Penambangan Data dan Intelegensia Bisnis

SKS:3
Deskripsi: Mata kuliah ini bertujuan membekali mahasiswa kemampuan bekerja dengan data dalam skala besar dan menguasai berbagai teknik untuk menilai informasi bisnis yang terkandung dalam data tersebut.
Kompetensi: Setelah mengikuti mata kuliah ini, mahasiswa diharapkan mampu untuk:
  1. Menjelaskan konsep, kakas dan teknik penambangan data untuk inteligensia bisnis
  2. Menjelaskan gambaran umum dari perkembangan terbaru dalam penambangan data
  3. Menjelaskan teknik yang digunakan beserta kelebihannya serta penerapannya
  4. Melakukan eksperimen penambangan data mereka sendiri baik secara individual maupun sebagai anggota dari sebuah tim
  5. Mengevaluasi permasalahan dan merancang serta membuat aplikasi inteligensia bisnis/decision support system jika diberikan gambaran sebuah permasalahan di dunia bisnis.
Topik: Introduction; Decision making, systems, modeling and support; DSS concepts, methodologies, and technologies: an overview; Data mining for business intelligence; Arficial neural networks for business intelligence; Text mining and web mining; Artificial intelligence and expert systems; Business performance management; Knowledge management; Association analysis
Referenced Book:
  1. Efraim Turban, Ramesh Ardha, Dursun Dellen. Decision Support and Business Intelligence Systems, Pearson, 2011.
  2. Introduction to Data Mining, Pang-Ning Tan, Michael Steinbach, Vipin Kumar, University of Minnesota, 2006
  3. Articles and White Papers, HBR and Gartner Researches 2013
Evaluation:
Individual Assignment20%
MSE 35%
FSE 35%
Quizes, Participation 10%
  100%
Minggu 1Decision Support System and Business Intelligence
Minggu 2Decision Making, Modeling, and Support
Minggu 3 dan 4Computerized Decision Support
Data untuk Penambangan
Data Preparation
Home Equity Dataset
Home Equity Dataset Description
		Tugas 1:
		Lakukanlah data preparation terhadap data Home Equity.
		Jelaskanlah langkah apa saja yang sdr lakukan dan apakah yang sdr temukan.
		Dokumentasikanlah proses data preparation yang sdr lakukan beserta dengan temuannya
		dan dicetak dikumpulkan pada tanggal 9 Oktober 2018 saat kuliah. 
		Dokumentasi berisi a.l
		-I. Pendahuluan
		-II. Deskripsi Data
		-III. Data Preparation
		-IV. Hasil/Temuan
		-V. Kesimpulan
	
Minggu 5Modeling and Analysis

QUIZ-1

 

		Gambarkanlah primida pengambilan keputusan. Untuk setiap
		tingkat pengambilan keputusan, jenis problem apakah yang mereka
		akan pecahkan (structured, unstructured, semi-structured) dan
		dengan data/informasi apa mereka bekerja (database, datawarehous,
		knowledge-base)

		

QUIZ-2

1. List and briefly explain the four major components of DSS! 2.A surveyor from BPS (Biro Pusat Statistik) must visit 9 provinces on Sumatra. All provinces must be visited once. In order for the trip to be efficient, he must find the shortest path that can be visited. Amongst analytical techniques, blind search, heuristics search, and simulation, which approach is suitable to use? Explain!

Simplex Method
Minggu 6Data Mining for Business Intelligence
Minggu 7Ujian Tengah Semester
Minggu 8,9 Diskretisasi
Artificial Intelligence for Data Mining
Wheater.arff
Diabetes.arff
		Tugas 2:
		Data data Home Equity di bawah adalah data Home Equity yang sudah bersih.
		1. Gunakanlah data menjadi training dan test sets (percentage).
	           Lakukanlah Klasifikasi dengan menggunakan algoritma 
		   - Decision Tree: Random Forest (RF) dan 
		   - ANN: Multilayer Perceptron (MP).
		2. Jelaskanlah hasil dari klasifikasi tersebut.
		3. Apa kesimpulan yang sdr ambil dari penggunaan RF vs MP ?
		4. Lakukanlah task no 1 dengan menggunakan 10 folds. 
		   Bandingkanlah hasilnya. Simpulkan!
		5. Dokumentasikan dalam kertas proses deskretisasi dan klasifikasi yang sdr lakukan dan dikumpulkan 
	           paling lambat pada tanggal 29 November 2018.
		
		Tugas klasifikasi dikerjakan menggunakan Weka.
	
Home Equity Dataset
Minggu 10,11Text and Web Mining
Minggu 12,13Data Warehousing
Quiz 3
Minggu 14Business Performance Management
Minggu 16Ujian Akhir