Logo UNP
KEMENTERIAN PENDIDIKAN TINGGI, SAINS, DAN TEKNOLOGI
UNIVERSITAS NEGERI PADANG – FAKULTAS TEKNIK – PROGRAM STUDI INFORMATIKA (S1)
RENCANA PEMBELAJARAN SEMESTER
MATA KULIAH (MK) KODE Rumpun MK BOBOT (sks) SEMESTER Tgl Penyusunan
Data Mining INF.62.0072 - 1 2 5 -
OTORISASI / PENGESAHAN Dosen Pengembang RPS Koordinator RMK Koordinator Prodi
- - - Dr. Yeka Hendriyani S.Kom., M.Kom.
CPL-PRODI yang dibebankan pada MK
CPL-3 Mampu berfikir logis, kritis dan inovatif dalam mengidentifikasi, menganalisis dan memberikan solusi terhadap permasalahan yang sesuai dengan bidang Informatika.
CPL-5 Memiliki pengetahuan yang memadai terkait cara kerja sistem komputer dan mampu menerapkan/menggunakan berbagai algoritma/metode untuk memecahkan masalah pada suatu organisasi.
CPL-8 Kemampuan mengimplementasi kebutuhan computing dengan mempertimbangkan berbagai metode/algoritma yang sesuai.
Capaian Pembelajaran Mata Kuliah (CPMK)
CPMK 1 Mahasiswa mampu menjelaskan konsep dasar dan proses kerja data mining serta hubungannya dengan disiplin ilmu lain.
CPMK 2 Mahasiswa mampu mengidentifikasi dan menerapkan metode praproses data yang sesuai untuk data mining
CPMK 3 Mahasiswa mampu mengimplementasikan teknik klasifikasi, klastering, dan asosiasi menggunakan algoritma data mining yang relevan.
CPMK 4 Mahasiswa mampu mengevaluasi kinerja model data mining menggunakan metrik evaluasi yang tepat.
CPMK 5 Mahasiswa mampu menggunakan perangkat lunak data mining (seperti RapidMiner, Weka, atau Python dengan scikit-learn) untuk menyelesaikan kasus nyata berbasis data.; Mahasiswa mampu menganalisis dan menginterpretasikan hasil proses data mining untuk pengambilan keputusan.; Mahasiswa mampu bekerja dalam tim untuk menyusun laporan hasil eksplorasi data dan menyajikan solusi berbasis data secara komunikatif.
Kemampuan akhir tiap tahapan belajar (Sub-CPMK)
SUB CPMK -
CPL-3 CPL-5 CPL-8 dst Total
CPMK/Sub CPMK - - - - -
CPMK/Sub CPMK - - - - -
Mata kuliah Data Mining membahas tentang teknik dan metode untuk mengekstraksi pola atau informasi yang berguna dari data besar. Peserta akan belajar bagaimana mengumpulkan, menganalisis, dan mengolah data untuk menemukan pola tersembunyi, asosiasi, dan tren yang dapat mendukung pengambilan keputusan dalam berbagai bidang. Topik yang dibahas meliputi teknik clustering, klasifikasi, regresi, asosiasi, dan pemrosesan data dengan menggunakan perangkat lunak dan algoritma statistik. Mata kuliah ini juga mempersiapkan mahasiswa untuk mengaplikasikan data mining dalam konteks bisnis, teknologi, dan ilmu pengetahuan.
Utama:
-
Pendukung: (Jika diperlukan)
-
-
-
Minggu Ke- SUB-CPMK (Kemampuan Akhir Yang Diharapkan) Penilaian Bentuk Pembelajaran, Metode Pembelajaran, Penugasan Mahasiswa
[Estimasi Waktu]
Materi Pembelajaran
[Rujukan]
Bobot Penilaian
(%)
Indikator Teknik & Kriteria Luring (Tatap Muka) Daring (Online)
- - - - - - - 0