INSTITUT TEKNOLOGI TELKOM SURABAYA                                                                                                                  
                                                  FAKULTAS TEKNOLOGI INFORMASI DAN INDUSTRI                                                                                                           
                                                  PRODI STUDI TEKNOLOGI INFORMASI                                                                                                                    Kode Dokumen 
                                                
                                                                                             RENCANA PEMBELAJARAN SEMESTER 
                                              Mata Kuliah (MK)                                Kode MK            Rumpun MK/Kelompok Keahlian (KK)                 Bobot (SKS)        Semester          Tanggal Penyusunan 
                                                 Data Mining                                  ITA3133            Rekayasa Perangkat Lunak / Software                     3                5                29 Maret 2018 
                                                                                                                               Development 
                                         OTORISASI                                       Pengembang RPS                                     Koordinator RMK                                  Ketua Program Studi 
                                                                                                                                                                                                          
                                                                                  Farah Zakiyah Rahmanti, M.T.                       Farah Zakiyah Rahmanti, M.T.                       Farah Zakiyah Rahmanti, M.T. 
                                                  CPL-PRODI                                                  
                                                    [S-3]  Berkontribusi dalam peningkatan mutu kehidupan bermasyarakat, berbangsa, bernegara, dan kemajuan peradaban berdasarkan Pancasila. 
                                                   [KU-1]  Mampu menerapkan pemikiran logis, kritis, sistematis dan inovatif dalam konteks pengembangan atau implementasi ilmu pengetahuan dan 
                                                           teknologi yang memperhatikan dan menerapkan nilai humaniora yang sesuai dengan bidang keahliannya. 
                      Capaian                          
                      Pembelajaran (CP)           CP-MK                                                      
                                                  [ C - 4 ]  Mahasiswa mampu menganalisa data. 
                                                  [ P - 5 ]  Mahasiswa mampu mempersiapkan data. 
                                                  [ C - 6 ]  Mahasiswa mampu mengolah data. 
                                                  [ A - 3 ] Mahasiswa mampu memilih algoritma data mining untuk menyelesaikan permasalahan secara individu maupun dalam tim. 
                                                  [ C - 6 ]  Mahasiswa mampu menerapkan algoritma data mining untuk menyelesaikan permasalahan secara individu maupun dalam tim. 
                                                   
                      Deskripsi Singkat MK  Mata kuliah ini berisi pengajaran tentang data, teknik-teknik mengolah data, teknik penggalian data, sehingga diperoleh pola-pola tertentu yang dapat 
                                                  menjadi informasi yang berguna  dan juga aplikasi dan permasalahan penerapannya pada kondisi riil. 
                                                   
                                                  1.  Pengenalan data mining 
                                                  2.  Eksplorasi data 
                      Materi Pembelajaran/ 3.  Evaluasi Kinerja pengklasifikasi 
                      Pokok Bahasan               4.  Analisis Asosiasi 
                                                  5.  Dasar-dasar Data Mining, Klasifikasi & Analisis Asosiasi 
                                                  6.  Klustering 
                                                  7.  Anomali data 
                                              8.  Aplikasi dan Trend Data Mining  
                                              Utama                 
                                              [1]  Introduction to Data Mining 2nd Edition, Tan, Pang-Ning; Steinbach, Michael; Kumar, Vipin, Pearson Education, Inc, 2015 
                                              [2]  Data Mining Concepts and Techniques 3rd edition, Han, Jiawei; Kamber, Micheline, and Jian Pei, , Morgan Kaufmann, 2011 
                     Pustaka                  [3]  Data Mining and Knowledge Discovery Handbook Second Edition,Maimon,Oded; Rocach, Lior, Springer, 2010 
                                              Pendukung             
                                              [4]  . 
                                              [5]  . 
                     Media Pembelajaran  Perangkat Keras                                                                          Perangkat Lunak   
                                              Komputer, LCD, Projector                                                            Power Point, PDF, Web Browser 
                     Team Teaching            [1] Farah Zakiyah Rahmanti, M.T. 
                     Matakuliah Prasyarat   Sistem Kecerdasan Buatan 
                                                                                                                     
                     Minggu                   Sub-CPMK                                  Bahan Kajian                  Metode Pembelajaran                  Indikator                   Kriteria dan            Bobot 
                       ke-     (Kemampuan Akhir yang diharapkan)                   [Pustaka/Materi Ajar]                     [Waktu]                                                Bentuk Penilaian          Nilai (%) 
                        (1)                       (2)                                        (3)                                (4)                          (5)                            (6)                  (7) 
                        1     Mahasiswa      mampu  menjelaskan  Pengenalan Data Mining                              Kuliah                     Pencapaian kemampuan  Kriteria :                              
                              latar belakang munculnya teknik data       -Definisi & Latar belakang data mining                                 yang direncanakan :            Rubrik Deskriptif                 5% 
                              mining,     serta     tahapan-tahapan      -Tahapan-tahapan proses data mining  Diskusi                           - Ketepatan menjelaskan         
                              umum dalam proses data mining.             -Jenis &Kualitas Data                       [TM : 1 x (3 x 50”)]       teknik data mining.            Bentuk Non-Test : 
                                                                         -Preprocessing & Teknik pengukuran                                     -Ketepatan dalam               -Presentasi 
                                                                         data                                        Tugas 1 :                  menjelaskan tahapan-             
                                                                                                                     Menyusun resume            tahapan dalam proses data 
                                                                                                                     teknik data mining.        mining. 
                              Mahasiswa      mampu  menjelaskan  Data                                                                           -Ketepatan dalam 
                              definisi  data,  dan  proses  awal  yang   -Definisi                                   [BT + BM :                 menjelaskan data dan 
                              dilakukan  terhadap  data  agar  dapat     -Proses awal                                (1+1)x(3x60”)]             proses awal terhadap data. 
                              menjadi  inputan  yang  baik  dalam 
                              teknik data mining. 
                               
                               
                        2     Mahasiswa       mampu        menjelaskan  Eksplorasi Data                              Kuliah                     Pencapaian kemampuan  Kriteria :                                    
                              teknik-teknik merepresentasikan data.  -Statistik  Data & Visualisasi Data                                        yang direncanakan :            Rubrik Deskriptif                 5% 
                                                                         -Analisis data multi  dimensional &         Diskusi                    - Ketepatan menjelaskan         
                                                                                                                                                                                                                  2 
                      
                                                                          OLAP                                        [TM : 1 x (3 x 50”)]        teknik-teknik dalam           Bentuk Test : 
                                                                          -Klasifikasi                                                            merepresentasikan data.       -Soal tes 
                                                                          -Konsep dasar klasifikasi                   Tugas 2 :                                                 merepresentasikan queue 
                                                                          -Decision Tree & Model Overfitting          Mencari paper/jurnal                                      menggunakan tabel.  
                                                                                                                      yang berkaitan dengan                                      
                                                                                                                      klasifikasi dalam 
                                                                                                                      eksplorasi data. 
                                                                                                                       
                                                                                                                      [BT + BM : 
                                                                                                                      (1+1)x(3x60”)] 
                                                                                                                       
                       3, 4   Mahasiswa mampu menjelaskan teknik  Evaluasi Kinerja pengklasifikasi                    Kuliah                      Pencapaian kemampuan  Kriteria :                                   
                              klasifikasi dalam data mining.              -Metoda untuk membandingkan                                             yang direncanakan :           Rubrik Deskriptif                 15% 
                                                                          pengklasifikasi                             Diskusi                     - Ketepatan dalam              
                                                                          -Algoritma nearest neighnour,               [TM : 2 x (3 x 50”)]        melakukan perbandingan  Bentuk Non-Test : 
                                                                          Bayesian, ensemble methods                                              metode klasifikasi.           -Presentasi 
                                                                          -Imbalance class problem                    Tugas 3 :                   -Ketepatan dalam 
                                                                                                                      Mencari paper/jurnal        menjelaskan algoritma 
                                                                                                                      yang berkaitan dengan       NN, Bayesian, dan 
                                                                                                                      algoritma NN.               ensemble. 
                                                                                                                        
                                                                                                                      [BT + BM : 
                                                                                                                      (2+2)x(3x60”)] 
                                                                                                                       
                       5, 6   Mahasiswa        mampu        memahami  Analisis Asosiasi                               Kuliah                      Pencapaian kemampuan  Kriteria :                                   
                              teknik/metoda analisis asosiasi  dalam  -Algoritma FP- Growth                                                       yang direncanakan :           Rubrik Deskriptif                 15% 
                              data mining.                                -Teknik evaluasi pola-pola asosiasi         Diskusi                     -Ketepatan menjelaskan         
                                                                          -Frequent itemset generation                [TM : 2 x (3 x 50”)]        teknik/metode analisis        Bentuk Non-Test : 
                                                                          -Rule        generation,        compact                                 asosiasi data mining.         -Presentasi 
                                                                          representation of frequent itemset          Tugas 5 :                    
                                                                          -Menangani  atribut  kategoris  dan  Menyusun resume 
                                                                          atribut kontinu dalam analisis asosiasi  tentang algoritma FP-
                                                                                                                      Growth.  
                                                                                                                       
                                                                                                                      [BT + BM : 
                                                                                                                      (2+2)x(3x60”)] 
                                                                                                                                                                                                                    3 
                      
                                                                                                                          
                         7     Mahasiswa         mampu        memahami  Dasar-dasar  Data  Mining,  Klasifikasi  Kuliah                               Pencapaian kemampuan  Kriteria :                                      
                               teknik/metoda analisis asosiasi  dalam  & Analisis Asosiasi                                                            yang direncanakan :             Rubrik Deskriptif                  10% 
                               data mining.                                 -Review Dasar-dasar Data Mining              Diskusi                      -Ketepatan menjelaskan           
                                                                            -Pola    sequential,     subgraph      dan  [TM : 1 x (3 x 50”)]          teknik/metode analisis          Bentuk Non-Test : 
                               Mahasiswa mampu menjelaskan lebih  infrequent                                                                          asosiasi data mining.           -Presentasi 
                               lanjut  dasar-dasar  data  mining  dan  -Review           Klasifikasi   dan     Analisis  Tugas 7 :                    -Ketepatan dalam 
                               metoda  pengklasifikasi  yang  sudah  Asosiasi                                            Menyusun slide               menjelaskan dasar-dasar 
                               dipelajari.                                                                               presentasi tentang           data mining dan metode 
                                                                                                                         metode klasifikasi.          klasifikasi. 
                                                                                                                                                       
                                                                                                                         [BT + BM : 
                                                                                                                         (1+1)x(3x60”)] 
                                                                                                                          
                         8                            Evaluasi Tengah Semester: Melakukan validasi hasil penilaian, evaluasi dan perbaikan proses pembelajaran berikutnya                                                   
                       9, 10  Mahasiswa mampu menjelaskan teknik  Klustering 1                                           Kuliah                       Pencapaian kemampuan  Kriteria :                                      
                               klustering dalam data mining.                -Definisi dan konsep dasar clustering                                     yang direncanakan :             Rubrik Deskriptif                 10% 
                                                                            -Algoritma K-Means & Hierarchical            Diskusi                      -Ketepatan dalam                 
                                                                            Clustering                                   [TM : 2 x (3 x 50”)]         menjelaskan teknik              Bentuk Non-Test : 
                                                                            -Algoritma DBSCAN                                                         klustering.                     - Presentasi 
                                                                            -Evaluasi Clustering                         Tugas 9 : 
                                                                                                                         Membuat resume 
                                                                                                                         algortima klustering dari 
                                                                                                                         paper/jurnal yang sudah 
                                                                                                                         dicari. 
                                                                                                                          
                                                                                                                         [BT + BM : 
                                                                                                                         (2+2)x(3x60”)] 
                                                                                                                          
                                                                                                                           
                       11, 12  Mahasiswa       mampu  menjelaskan  Klustering 2                                          Kuliah                       Pencapaian kemampuan  Kriteria :                                      
                               teknik klustering dalam data mining.         -Karakteristik data, cluster dan                                          yang direncanakan :             Rubrik Deskriptif                 15% 
                                                                            algoritma clustering                         Diskusi                      - Ketepatan dalam                
                                                                            -Prototype-based & Density-based             [TM : 2 x (3 x 50”)]         menjelaskan teknik              Bentuk Non-Test : 
                                                                            clustering                                                                klustering.                     - Presentasi 
                                                                            -Graph-based clustering                      Tugas 11 :                                                    
                                                                                                                                                                                                                           4