Topik Khusus I : Scientific Computing and Data Mining

Topic outline

• 

  Deskripsi Mata Kuliah

  

  Pengajar Mata Kuliah

  1. Dr. Ardiansyah

  2. Hety Handayani Hidayat, M.Si

  Deskripsi

  Mata kuliah ini menekankan pada aspek praktis berupa :

  1. Penyelesaian permasalahan komputasi untuk kepentingan saintifik. 

  Penggunaan teknik pemrograman dengan bahasa Python menjadi fokus bagian ini. Mahasiswa diharapkan dapat menyelesaikan persamaan differensial yang biasanya merupakan model matematis dalam sistem alam. Mahasiswa juga diharapkan dapat menggambarkan penyelesaian itu sebagai grafik dan menerapkan teknik-teknik ini jika berkarir dalam dunia akademik

  2. Pengolahan data dan penggalian informasi yang diperoleh dari data 

  Pemanfaatan algoritma machine learning untuk mendapatkan informasi dari data dan mendapatkan model prediksi berdasarkan data. Berbagai teknik penggalian informasi seperti clustering akan diperkenalkan dengan program R dan SPSS. Mahasiswa diharapkan dapat menerapkan teknik-teknik ini jika bekerja sebagai analis data dalam sebuah organisasi bisnis

  Capaian Pembelajaran

  Setelah mengikuti mata kuliah ini, diharapkan mahasiswa mampu :

  • Menggunakan pemrograman Python untuk menyelesaikan persamaan differensial dan komputasi saintifik lainnya
  • Mampu membuat simulasi dan menyajikan penyelesaian dalam bentuk grafik
  • Menggunakan berbagai teknik penggalian informasi dari set data dengan program R
  • Membuat model prediksi berdasarkan data untuk kepentingan bisnis dan lainnya

  • News forum
• 

  Topik 1. Pengantar Komputasi Saintifik dan Penambangan Data

  Capaian Pembelajaran

  • Mahasiswa mampu menjelaskan perbedaan antara permodelan yang berbasis matematis dan permodelan yang berbasis pembelajaran terhadap data
  • Mahasiswa mampu menjelaskan perbedaan bahasa pemrograman interpreter dan kompiler
  • Mahasiswa mampu menjelaskan manfaat komputasi saintifik dan penambangan data dalam berbagai bidang dan industri

  Pokok Bahasan
  

  • Modeling saintifik
  • Model yang mempelajari data
  • Interpreter dan Kompiler
  • Bahasa komputasi terkini
  • Aplikasi komputasi saintifik dan penambangan data

  • Video Perkenalan dan Pengantar Page
  • Video Sekilas Mengenai Komputasi Saintifik dan Data Mining Page
  • Interpreter dan Compiler Page
  • FORUM ONLINE : STACK OVERFLOW URL

    Forum ini adalah ruang tempat mencari pertanyaan yang pernah ditanyakan para programmer

  • Forum Diskusi Pengantar Komputasi Saintifik dan Penambangan Data
  • Quiz Komputasi Saintifik menggunakan Python
• 

  Topik 2. Dasar Pemrograman Python

  Capaian Pembelajaran

  • Mahasiswa mengenal perintah dasar dalam pemrograman Python
  • Mahasiswa mampu menggunakan perintah untuk loop, statemen bersyarat
  • Mahasiswa mampu menampilkan data dan hasil perhitungan

  Pokok Bahasan

  • Input variabel
  • Tuple dan List
  • Looping (for...)
  • Conditional Statemen (if...)
  • Print
  • Anaconda, Python Package

  • Video Instalasi Anaconda dan Penggunaan Jupyter Notebook Page
  • Video Tuple dan List Page
  • Video Looping dan Conditional Statement Page
  • Notebook : Conditional Statement dan Looping File

    Download, lalu buka menggunakan jupyter notebook

  • Python Tutorial for Engineers URL
  • Package Management : Anaconda URL

    Anaconda adalah program package management untuk python dan modul-modul yang ada. Peserta diharapkan mampu menggunakan paket ini sehingga mempermudah menambahkan modul-modul yang diperlukan

  • Forum Diskusi Dasar Pemrograman Python
  • Tugas Conditional dan Looping Assignment

    Kumpulkan tugas ini berupa file berekstensi *.ipynb (jupyter notebook)

• 

  Topik 3. Pengenalan Function, Modul Scipy (Scientific Python), dan Modul Numpy (Numerical Python)

  Capaian Pembelajaran

  • Mahasiswa mampu membuat fungsi menggunakan python
  • Mahasiswa mampu mengerjakan perhitungan-perhitungan saintifik pada mata kuliah lain (misal hidrologi, kalkulus) menggunakan numpy dan scipy
  • mahasiswa mampu melakukan operasi matrik dengan numpy

  Pokok Bahasan
  

  • Membuat fungsi dan memanggil fungsi
  • Scipy dan fungsi-fungsinya (Integrasi, differensiasi, spline, dll)
  • Numpy dan fungsi-fungsinya (matrik, operasi matrik, dll)

  • Video Scipy dan Fiturnya Page
  • Video Numpy dan Fiturnya Page
  • Notebook Pengenalan Beberapa Fitur Numpy dan Scipy Page
  • Perkenaan Numpy dan Scipy URL
  • Scipy URL
  • Forum Diskusi Function, Scipy, dan Numpy
  • Penyelesaian Studi Kasus dengan Scipy dan Numpy Assignment
• 

  Topik 4. Pembuatan Grafik Menggunakan Library Matplotlib

  Capaian Pembelajaran

  • Mahasiswa mampu memilih grafik yang tepat agar mudah dipahami pembaca
  • Mahasiswa mampu menggunakan matplotlib untuk membuat berbagai jenis grafik
  • Mahasiswa mampu membuat program yang memproses data dan menampilkan grafik

  Pokok Bahasan
  

  • Jenis-jenis grafik dan seni menampilkan data
  • Penggunaan matplotlib untuk menampilkan berbagai jenis grafik
  • Membaca data, menghitung data, dan pemrograman grafik

  • Pengenalan Matplotlib bersama Python, Scipy, Numpy URL

    Link ini berisi slide yang menjelaskan Python, Scipy, dan Matplotlib

  • Contoh Program dengan Fungsi, Numpy, Scipy dan Matplotlib Page
  • Forum Diskusi Grafik dengan Matplotlib
  • Membuat Script Sederhana dan Menggambar Grafik Assignment

    Buatlah dua script yang menghitung dan menggambarkan grafik untuk :

    1. $N = A \cdot e^{k \cdot t}$
    

    2. $Y = A \; cos(b \cdot t)$

• 

  Topik 5. Aljabar Matriks dan Operasi Matriks dengan Scipy dan Numpy

  Capaian Pembelajaran
  

  • Mahasiswa mampu melakukan berbagai operasi matrik menggunakan Scipy dan Numpy
  • Mahasiswa mampu menerapkan operasi matrik pada berbagai kasus di mata kuliah lain yang pernah dipelajari

  Pokok Bahasan
  

  • Penjumlahan dan pengurangan matrik
  • Perkalian matrik, inverse matrik
  • Aljabar matrik

  
  

  • Video Operasi Matriks dengan Scipy dan Numpy Page
  • Notebook Operasi Matriks dengan Scipy dan Numpy Page
  • Forum Diskusi Aljabar Matrik dan Operasi Matrik
  • Kuis Pengetahuan Aljabar Matriks dengan Scipy dan Numpy Quiz
  • Tugas Pemrograman Matriks (Contoh Bidang Ilmu Hidrologi) Assignment
• 

  Topik 6. Eksplorasi Data, dan Distribusi Data (Scipy, Numpy)

  Capaian Pembelajaran

  • Mahasiswa mampu men-generate data dengan berbagai distribusi menggunakan Scipy
  • Mahasiswa mampu menjelaskan berbagai jenis fungsi distribusi
  • Mahasiswa mampu mencocokan data dengan distribusi yang tepat
  • Mahasiswa mampu menguji hipotesis

  Pokok Bahasan
  

  • Distribusi data dengan scipy
  • Probability Mass Function (PMF)
  • Cumulative Distribution Function (CDF)
  • Probability Density Function (PDF)
  • Pencocokan data dengan distribusi
  • Uji hipotesis

  • Video Distribusi Data dan Fit Data ke Distribusi dengan Scipy Page
  • Video Representasi Data dengan Histogram Page
  • Video PMF, CDF, PDF Page
  • Materi Tertulis Pengujian Hipotesis File 390.6KB
  • Forum Diskusi Eksplorasi Data dan Distribusi Data
  • Kuis Eksplorasi Data dan Distribusi Data Quiz
• 

  Topik 7. Penyelesaian Ordinary Differential Equation (ODE) Menggunakan Python

  Capaian Pembelajaran

  Mahasiswa dapat menerapkan teknik pemrograman dalam bahasa Python untuk merumuskan, menyelesaikan, dan menyajikan penyelesaian (dalam bentuk grafik) sebuah model matematika dari sistem alam (sisitem fisika, sistem biologi pertanian, mesin, dll) berbentuk Ordinary Differential Equation (Persamaan Differensial Biasa/PDB).

  Pokok Bahasan
  

  • Penyelesaian persamaan diferensial tunggal
  • Penyelesaian sistem persamaan diferensial (lebih dari satu persamaan)
  • Persamaan diferensial dan sistem dinamik
  • Contoh penyelesaian Model Lotka-Voltera

  • Video Integrasi Numerik dengan Scipy Page
  • Video Penyelesaian ODE dengan Scipy Page
  • Notebook Program Penyelesaian ODE Page
  • Materi Tertulis : ODE dengan Scipy File 174.8KB
  • Beberapa contoh kasus penyelesaian Persamaan Differensial menggunakan Python URL
  • Sistem Persamaan Differensial : Kasus Predator-Mangsa URL
  • Forum Diskusi Penyelesaian ODE dengan Python
  • Tugas Penyelesaian ODE dengan Python Assignment
• 

  UJIAN TENGAH SEMESTER

  • Studi Kasus Komputasi Saintifik Assignment
• 

  Topik 8. Pengenalan Data Mining

  Capaian Pembelajaran

  • Mahasiswa/i dapat menjelaskan perbedaan definisi data, informasi dan pengetahuan
  • Mahasiswa/i dapat memahami pengertian data mining
  • Mahasiswa/i dapat menjelaskan peranan penting data mining
  • Mahasiswa/i dapat memahami tahapan-tahapan umum dalam proses data mining

  Pokok Bahasan

  • Pengertian data, informasi dan pengetahuan
  • Definisi data mining dan hubungannya dengan bidang lain
  • Peranan utama data mining
  • Tahapan-tahapan umum dalam proses data mining

  • Video Pengenalan Data Mining Page
  • Slide Data Mining File 426.2KB
  • DIskusi Materi data Mining Forum
  • Kuis Pengenalan Data Mining Quiz
• 

  Topik 9. Preprocessing Data: Penyiapan Data

  Capaian Pembelajaran

  • Mahasiswa/i dapat menjelaskan jenis dan kualitas data
  • Mahasiswa/i dapat menyebutkankonsep dan fungsi prepocessing data
  • Mahasiswa/i dapat mengaplikasikan minimal 1 teknik preprocessing data dalam studi kasus

  Pokok Bahasan

  • Jenis dan Kualitas data
  • konsep dan fungsi prepocessing data
  • Teknik-teknik prepocessing data

  • Video Kegunaan Proprecessing Data Page
  • Video Teknik-Teknik Preprocessing Data Page
  • Forum DIskusi Preprocessing Data: Penyiapan Data
  • Tugas Preprocessing Data dan Cleaning Data Assignment
• 

  Topik 10. Prediction: Case Based Reasoning

  Capaian Pembelajaran

  • Mahasiswa/i dapat menjelaskan konsep dasar Case Based Reasoning
  • Mahasiswa/i dapat melakukan perhitungan Case Based Reasoning
  • Mahasiswa/i dapat memprediksi solusi yang diberikan dengan  Case Based Reasoning

  Pokok Bahasan

  • Teori dan konsep  Case Based Reasoning
  • Perhitungan manual  Case Based Reasoning
  •  Case Based Reasoning dengan R Studio

  • Video Prediction: Teori Case Based Reasoning Page
  • Video Penerapan Cased Based Reasoning dengan R Page
  • Forum Diskusi Prediction : Case Based Reasoning
  • Kuis Prediction : Case Based Reasoning Quiz
• 

  Topik 11. Clustering: K-Means

  Capaian Pembelajaran

  • Mahasiswa/i dapat menjelaskan teknik klustering dalam data mining khususnya K-Means
  • Mahasiswa/i dapat mengklusterkan data dengan K-Means  pada R studio maupun SPSS
    

  Pokok Bahasan

  • Definisi dan konsep dasar clustering
  • Teori dan konsep K-Means
  • Perhitungan Manual K-Means
  • Clustering K-means dengan R Studio dan SPSS

  • Video clustering K-Menas dengan SPSS Page
  • Video Clustering K-Means pada R studio Page
  • Forum DIskusi Clusterring:K-Means
  • Kuis Clustering K-Means Quiz
  • Tugas individu: Perhitungan K-Means Manual Assignment
• 

  Topik 12. Klasifikasi: Naive Bayes

  Capaian Pembelajaran

  • Mahasiswa/i dapat menjelaskan teknik klasifikasi dalam data mining terutama Naive Bayes
  • Mahasiswa/i dapat mengklasifikasikan data dengan Naive Bayes baik manual maupun pada R studio
    

  Pokok Bahasan

  • Definisi dan konsep dasar klasifikasi
  • Perbedaan Clustering dan Klasifikasi
  • Teori dan konsep Naive Bayes
  • Perhitungan Manual Naive Bayes manual dan dengan R Studio

  • Video Teori Naive Bayes Page
  • Video Penggunaan Naive-Bayes dengan R Page
  • Materi Tertulis Klasifikasi Naive Bayes File 220.8KB
  • Forum DIskusi Klasifikasi Naive Bayes
  • Kuis Klasifikasi : Naive Bayes Quiz
• 

  Topik 13. Klasifikasi: Decision Tree

  Capaian Pembelajaran

  • Mahasiswa/i dapat memahami konsep dasar klasifikasi Decision Tree
    
  • Mahasiswa/i dapat mengklasifikasikan data dengan Decision Tree manual, SPSS maupun R studio
  • Mahasiswa/i dapat membandingkan hasil Klasifikasi Naive Bayes dan Decision  Tree

  Pokok Bahasan

  • Teori dan konsep Decision Tree
  • Perhitungan Manual Decision Tree
  • Klasifikasi data dengan metode Decision Tree secara manual, pada software SPSS dan R Studio 
  • Perbandingan Klasifikasi Naive Bayes dan Decision  Tree

  • Video Teori Decision Tree Page
  • Video Penggunaan Decision Tree dengan R dan Python Page
  • Kuis Klasifikasi : Decision Tree Quiz
  • Tugas Mengolah Data dengan Klasifikasi Decision Tree Assignment
• 

  Topik 14. Asosiasi: Algoritma Apriori

  Capaian Pembelajaran

  • Mahasiswa/i dapat menmahami konsep teknik asosiasi Algoritma Apriori
  • Mahasiswa/i dapat memprediksi keputusan dengan Algoritma Apriori manual maupun dengan R studio
    

  Pokok Bahasan

  • Teori dan konsep Algoritma Apriori
  • Perhitungan Manual Algoritma Apriori manual dan dengan R Studio

  • Video Teori Asosiasi: Algoritma Apriori Page
  • Video Implementasi Algoritma Apriori dengan Excel Page
  • Video Penerapan Algoritma Apriori dengan R Page
  • Kuis Asosiasi: Fuzzy Assosiative Memory (FAM) Quiz
• 

  UJIAN AKHIR SEMESTER

  • Studi Kasus Data Mining Assignment