Penambangan Data (Data Mining)

Penambangan Data (Data Mining)#

Informasi Mata Kuliah#


Mata Kuliah	Penambangan Data (Data Mining)
Kelas	A
Dosen Pengampu	Bapak Mula’ab, S.Si., M.Kom. (NIP 197305202002121001)
Semester	4 (Empat)
Program Studi	S1 Teknik Informatika

Tentang Saya#


Nama	Zakaria Mujur Prasetyo
NIM	240411100144
Program Studi	S1 Teknik Informatika

Deskripsi Mata Kuliah#

Mata kuliah Penambangan Data (Data Mining) mempelajari proses menemukan pola, korelasi, dan informasi tersembunyi yang bermanfaat dari kumpulan data yang besar. Penambangan data melibatkan teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk mengekstraksi pengetahuan dari berbagai database besar.

Istilah “penambangan data” dianalogikan seperti menambang emas dari tumpukan batu, tanah, dan pasir — di mana yang dicari adalah informasi berharga dari data mentah yang tersedia.

Referensi utama situs dosen pengampu: https://mulaab.github.io/datamining/

Apa yang Akan Dipelajari?#

Berikut adalah topik-topik utama yang akan dibahas dalam mata kuliah ini:

Pengantar Data Mining — Konsep dasar, definisi, keunggulan, tugas utama, dan proses data mining (CRISP-DM).
Memahami Data — Macam-macam data, tipe atribut (nominal, biner, ordinal, numerik), data terstruktur dan tidak terstruktur.
Pengantar Data Science — Hubungan data mining dengan data science secara umum.
Distribusi & Statistik Deskriptif — Mean, median, modus, variansi, standar deviasi, skewness, boxplot.
Mengukur Jarak/Similaritas Data — Euclidean, Manhattan, Minkowski, Cosine, Jaccard, Mahalanobis, dll.
Praproses Data — Pembersihan data, seleksi atribut, integrasi, transformasi, dan analisa bivariat.
Modeling — Membangun model dengan berbagai metode (klasifikasi, clustering, dll).
Evaluasi — Mengevaluasi performa model data mining.

Daftar Pertemuan#

No	Pertemuan	Topik
1	Pertemuan 1	Pengantar Data Mining
2	Pertemuan 2	Memahami Data
3	Pertemuan 3	Data Preparation (Extensi)
4	Pertemuan 4	Preprocessing & Normalisasi
5	Tugas	Missing Values Imputation + Normalisasi
6	Pertemuan 5	Mengukur Jarak / Similaritas Data
7	Pertemuan 6	Praproses Data
8	Pertemuan 7	Modeling
9	UTS	Analisa Data Kesuburan Tanah (KNN)
10	Pertemuan 9	Klasifikasi
11	Tugas	Analisa Data Menggunakan Naive Bayes (A)
12	Pertemuan 10	Clustering
13	Pertemuan 11	Asosiasi
14	Pertemuan 12	Regresi
15	Pertemuan 13	Evaluasi Model
16	Pertemuan 14	Studi Kasus & Review