Semester 3 : Data Mining

Konten [Tampil]

 

ASSALAMMU'ALAIKUM WR. WB

          Data mining merupakan 2 kata yang berasal dari kata "data" dan "mining". Data merupakan sekumpulan informasi, fakta, serta pengetahuan bersifat real atau fakta. Sedangkan mining berarti memperoleh atau mengelola data yang telah dicari dan diproses menjadi pengetahuan. Data mining memiliki banyak sekali metode-metodenya adapun diantaranya klasifikasi, klastering, asosiasi, dan beberapa lainnya. 

          Contoh kecil penggunaan data mining dalam kehidupan perkuliahan adalah mendata kelas bagi mahasiswa. Dimana akan diperlukan nim dan nama dan akan digunakan untuk pengurutan absen dikelas tersebut. 

Komposisi Penilaian

Komponen Nilai	Nilai
Tugas/Quiz	30%
UTS	30%
UAS	30%
Presensi	10%

 

PERTEMUAN 1 - PENGANTAR

ASSALAMMU'ALAIKUM WR. WB

Apa kabar teman-teman semua? Semoga teman-teman diberi kesehatan selalu ya.. Pada pertemuan ke 1 ini kita akan membahas pengantar data mining.

Pada abad ke-21 ini data sudah terbuat dan/atau terkumpul dari berbagai sumber. Data terbuat terus dari detik ke detik dalam 24 jam dalam sehari. Pada tahun 2020 ini, diprediksi dihasilkan sekitar 35 zettabytes (10 bytes atau 1.000.000.000.000.000.000.000 bytes) dari seluruh dunia (IBM Cognitive Class-2, 2020). Fenomena ini menyebabkan "Ledakan Data", akan tetapi banyak yang tidak menyadari dari data-data tersebut kita dapat menggali informasi / memanfaatkan potensi dari suatu data, kita kaya akan data tetapi miskin informasi.

Data Mining merupakan Disiplin ilmu yang mempelajari metode untuk mengekstrak pengetahuan atau menemukan pola dari suatu data yang besar. Dengan contoh kasus yang dibahas pada pertemuan kali ini akan memberikan gambaran kepada teman-teman bagaimana data mining dapat memberikan kita informasi yang berguna sehingga dapat menjadi pendukung pengambilan keputusan.

Modul Pengantar Data Mining : Modul Pengantar Data Mining

PERTEMUAN 2 - PERAN UTAMA DATA MINING

ASSALAMMU'ALAIKUM WR. WB

Hai teman-teman, kita bertemu kembali di pertemuan ke 2. Kali ini kita akan membahas tentang :

1. Data untuk data mining
2. Peran utama data mining
3. Metode data mining
4. Preprocessing data CRISP–DM

Tetap semangat mengikuti perkuliahan ya teman-teman

Modul Peran Utama Data Mining : Modul Peran Utama Data Mining

Tugas Pertemuan 2 : Download

PERTEMUAN 3 - PROCESSING DATA

Assalammu'alaikum wr. wb.

Hai teman-teman, kita bertemu kembali di pertemuan ke 3 yaa.. kali ini kita akan membahas Preprocessing Data. Preprocessing data sangat penting karena kesalahan, redundan, missing value, dan data yang tidak konsisten menyebabkan berkurangnya akurasi hasil analisis. Jadi, sebelum mengolah data, kita harus memastikan bahwa data yang akan kita gunakan merupakan data "bersih".

Modul Processing Data : Modul Processing Data

Tugas pertemuan 3 : Download
PERTEMUAN 4 - METODE LEARNING

Assalammu'alaikum wr. wb.

Tugas data mining sebenarnya adalah analisis otomatis atau semi-otomatis jumlah besar data untuk mengekstrak pola yang menarik yang sebelumnya tidak diketahui seperti kelompok catatan data (analisis cluster), catatan yang tidak biasa (deteksi anomali) dan dependensi (aturan asosiasi pertambangan). 

Hal ini biasanya melibatkan menggunakan teknik database seperti indeks spasial. Pola ini kemudian dapat dilihat sebagai semacam ringkasan dari input data, dan dapat digunakan dalam analisis lebih lanjut atau, misalnya, dalam pembelajaran mesin dan analisis prediktif. Misalnya, langkah data mining mungkin mengidentifikasi beberapa kelompok dalam data.

Dalam pertemuan ke 4 ini kita akan membahas beberapa metode yang diterapkan dalam data mining. 

Modul Metode Learning : Download

PERTEMUAN 5 - NAIV BAYES

Assalammu'alaikum wr. wb.

Pertemuan ke 5 ini kita akan membahas mengenai Bayesian Classification. Bayesian Classification adalah pengklasifikasian statistic yang dapat digunakan untuk memprediksi probabilitas keanggotaan suatu class. Algoritma yang digunakan salah satunya adalah Naive Bayes. Bayesian Classification terbukti memiliki akurasi dan kecepatan yang tinggi saat diaplikasikan ke dalam database dengan data yang besar.

Salah satu contoh penggunaan algoritma Naive Bayes adalah memprediksi apakah seseorang dengan kriteria tertentu akan membeli komputer atau tidak berdasarkan nilai probabilitas keanggotaan classnya.

Pada pertemuan kali ini akan ada 2 sesi, yaitu :

1.  SESI MATERI

 Merupakan sesi untuk membahas perhitungan manual dari suatu kasus dengan menggunakan algoritma Naive Bayes.

2. SESI PRAKTIKUM

Merupakan sesi untuk membahas penggunaan tools pada Python untuk contoh kasus algoritma Naive Bayes dengan menggunakan Google Colabs. Teman - teman dapat mendownload dataset Social Network Ads. csv yang sudah tersedia pada LMS yang akan kita gunakan dalam sesi praktikum.

Modul Naiv Bayes : Download

Tugas pertemuan 5 : 

Data Set Social Network Ads : Download

>

Subscribe to receive free email updates: