajaran 1. Introduction of Data Mining 2. Process in Data Mining 3. Data preparation 4. Classification 5. Clustering 6. Association 7. Estimation and Forecasting
Pustaka Utama
  • 1. Jiawei Han and Micheline Kamber, Data Mining: Concepts and Techniques Third Edition, Elsevier, 2012
  • 2. Matthew North, Data Mining for the Masses, 2nd Edition, Creative Commons Attribution, 2012
  • 3. Ian H. Witten, Frank Eibe, Mark A. Hall, Data mining: Practical Machine Learning Tools and Techniques 3rd Edition, Elsevier, 2011
  • 4. Markus Hofmann and Ralf Klinkenberg, RapidMiner: Data Mining Use Cases and Business Analytics Applications, CRC Press Taylor & Francis Group, 2014
  • 5. Daniel T. Larose, Discovering Knowledge in Data: an Introduction to Data Mining, John Wiley & Sons, 2005
Pendukung
  • 6. Oded Maimon and Lior Rokach, Data Mining and Knowledge Discovery Handbook Second Edition, Springer, 2010
  • 7. Warren Liao and Evangelos Triantaphyllou (eds.), Recent Advances in Data Mining of Enterprise Data: Algorithms and Applications, World Scientific, 2007
Dosen Pengampu Sandag, Green A.
Mata Kuliah Syarat [SIMB262] Sistem Informasi Manajemen/ Management Information System
Pertemuan Ke Kemampuan akhir tiap tahapan belajar (Sub-CPMK) Penilaian Bentuk Pembelajaran; Metode Pembelajaran; Penugasan Mahasiswa; Materi Pembelajaran Bobot Penilaian
Indikator Kriteria & Teknik Luring Daring
1 sub.cpmk.SIDI334.CPMK10.1-Memahami latar belakang, pengertian, peran, sejarah dan aplikasi data mining Mahasiswa mampu menjelaskan konsep dasar data mining dan aplikasinya Kriteria
Ketepatan konsep atau teori yang digunakan
Teknik
Ceramah 		Diskusi,Ceramah,[CR=150 Menit]
 Topik
Pengenalan Data Mining
Sub Topik
Definisi, tujuan, peran data mining, perkembangan data
  • [1] Hal: Chapter 1
3
2 sub.cpmk.SIDI334.CPMK28.1- Memahami konsep dataset dan tipe data pada data mining Mahasiswa mampu menjelaskan jenis dataset dan tipe data Kriteria
Ketepatan konsep atau teori yang digunakan
Teknik
Ceramah 		Diskusi,Ceramah,[CR=150 Menit]
 Topik
Dataset & Data Types
Sub Topik
Struktur data, dan jenis dataset
  • [1] Hal: Chapter 1
3
3 sub.cpmk.SIDI334.CPMK14.1-Menjelaskan proses data mining dan framework CRISP-DM Mahasiswa mampu menjelaskan tahapan proses data mining Kriteria
Ketepatan analisis dan interpretasi
Teknik
Ceramah + Latihan Software 		Latihan,Problem Based Learning,[PBL=150 Menit]
 Topik
Proses Data Mining
Sub Topik
CRISP-DM, dan workflow data mining
  • [1] Hal: Chapter 2
4
4 sub.cpmk.SIDI334.CPMK14.2-Menggunakan tools data mining untuk eksplorasi dataset Mahasiswa mampu melakukan eksplorasi dataset menggunakan tools Kriteria
Ketepatan penggunaan alat atau tools
Teknik
Praktikum, Latihan Soal 		Praktikum,Diskusi Kelompok,[DK=150 Menit]
 Topik
Tools Data Mining
Sub Topik
RapidMiner / Python
  • [2] Hal: Chapter 2
5
5 sub.cpmk.SIDI334.CPMK15.1-Mengimplementasikan data preprocessing Mahasiswa mampu melakukan data cleaning dan transformation Kriteria
Ketepatan perhitungan atau algoritma
Teknik
Praktikum- Case Study 		Praktikum,Problem Based Learning,[PBL=150 Menit]
 Topik
Data Preprocessing
Sub Topik
Cleaning, dan handle missing data
  • [2] Hal: Chapter 3
6
6 sub.cpmk.SIDI334.CPMK29.2-Mengimplementasikan data reduction dan transformation Mahasiswa mampu menerapkan teknik reduksi data Kriteria
Ketepatan metode atau prosedur penyelesaian
Teknik
Praktikum - Case Study 		Praktikum,Problem Based Learning,[PBL=150 Menit]
 Topik
Data Reduction & Transformation
Sub Topik

  • [1] Hal: Chapter 3
6
7 sub.cpmk.SIDI334.CPMK29.1-Implementasi preprocessing pada dataset penelitian Mahasiswa mampu memproses dataset hingga siap training Kriteria
Ketepatan metode atau prosedur penyelesaian
Teknik
Praktikum 		Tugas,Studi Kasus,[SK=150 Menit]
 Topik
Dataset Preparation
Sub Topik

  • [2] Hal: Chapter 3
6
8 sub.cpmk.SIDI334.CPMK24.1-Evaluasi pemahaman konsep data mining Mahasiswa mampu menjawab soal terkait konsep dan proses data mining Kriteria
Ketepatan menjawab sesuai instruksi soal
Teknik
Ujian Praktek 		UAS,Studi Kasus,[SK=120 Menit]
 Topik
UTS
Sub Topik

 11
9 sub.cpmk.SIDI334.CPMK16.1-Menerapkan algoritma klasifikasi Mahasiswa mampu membangun model klasifikasi Kriteria
Ketepatan perhitungan atau algoritma
Teknik
Ceramah dan Praktikum 		Praktikum,Studi Kasus,[SK=150 Menit]
 Topik
Classification: Decision Tree and Random Forest
Sub Topik

  • [1] Hal: Chapter 4
6
10 sub.cpmk.SIDI334.CPMK16.2-Implementasi Bayesian dan Neural Network Mahasiswa mampu melatih model klasifikasi (Naive Bayes dan Neural Network) Kriteria
Ketepatan perhitungan atau algoritma
Teknik
Praktikum- Case Study 		Praktikum,Studi Kasus,[SK=150 Menit]
 Topik
Classification: Naive Bayes and Neural Network
Sub Topik

  • [1] Hal: Chapter 4
6
11 sub.cpmk.SIDI334.CPMK30.1-Menerapkan metode clustering Mahasiswa mampu melakukan clustering dataset Kriteria
Ketepatan perhitungan atau algoritma
Teknik
Praktikum-Case Study 		Praktikum,Studi Kasus,[SK=150 Menit]
 Topik
Clustering: K-Means
Sub Topik

  • [1] Hal: Chapter 6
6
12 sub.cpmk.SIDI334.CPMK30.2-Menerapkan metode association rule Mahasiswa mampu menemukan pola asosiasi Kriteria
Ketepatan perhitungan atau algoritma
Teknik
Praktikum- Case Study 		Praktikum,Studi Kasus,[SK=150 Menit]
 Topik
Association Rule: Apriori
Sub Topik

  • [1] Hal: Chapter 6
6
13 sub.cpmk.SIDI334.CPMK15.2-Mengimplementasikan metode forecasting Mahasiswa mampu membuat model prediksi Kriteria
Ketepatan perhitungan atau algoritma
Teknik
Praktikum- Case Study 		Praktikum,Studi Kasus,[SK=150 Menit]
 Topik
Regression & Forecasting
Sub Topik

  • [1] Hal: Chapter 7
6
14 sub.cpmk.SIDI334.CPMK04.1-Mengembangkan solusi data mining pada studi kasus Mahasiswa mampu merancang solusi data mining Kriteria
Ketepatan metode atau prosedur penyelesaian
Teknik
Case Study 		Case Method,Studi Kasus,[SK=150 Menit]
 Topik
Project Development
Sub Topik

 7
15 sub.cpmk.SIDI334.CPMK16.1-Menerapkan algoritma klasifikasi sub.cpmk.SIDI334.CPMK16.2-Implementasi Bayesian dan Neural Network Mahasiswa mampu menjelaskan hasil project Kriteria
Kelengkapan jawaban
Teknik
Presentasi 		Project,Diskusi Kelompok,[DK=150 Menit]
 Topik
Project Presentation
Sub Topik

 7
16 sub.cpmk.SIDI334.CPMK04.1-Mengembangkan solusi data mining pada studi kasus sub.cpmk.SIDI334.CPMK04.2-Presentasi hasil project data mining Mahasiswa mampu mengintegrasikan konsep data mining Kriteria
Kelengkapan jawaban
Teknik
Ujian 		UAS,Ujian,[UJ=150 Menit]
 Topik
UAS
Sub Topik

 12

Teknik Penilaian CPMK

CPL MK CPMK Kehadiran Quiz Praktek Tugas Mid Test (UTS) Project Final Test (UAS)
CPL03 Penambangan dan Pergudangan Data/ Data Mining and Warehousing CPMK04 Y Y
CPL09 Penambangan dan Pergudangan Data/ Data Mining and Warehousing CPMK10 Y
CPL09 Penambangan dan Pergudangan Data/ Data Mining and Warehousing CPMK24 Y
CPL13 Penambangan dan Pergudangan Data/ Data Mining and Warehousing CPMK14 Y Y
CPL13 Penambangan dan Pergudangan Data/ Data Mining and Warehousing CPMK28 Y
CPL14 Penambangan dan Pergudangan Data/ Data Mining and Warehousing CPMK15 Y
CPL14 Penambangan dan Pergudangan Data/ Data Mining and Warehousing CPMK29 Y Y
CPL15 Penambangan dan Pergudangan Data/ Data Mining and Warehousing CPMK16 Y Y
CPL15 Penambangan dan Pergudangan Data/ Data Mining and Warehousing CPMK30 Y

Prosedur Penilaian CPMK

1. Komponen Penilaian CPMK
CPL CPMK Sub-CPMK Detail Penugasan (Teknik Penilaian) Bobot % Kriteria Penilaian
CPL09 CPMK10 sub.cpmk.SIDI334.CPMK10.1 Ceramah 3 Ketepatan konsep atau teori yang digunakan
CPL13 CPMK28 sub.cpmk.SIDI334.CPMK28.1 Ceramah 3 Ketepatan konsep atau teori yang digunakan
CPL13 CPMK14 sub.cpmk.SIDI334.CPMK14.1 Ceramah + Latihan Software 4 Ketepatan analisis dan interpretasi
CPL13 CPMK14 sub.cpmk.SIDI334.CPMK14.2 Praktikum, Latihan Soal 5 Ketepatan penggunaan alat atau tools
CPL14 CPMK15 sub.cpmk.SIDI334.CPMK15.1 Praktikum- Case Study 6 Ketepatan perhitungan atau algoritma
CPL14 CPMK29 sub.cpmk.SIDI334.CPMK29.2 Praktikum - Case Study 6 Ketepatan metode atau prosedur penyelesaian
CPL14 CPMK29 sub.cpmk.SIDI334.CPMK29.1 Praktikum 6 Ketepatan metode atau prosedur penyelesaian
CPL09 CPMK24 sub.cpmk.SIDI334.CPMK24.1 Ujian Praktek 11 Ketepatan menjawab sesuai instruksi soal
CPL15 CPMK16 sub.cpmk.SIDI334.CPMK16.1 Ceramah dan Praktikum 6 Ketepatan perhitungan atau algoritma
CPL15 CPMK16 sub.cpmk.SIDI334.CPMK16.2 Praktikum- Case Study 6 Ketepatan perhitungan atau algoritma
CPL15 CPMK30 sub.cpmk.SIDI334.CPMK30.1 Praktikum-Case Study 6 Ketepatan perhitungan atau algoritma
CPL15 CPMK30 sub.cpmk.SIDI334.CPMK30.2 Praktikum- Case Study 6 Ketepatan perhitungan atau algoritma
CPL14 CPMK15 sub.cpmk.SIDI334.CPMK15.2 Praktikum- Case Study 6 Ketepatan perhitungan atau algoritma
CPL03 CPMK04 sub.cpmk.SIDI334.CPMK04.1 Case Study 7 Ketepatan metode atau prosedur penyelesaian
CPL15 CPMK16 sub.cpmk.SIDI334.CPMK16.1, sub.cpmk.SIDI334.CPMK16.2 Presentasi 7 Kelengkapan jawaban
CPL03 CPMK04 sub.cpmk.SIDI334.CPMK04.1, sub.cpmk.SIDI334.CPMK04.2 Ujian 12 Kelengkapan jawaban
Total 100
2. Penilaian CPMK
CPL MK CPMK Kehadiran Quiz Praktek Tugas Mid Test (UTS) Project Final Test (UAS) Total
CPL03 Penambangan dan Pergudangan Data/ Data Mining and Warehousing CPMK04 0% 0% 0% 0% 0% 7% 12% 19%
CPL09 Penambangan dan Pergudangan Data/ Data Mining and Warehousing CPMK10 3% 0% 0% 0% 0% 0% 0% 3%
CPL09 Penambangan dan Pergudangan Data/ Data Mining and Warehousing CPMK24 0% 0% 0% 0% 11% 0% 0% 11%
CPL13 Penambangan dan Pergudangan Data/ Data Mining and Warehousing CPMK14 0% 0% 4% 5% 0% 0% 0% 9%
CPL13 Penambangan dan Pergudangan Data/ Data Mining and Warehousing CPMK28 0% 3% 0% 0% 0% 0% 0% 3%
CPL14 Penambangan dan Pergudangan Data/ Data Mining and Warehousing CPMK15 0% 0% 12% 0% 0% 0% 0% 12%
CPL14 Penambangan dan Pergudangan Data/ Data Mining and Warehousing CPMK29 0% 0% 6% 6% 0% 0% 0% 12%
CPL15 Penambangan dan Pergudangan Data/ Data Mining and Warehousing CPMK16 0% 0% 12% 0% 0% 7% 0% 19%
CPL15 Penambangan dan Pergudangan Data/ Data Mining and Warehousing CPMK30 0% 0% 12% 0% 0% 0% 0% 12%
100%