Sidia is a education Platform website.
Course Description
Mata kuliah Data Mining bertujuan untuk membekali mahasiswa dengan kemampuan dalam menggali pengetahuan dari data melalui penerapan berbagai metode, teknik, dan algoritma data mining. Mahasiswa akan mempelajari konsep dasar data mining, proses pengolahan data (data preprocessing), metode klasifikasi, klasterisasi, asosiasi, serta evaluasi model. Pendekatan pembelajaran dilakukan dengan kombinasi teori dan praktik berbasis studi kasus serta project-based learning, sehingga mahasiswa tidak hanya memahami konsep tetapi juga mampu menerapkannya dalam menganalisis permasalahan nyata. Pada akhir perkuliahan, mahasiswa diharapkan mampu merancang, mengimplementasikan, dan mengevaluasi solusi berbasis data mining untuk mendukung pengambilan keputusan yang efektif.
Program Objectives (PO)
- Memahami konsep dasar, fenomena, framework, peluang dan tantangan Big Data
- Mampu memilih dan melakukan aktivitas collection and ingestion data
- Mampu menggunakan alat dan ekosistem analisis Big Data
- Mahasiswa mampu menerapkan teori dan menggunakan teknologi big data
- Mahasiswa mampu mengambil keputusan cerdas berdasarkan hasil analisis
Aktifitas Pembelajaran
-
Pertemuan 1 Pengertian, karakteristik, peluang dan tantangan dari keseluruhan aktivitas yang berhubungan dengan Big Data -
Pertemuan 2 Teori dan framework dari analisis big data -
Pertemuan 3 Teori dan framework dari analisis big data -
Pertemuan 4 Pola data dan dapat mengambil pengetahuan dari data -
Pertemuan 5 Dan memahami konsep dasar Framework Hadoop -
Pertemuan 6 Dan menerapkan teknik pengumpulan data secara real-time -
Pertemuan 7 Memproses pengumpulan data menggunakan teknik scrapping dari berbagai sumber data -
Pertemuan 8 Ujian Tengah Semester -
Pertemuan 9 Dan menjelaskan kosep clustering dan teknik-teknik clustering seperto K-Means dan DBSCAN dalam analsiis big data -
Pertemuan 10 Big Data di Python: Text Analysis, Exploring Socmed Sentiment Analysis and the Weather -
Pertemuan 11 Dan menjelaskan konsep dasar text analytics dan berbagai tekniknya dalam analiis data teks -
Pertemuan 12 Dan menerapkan sentiment analysis pada data teks -
Pertemuan 13 Dan menjelaskan konsep dan algorotma supervised learning -
Pertemuan 14 Osep dan algoritma unsupervised learning -
Pertemuan 15 Dan menganalisisi dan memilih algoritma yang sesuai untuk jenis masalah dalam analisis big data -
Pertemuan 16 Mempresentasikan tugas akhir Big Data
References
- Buyya, R., Broberg, J., & Goscinski, A. (2013). Big Data: Principles and Paradigms. Wiley
- Smith, D. M. (2014). Data Processing and Analysis. Wiley.
- Provost, F., & Fawcett, T. (2013). Data Science for Business. O'Reilly Media.
- Witten, I. H., Frank, E., & Hall, M. A. (2016). Data Mining: Practical Machine Learning Tools and Techniques. Morgan Kaufmann.
- Berry, M. W., & Castellanos, M. (2009). Text Mining: Classification, Clustering, and Applications. Springer.
- Liu, B. (2012). Sentiment Analysis and Opinion Mining. Morgan & Claypool.
- Alpaydin, E. (2020). Introduction to Machine Learning. MIT Press.
- Murphy, K. P. (2012). Machine Learning: A Probabilistic Perspective. MIT Press.
- Marz, N., & Warren, J. (2015). Big Data: Principles and Best Practices of Scalable Real-Time Data Systems. Manning Publications.
Lecturer
Difficult Things About Education.
$75$10
More Similar Courses
Related Courses
International
The lecture material consists of basic concepts of nutritional science related to the health and beauty of the body as a whole, including: understanding, objectives,
Literasi Digital
The Digital Literacy course is a general compulsory course (MKWU) for all Surabaya State University students which is presented in the first year of study.
Metal Forming and Casting Techniques
This course is an understanding of metal forming processes without sharpening including casting, rolling, extrusion, forging, spinning, and welding.
Copyright © 2025 Sinau Digital UNESA All Rights Reserved