Penambangan Data - Silabus

Silabus Data Mining
Semester Genap (2013/2014) - TI FST USD Yogyakarta
Dr. C. Kuntoro Adi SJ

Tujuan 
Pengenalan konsep-konsep dasar, metode dan teknik untuk menemukan struktur pola dalam suatu data. Mahasiswa diajak untuk memahami proses dan masalah dalam data mining, belajar berbagai metode dan implementasinya untuk menyelesaikan permasalahan data mining (knowledge discovery).

Pokok Bahasan

1. Pendahuluan
2. [W] [T] Input: konsep, instant, atribut, preprocessing (feature analysis)
3. [W] Output: bagaimana menyajikan struktur pola yang ditemukan dalam data mining
4. [W] Algoritma dasar (asosiasi, klasifikasi, prediksi, klustering):
1. One-rule
2. Model statistik - Bayesian
3. Decision tree
4. Classification
5. Association
6. Prediction
7. Clustering
5. [W] Validasi dan akurasi: cross validation, evaluasi model
6. [W] Skema implementasi
1. Image recognition
2. Character recognition
3. Voice recognition - individual identification
4. Biometric
7. Software untuk pengenalan pola, machine learning (WEKA)

Buku

1. Ian H. Witten, Eibe Frank, 2005, Data mining: practical machine learning tools and techniques, San Francisco: Morgan Kaufmann. 
2. Jiawei Han, Micheline Kamber, 2006, Data mining: concepts and techniques, 2nd edition, San Francisco: Morgan Kaufmann. 
3. Pang Ning Tan, Steinbach, Vipin Kumar, 2005, Introduction to data mining, Addison Wesley. 

Proses pembelajaran

1. Akan ada banyak tugas kelompok. Peserta membentuk kelompok, maksimum 3 orang per kelompok. 
2. Ada tugas akhir kelompok sebagai pengganti UAS. 

Evaluasi

• 10% [Tugas kelompok ]
• 5% [Presensi]
• 25% [US1]
• 25% [US2]
• 35% [Tugas Akhir]

[Ka!] Pembaca yang baik tidak menyalin (copy) postingan tanpa ijin.