Data Mining

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

Standard Competency:

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

Slide:

1. Pengenalan Data Mining
2. Proses Data Mining
3. Persiapan Data
4. Algoritma Klasifikasi
5. Algoritma Klastering
6. Algoritma Asosiasi
7. Algoritma Estimasi
8. Text Mining

Software Requirements:

1. RapidMiner 7.0

Textbooks:

1. Jiawei Han and Micheline Kamber, Data Mining: Concepts and Techniques Third Edition, Elsevier, 2012
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