Penambangan Data

Weekly outline

• 

  Pengantar Perkuliahan (Penambangan Data - DK)

  Assalamu'alaikum wr wb. Salam Budi Luhur!

  Selamat datang di matakuliah Penambangan Data (KP368) Kelompok DK. Sebelum memulai perkuliahan, mari kita awali dengan hal baik, kita sempatkan sejenak untuk berdoa kepada Tuhan YME agar kita semua dibukakan kelapangan pikiran dan hati untuk menerima setiap ilmu dan pengetahuan.

  Mata kuliah ini merupakan mata kuliah yang menerapkan pembelajaran kolaboratif antara Universitas Budi Luhur, Jakarta dengan Universitas Tribuana Kalabahi. Berikut ini dosen pengampu dari MK ini:

  No	Nama	Instansi	Foto / Kontak / Identitas
  1	Dr. Achmad Solichin, S.Kom., M.T.I.	Universitas Budi Luhur
  2	Erna J. Malaikosa, S.Kom., M.Kom	Universitas Tribuana Kalabahi

  
  
  

  Deskripsi Matakuliah

  Mata kuliah yang membahas tentang penambangan data. Fokus bahasan adalah tentang pengenalan penambangan data, proses penambangan data, evaluasi dan validasi pada penambangan data, metode dan algoritma, serta jenis penelitian penambangan data. Mahasiswa yang telah mengikuti mata kuliah ini diharapkan dapat memahami materi dan melakukan penelitian pada tema penambangan data dan machine learning dengan baik dan berkualitas.

  Capaian Pembelajaran Matakuliah

  1. Mahasiswa memahami konsep, algoritma, dan tool penambangan data
  2. Mahasiswa memahami seluruh proses penambangan data
  3. Mahasiswa mampu melakukan eksperimen berdasarkan proses penambangan data dan menggunakan tool penambangan data
  4. Mahasiswa memahami arah terbaru penelitian penambangan data
  5. Mahasiswa mampu melakukan penelitian pada topik penambangan data

  Referensi / Rujukan Matakuliah

  1. Jiawei Han and Micheline Kamber, Data Mining: Concepts and Techniques Third Edition, Elsevier, 2012. Unduh Ebook.
  2. Ian H. Witten, Frank Eibe, Mark A. Hall, Data mining: Practical Machine Learning Tools and Techniques 3rd Edition, Elsevier, 2011
  3. Markus Hofmann and Ralf Klinkenberg, RapidMiner: Data Mining Use Cases and Business Analytics Applications, CRC Press Taylor & Francis Group, 2014
  4. Daniel T. Larose, Discovering Knowledge in Data: an Introduction to Data Mining, John Wiley & Sons, 2005
  5. Ethem Alpaydin, Introduction to Machine Learning, 3rd ed., MIT Press, 2014
  6. Florin Gorunescu, Data Mining: Concepts, Models and Techniques, Springer, 2011
  7. Oded Maimon and Lior Rokach, Data Mining and Knowledge Discovery Handbook Second Edition, Springer, 2010
  8. Warren Liao and Evangelos Triantaphyllou (eds.), Recent Advances in Data Mining of Enterprise Data: Algorithms and Applications, World Scientific, 2007
  9. Florin Gorunescu, Data Mining: Concepts, Models and Techniques, Springer, 2011

  Rencana Pembelajaran Semester (RPS) atau Silabus Matakuliah

  Pert	Tanggal	Materi	Bentuk	Dosen Pengampu
  1	27 Sept 2023	Pengantar Penambangan Data	Bauran	Dr. Achmad Solichin, S.Kom., M.T.I. Erna J. Malaikosa, S.Kom., M.Kom
  2	4 Okt 2023	Proses penambangan data	Bauran	Erna J. Malaikosa, S.Kom., M.Kom
  3	11 Okt 2023	Penerapan Proses penambangan data dengan Rapidminer	Bauran	Erna J. Malaikosa, S.Kom., M.Kom
  4	18 Okt 2023	Data Preprocessing - bagian 1	Bauran	Erna J. Malaikosa, S.Kom., M.Kom
  5	25 Okt 2023	Data Preprocessing - bagian 2	Bauran	Dr. Achmad Solichin, S.Kom., M.T.I.
  6	1 Nov 2023	Klasifikasi dengan Decision Tree	Bauran	Dr. Achmad Solichin, S.Kom., M.T.I.
  7	8 Nov 2023	Klasifikasi dengan Naive Bayes	Bauran	Dr. Achmad Solichin, S.Kom., M.T.I.
  8	15 Nov 2023	Ujian Tengah Semester	Bauran	Dr. Achmad Solichin, S.Kom., M.T.I. Erna J. Malaikosa, S.Kom., M.Kom
  9	22 Nov 2023	Klasifikasi dengan k-NN	Bauran	Dr. Achmad Solichin, S.Kom., M.T.I.
  10	29 Nov 2023	Komparasi Algoritma Klasifikasi	Bauran	Erna J. Malaikosa, S.Kom., M.Kom
  11	6 Des 2023	Association Rule	Bauran	Erna J. Malaikosa, S.Kom., M.Kom
  12	13 Des 2023	Clustering	Bauran	Dr. Achmad Solichin, S.Kom., M.T.I.
  13	20 Des 2023	Praktikum Clustering	Bauran	Dr. Achmad Solichin, S.Kom., M.T.I.
  14	27 Des 2023	Forecasting/estimasi	Bauran	Dr. Achmad Solichin, S.Kom., M.T.I.
  15	3 Jan 2024	Text Mining	Bauran	Dr. Achmad Solichin, S.Kom., M.T.I.
  16	10 Jan	Ujian Akhir Semester	Bauran*	Dr. Achmad Solichin, S.Kom., M.T.I. Erna J. Malaikosa, S.Kom., M.Kom

  
  
  

  Komponen Penilaian Mata Kuliah

  1. Tugas dan Kebudiluhuran (30%), diambil dari penilaian aktivitas daring (elearning), tugas dan kehadiran.
  2. UTS (30%) dan 
  3. UAS (40%)

  Penilaian Khusus (Jalur Publikasi)

  Selain berdasarkan UTS dan UAS, Anda dapat memilih penilaian khusus jalur publikasi sebagai alternatif untuk mendapatkan nilai UTS dan UAS secara maksimal. Ketentuannya sebagai berikut:

  1. Jumlah penulis mahasiswa maksimal 2 (dua) orang mahasiswa, dengan menyertakan nama dosen.
  2. Substansi paper harus terkait dengan materi kuliah
  3. Proses publikasi harus atas ijin dan pembimbingan dari dosen.
  4. Bukti penerimaan (Letter of Acceptance) dan/atau paper terpublikasi diunggah di akhir perkuliahan

  No	Rentang Nilai	Persyaratan Minimal
  1	85-100	Publikasi pada jurnal nasional terakreditasi SINTA, seminar nasional, seminar internasional, atau jurnal internasional terindeks.
  3	75-84	Publikasi pada jurnal nasional ber-ISSN, atau seminar lokal

  
  
  

  Perangkat Lunak Pendukung Matakuliah

  Berikut ini perangkat lunak (software) khusus yang perlu dipersiapkan untuk mata kuliah ini:

  1. Rapidminer. Unduh versi edukasi dari https://rapidminer.com/get-started-educational/ (wajib)
  2. Weka. Unduh di https://sourceforge.net/projects/weka/ (pilihan)
  3. Orange (pilihan)
  4. R (pilihan)
  5. Python / Google Colabs / Jupyter Notebook (pilihan)

  
  
  

  • Grup WA dan Pre-Test

    Sebelum memulai perkuliahan, silahkan bergabung di grup WA dan kerjakan pre-test berikut ini!

  • Join Grup WA Kelas Penambangan Data DK URL

    Silahkan bergabung ke grup WA kelas Penambangan Data DK untuk memudahkan komunikasi dan koordinasi kelas.

  • Pre-Test Matakuliah Assignment
  • Bahan Pembelajaran Umum

  • Materi Penambangan Data dari Pak Romi Satria Wahono URL

    Silahkan unduh materi di atas berisi materi lengkap penambangan data

  • Dataset Praktek Penambangan Data URL

    Kumpulan dataset yang digunakan dalam perkuliahan ini

  • Video Pengantar Mata Kuliah

      

      
    

• 

  #1. Pengantar Penambangan Data (27 September 2023)

  • Tujuan Pembelajaran: 

    1. Mahasiswa memahami proses, peran utama dan metode dalam penambangan data
    2. Mahasiswa mengetahui penerapan penambangan data dalam kehidupan sehari-hari

    Petunjuk/Urutan Belajar:

     

  • 1.0 Kerjakan Pre-test Mata kuliah yang tersedia di bagian pendahuluan matakuliah. Selanjutnya untuk memudahkan komunikasi, silahkan join / gabung di Grup WA yang telah tersedia link nya di bagian pendahuluan

  • 1.1 Materi PPT: Pengantar Penambangan Data (Update: 3 Oktober 2022) File

    Silakan unduh dan pelajari materi pengantar penambangan data ini. 

  • 1.2 Video: Penjelasan Materi Apa itu Penambangan Data (Youtube) URL

    Silakan simak penjelasan materi terkait pengantar penambangan data (data mining). Jangan lupa subscribe dan comment.

  • 1.3 ViCon - Diskusi dan Pendalaman Materi via Zoom URL

    Silakan bergabung di sesi diskusi dan pendalaman materi via Zoom Cloud Meeting mulai jam 08.00 WIB. 

    Meeting ID: 940 0186 7880

    Passcode: 520353

  • 1.5 Quiz Pertemuan 1 (Pengantar Penambangan Data)

    Silahkan kerjakan quiz pertemuan 1 sebagai asesmen pemahaman terhadap materi.

  • 1.6 Umpan Balik Kuliah Pertemuan 1 Survey
• 

  #2. Proses Penambangan Data (4 Oktober 2023)

  • Tujuan Pembelajaran:

    1. Mahasiswa memahami proses menambang data
    2. Mahasiswa mampu mengaplikasikan proses penambangan data
    3. Mahasiswa memahami proses standar dalam Penambangan data

    
    

  • 2.1 Video Pengantar Materi Proses Penambangan Data URL

    Silakan simak video ini

  • 2.2 Materi Pertemuan 2 (Proses Penambangan Data) File

    Unduh dan pelajari materi pertemuan 2 mengenai proses penambangan data. Update materi: 13 Oktober 2021.

  • 2.3.a Video Penjelasan Materi Pertemuan 2 (Proses Penambangan Data) URL

    Silahkan simak video penjelasan materi pertemuan 2 mengenai proses penambangan data. Penambangan Data pada dasarnya merupakan usaha untuk mengubah sekumpulan data yang sangat besar menjadi pengetahuan (knowledge) yang lebih bermanfaat. Simak penjelasan mengenai proses penambangan data secara umum di video ini, mulai dari Data Understanding, Modeling, Evaluation hingga Deployment. Termasuk penjelasan tahapan/proses standar dalam penambangan data yang CRISP-DM.

  • 2.3.b Video Penjelasan Materi Pertemuan 2 (Proses, Jenis Dan Teknologi Penambangan Data) URL

    Video ini menjelaskan secara singkat terkait tahap proses, jenis dan tekologi dalam Penambangan Data. Video ini merupakan bagian dari program Pembelajaran Daring Kolaboratif (PDK) antara Fakultas Teknologi Informasi, Universitas Budi Luhur, Jakarta (https://fti.budiluhur.ac.id) dengan Fakultas Ilmu Komputer, Universitas Tribuana Kalabahi, Nusa Tenggara Timur (https://untribkalabahi.ac.id/), serta didukung penuh oleh Direktorat Jenderal Pendidikan Tinggi (Ditjen Dikti), Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi (Kemdikbudristek).

  • 2.4 Video Instalasi Rapidminer dan WEKA Page

    Berikut ini video instalasi Rapidminer dan WEKA. Untuk versi, silahkan Anda menyesuaikan dengan versi terbaru.

  • 2.5 ViCon - Diskusi dan Pembahasan Materi Kuliah via Zoom URL

    Silakan bergabung di sesi diskusi dan pendalaman materi via Zoom Cloud Meeting mulai jam 08.00 WIB.

  • 2.7 Quiz Pertemuan 2 (Proses Penambangan Data)

    Silahkan kerjakan quiz pertemuan 2 ini sebagai bahan evaluasi pemahaman materi terkait proses penambangan data. 

  • 2.7 Umpan Balik Kuliah Pertemuan 2 Survey
• 

  #3. Penerapan Proses Penambangan Data dengan Rapidminer (11 Oktober 2023)

  • Tujuan Pembelajaran: Mahasiswa mampu menerapkan berbagai proses penambangan data menggunakan perangkat lunak Rapidminer

  • 3.1 Materi dan Latihan DM dengan Rapidminer File

    Silahkan unduh dan pelajari materi dan latihan ini.

  • 3.2 Video Penjelasan Materi DM dengan Rapidminer URL

    Silahkan pelajari video ini untuk penjelasan materi mengenai bagaimana penggunaan Rapidminer. Sebagai bahan latihan, Anda dapat mencoba beberapa latihan yang ada di slide materi (poin 3.1)

  • 3.3 Video Tutorial 1: Prediksi Performance CPU dengan Linear Regression URL

    Video ini membahas contoh kasus penambangan data untuk memprediksi performance CPU dengan metode Linear Regression. Penyelesaian studi kasus menggunakan software Rapidminer.

  • 3.4 Video Tutorial 2: Implementasi Metode Decision Tree dengan Rapidminer URL

    Pada video ini dijelaskan bagaimana Implementasi Proses penambangan data Metode Decision Tree dengan Rapidminer. Dataset yang digunakan adalah dataset golf dan iris. Video ini dipraktekkan cara melakukan klasifikasi data menggunakan Rapidminer dan metode Decision Tree atau C4.5.

  • 3.7 Tugas 1: Implementasi Proses DM dengan Rapidminer Assignment

    Ini merupakan tugas pertama dari matakuliah penambangan data, perhatikan ketentuan berikut ini:

    1. Tugas dikerjakan secara berkelompok (daftar pembagian kelompok lihat di menu Participants).
    2. Tugas berupa mencoba latihan penggunaan Rapidminer yang ada di file presentasi (file 3.1), gambar dibawah ini listnya:
    3. Pengumpulan tugas berupa screenshot model dan hasilnya yang telah dicoba di rapidminer, dituliskan di file word dan diunggah di form yang tersedia
    4. Batas pengumpulan tugas hari Selasa, 17 Oktober 2023 jam 23.55 WIB
    5. Jika ada pertanyaan boleh ditanyakan via WA

    
    

  • 3.8 Umpan Balik Kuliah Pertemuan 3 Survey
• 

  #4. Pemahaman Data (Data Understanding) (18 Oktober 2023)

  • Tujuan Pembelajaran: Mahasiswa mampu memahami berbagai bentuk data dan proses mempersiapkan data (data preprocessing)

  • 4.1 Materi PPT: Pemahaman Data (Data Understanding) File

    Silahkan unduh dan pelajari materi mengenai Pemahaman Data (Data Understanding) - update 2021
    

  • 4.2 Video: Penjelasan Materi Pemahaman Data / Data Understanding URL

    Simak dan pelajari video penjelasan materi Pemahaman Data / Data Understanding

  • 4.3 Video Tutorial Rapidminer (Prediksi Performance CPU) URL

    Silahkan simak video singkat ini, terutama untuk Anda yang belum terlalu memahami mengenai latihan prediksi performa CPU dengan Rapidminer

  • 4.8 Umpan Balik Kuliah Pertemuan 4 Survey
• 

  #5. Data Preprocessing (25 Oktober 2023)

  • Tujuan Pembelajaran: Mahasiswa mampu memahami berbagai bentuk data dan proses mempersiapkan data (data preprocessing)
    

  • 5.1 Tahap Persiapan Data (Data Preparation) proses cleansing data URL

    Video ini menjelaskan secara singkat terkait tahap Persiapan Data (Data Preparation) proses cleansing data dalam Penambangan Data. Video ini merupakan bagian dari program Pembelajaran Daring Kolaboratif (PDK) antara Fakultas Teknologi Informasi, Universitas Budi Luhur, Jakarta (https://fti.budiluhur.ac.id) dengan Fakultas Ilmu Komputer, Universitas Tribuana Kalabahi, Nusa Tenggara Timur (https://untribkalabahi.ac.id/), serta didukung penuh oleh Direktorat Jenderal Pendidikan Tinggi (Ditjen Dikti), Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi (Kemdikbudristek).

  • 5.2 Materi PPT: Data Pre-Processing (Materi Terbaru) File 1.9MB Powerpoint 2007 presentation

    Materi ini merupakan rangkuman materi data preprocessing Silahkan unduh dan pelajari materi ini.

  • 5.3 Video Penjelasan Materi Data Preprocessing - bagian 1 URL

    Silahkan simak video penjelasan materi data preprocessing bagian 1 

  • 5.4 Video Penjelasan Materi "Data Preprocessing" bagian 2 URL

    Simak dan pelajari video penjelasan materi data preprocessing bagian 2 di Youtube. Jangan lupa like dan subscribe

  • 5.5 Video: Praktik Pembersihan Data dengan Rapidminer URL

    Silakan simak video ini dan praktikkan bagaimana contoh melakukan pembersihan data menggunakan Rapidminer.

  • 5.11 Umpan Balik Kuliah Pertemuan 5 Survey
• 

  #6. Klasifikasi Decision Tree (1 November 2023)

  • Tujuan Pembelajaran: Mahasiswa dapat memahami konsep pembelajaran (learning), khususnya menggunakan metode Decision Tree (DT)
    

  • 6.1 Materi PPT: Pemodelan dengan Decision Tree File

    Silahkan unduh dan pelajari materi mengenai konsep pembelajaran dengan metode Decision Tree
    

  • 6.2 Video Penjelasan Materi Pertemuan 6 (Decision Tree) - Youtube URL

    Silahkan simak penjelasan materi terkait Decision Tree ini. Jangan lupa like, comment dan share ya.
    

  • 6.3 Video Penjelasan Materi Pertemuan 6 (Decision Tree) - Tambahan URL

    Silahkan simak penjelasan materi terkait Decision Tree ini (tambahan)
    

  • 6.4 Video: Penambangan Data Metode Decision Tree dengan Rapidminer URL

    Silahkan Video: Penambangan Data Metode Decision Tree dengan Rapidminer

  • 6.5 Vicon - Diskusi dan Pendalaman Materi Kuliah via Google Meet URL

    Silahkan klik link di atas untuk gabung ke sesi Vicon Pertemuan 6. Sesi Vicon akan berlangsung mulai pukul 13.30 WIB
    

  • 6.7 Tugas/Latihan Pertemuan 6 (Decision Tree) Assignment

    Buatlah tree berdasarkan data latihan yang disajikan pada materi (data buah-buahan berbahaya/aman). Jawaban boleh di kertas + difoto, atau boleh di file; lalu diunggah di elearning.
    

  • 6.9 Video Rekaman Kuliah Pertemuan 6 URL

    Silakan akses video rekaman kuliah pertemuan 6 ini.

  • 6.10 Umpan Balik Kuliah Pertemuan 6 Survey
• 

  #7. Klasifikasi Naive Bayes (8 November 2023)

  • Tujuan Pembelajaran: Mahasiswa dapat memahami konsep pembelajaran (learning), khususnya menggunakan metode Naive Bayes Classifier (NBC)

    
    

  • 7.1 Materi PPT: Klasifikasi dengan Metode Naive Bayes File

    Silahkan unduh dan pelajari materi mengenai konsep klasifikasi (learning) dengan metode Naive Bayes
    

  • 7.1.a Klasifikasi : Naive Bayes (Youtube) URL

    Video ini menjelaskan secara singkat terkait klasifikasi naive bayes dalam Penambangan Data. Video ini merupakan bagian dari program Pembelajaran Daring Kolaboratif (PDK) antara Fakultas Teknologi Informasi, Universitas Budi Luhur, Jakarta (https://fti.budiluhur.ac.id) dengan Fakultas Ilmu Komputer, Universitas Tribuana Kalabahi, Nusa Tenggara Timur (https://untribkalabahi.ac.id/), serta didukung penuh oleh Direktorat Jenderal Pendidikan Tinggi (Ditjen Dikti), Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi (Kemdikbudristek).

  • 7.2.b Video Penjelasan Materi Naive Bayes (Youtube) URL

    Silahkan simak penjelasan materi terkait metode Klasifikasi Naive Bayes ini. Jangan lupa like, comment dan share ya.
    

  • 7.3 Video Pengayaan: Naive Bayes dengan Python + Google Colabs URL

    Silahkan simak video pengayaan mengenai implementasi naive bayes di python + Google Colabs

  • 7.5 Tugas Pertemuan 7 (Naive Bayes) Assignment

    Silahkan kerjakan tugas pertemuan 7 mengenai metode Naive Bayes.

  • 7.6 Umpan Balik Kuliah Pertemuan 7 Survey
• 

  #8. Ujian Tengah Semester (15 November 2023)

  • Informasi terkait pelaksanaan Ujian Tengah Semester (UTS) matakuliah Penambangan Data Kelp AF:
    

    1. UTS akan dilaksanakan pada hari Selasa, 22 November 2022 mulai jam 13.30 WIB
    2. UTS dibagi menjadi 2 (dua) bagian: UTS bagian 1 berupa soal Pilihan Ganda (teori), dan UTS bagian 2 berupa soal studi kasus (praktik)
    3. UTS bagian 1 harus dikerjakan selama jam kuliah (jam 13.30 - 15.00 WIB), dengan waktu pengerjaan yang dibatasi (60 menit untuk 25 soal).
    4. UTS bagian 2 berupa tugas / assignment, dengan jangka waktu pengerjaan yang lebih lama (perhatikan batas pengumpulan)

  • 8.1 Ujian Tengah Semester (UTS) Bagian 1 Quiz

    Ketentuan pengerjaan UTS Bagian 1:

    1. Soal berupa pilihan ganda, dengan jumlah soal = 25 soal.
    2. UTS dapat dikerjakan sesuai jam kuliah (13.30-15.00 WIB) dengan durasi pengerjaan = 60 menit.
    3. UTS dilaksanakan secara serentak di kelas (offline)
    4. Kesempatan mengerjakan 1 kali.
    5. Tidak ada perpanjangan waktu / tambahan kesempatan karena alasan kelalaian (lupa, tidak lihat jadwal, ketiduran dll)

  • 8.2 Ujian Tengah Semester (UTS) Bagian 2 Assignment

    Ketentuan Tugas UTS Bagian 2:

    1. Tugas dikerjakan individu.
    2. Batas pengumpulan tugas = hari Kamis, 24 November 2022 jam 23.00 WIB
    3. Dilarang keras melakukan tindakan kecurangan dalam bentuk apapun.

• 

  #9. Klasifikasi K-NN (22 November 2023)

  • Tujuan Pembelajaran: Mahasiswa dapat memahami konsep pembelajaran (learning), khususnya menggunakan metode K-Nearest Neighbor (KNN)

    
    

    
    

  • 9.1 Materi PPT: Algoritma Supervised Learning: K-NN (v2021) File

    Silahkan unduh dan pelajari materi pertemuan di atas.

  • 9.2 Video Penjelasan: Algoritma Klasifikasi dengan K-NN URL

    Silahkan pelajari video penjelasan algoritma klasifikasi (supervised learning) KNN di atas ya

  • 9.3 ViCon - Pendalaman Materi dan Diskusi via Google Meet URL

    Untuk yang mengikuti perkuliahan daring, silahkan klik link di atas untuk join gmeet. Sesi ViCon dilaksanakan pada jam 13.30 WIB - selesai

  • 9.6 Quiz Perbaikan UTS Bagian 1

    Ketentuan Quiz Perbaikan UTS Bagian 1:

    1. Nilai dari quiz perbaikan ini dapat digunakan sebagai sarana perbaikan nilai UTS bagian 1 yang telah dilaksanakan minggu lalu. Usahakan untuk mendapatkan nilai yang lebih baik dari sebelumnya.
       
    2. Bentuk soal = Pilihan Ganda - Jawaban Tunggal
    3. Jumlah soal = 25 soal
    4. Waktu pembukaan quiz perbaikan adalah Selasa, 29 November 2022 jam 15.00 - 23.00 WIB, dengan waktu pengerjaan quiz adalah 60 menit. Jangan sampai salah memahaminya! Tidak ada toleransi / perpanjangan waktu atas alasan apapun.
       
    5. Cakupan materi: Materi pertemuan 1-7. Sebaiknya Anda mempelajari kembali materi-materi yang sudah disampaikan di setiap pertemuan.
    6. Bagi Anda yang nilai UTS bagian 1 < 60, maka nilai quiz ini dapat memperbaiki nilai UTS bagian 1 dengan nilai maksimal 60. Ilustrasi 1: Jika Anda memperoleh nilai UTS Bagian 1 = 40, lalu nilai quiz perbaikan = 80, maka nilai UTS Bagian 1 akan diupgrade menjadi 60. Ilustrasi 2: Jika nilai UTS Bagian 1 = 40, dan nilai quiz perbaikan = 55, maka nilai UTS Bagian 1 dinaikkan menjadi 55.
    7. Bagi Anda yang nilai UTS bagian 1 >= 60, maka nilai quiz ini dapat menambah nilai UTS Bagian 1 tersebut dengan poin tambahan maksimal 10% dari nilai yang Anda peroleh pada Quiz Perbaikan.

  • 9.7 Rekaman Kuliah Pertemuan 9 URL

    Silakan akses rekaman kuliah pertemuan 9

  • 9.8 Umpan Balik Kuliah Pertemuan 9 Survey
• 

  #10. Evaluasi Model Penambangan Data (29 November 2023)

  Not available
• 

  #11. Unsupervised Learning: Algoritma Klasterisasi K-Means(6 Desember 2023)

  • Tujuan Pembelajaran: Mahasiswa mampu memahami konsep klasterisasi data menggunakan berbagai teknik/metode

  • 11.1 Materi PPT: Unsupervised Learning: K-Means Clustering File

    Unduh dan pelajari materi tentang metode pembelajaran unsupervised, khususnya klasterisasi dengan K-Means di atas

  • 11.2 Video: Penjelasan Materi K-Means Clustering URL

    Silahkan simak penjelasan materi K-Means Clustering sebagai bagian dari algoritma pembelajaran tidak tersupervisi (unsupervised learning)

  • 11.3 Video: Implementasi K-Means Clustering dengan Rapidminer URL

    Silahkan simak juga video bagaimana implementasi K-Means Clustering dengan Rapidminer

  • 11.7 Umpan Balik Kuliah Pertemuan 11 Survey
• 

  #12. Association Rule Mining (13 Desember 2023)

  Not available
• 

  #13. Estimasi dan Peramalan / Forecasting (20 Desember 2023)

  Not available
• 

  #14. Text Mining (27 Desember 2023)

  Not available
• 

  #15. Review Materi dan Tren Bidang Penambangan Data (3 Januari 2023)

  Not available
• 

  #16. Ujian Akhir Semester (10 Januari 2023)

  Not available
• 

  REMEDIAL MATA KULIAH

  Not available