Penambangan Data dan Intelegensia Bisnis

UTS bersifat OPEN NOTES. Silakan membawa 1 lembar notes A4 boleh bolak-balik.

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 2Opening Vignette
Decision Making, Modeling, and Support
Bounded Rationality

QUIZ-1

 

		Apakah yang membedakan proses pengambilan keputusan secara konvensional
		dengan proses pengambilan keputusan menurut Simon?
		
Minggu 3Computerized Decision Support

Minggu 4 Data Preparation
myfile.csv
Diskretisasi
Simplex Method
Simulasi KPR
Minggu 5Modeling and Analysis
                Tugas 1:
                Lakukanlah data preparation terhadap data Loan. Lihat potongan data Loan. 
		Terdapat penjelasan singkat tentang data tersebut di sini 
                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 17 Oktober 2019 saat kuliah.
                Dokumentasi berisi a.l
                -I. Pendahuluan
                -II. Deskripsi Data
                -III. Data Preparation
                -IV. Hasil/Temuan
                -V. Kesimpulan
		File dalam bentuk clean hasil dari data preparation di-submit melalui scele
		dan berisi column names pada baris pertama.
        
QUIZ 2

Produsen alat pertukangan menghasilkan tiga buah produk x1, x2 dan x3.
Ketiga produk dihasilkan melalui pemrosesan dengan mesin A dan B.
Kebutuhan waktu proses dalam hari dapat dilihat pada tabel berikut:

                	x1      x2      x3      Resource yang Tersedia
A (hari)        	0.5     2       1               24 hari
B (hari)        	1       2       4               60 hari

Keuntungan dalam $  	6       14      13

a. Buatlah model matematisnya
b. Buatlah tabel simplex untuk masalah tersebut
c. Selesaikanlah problem simplex tersebut. Produk apakah yang akan
   dibuat untuk memaksimalkan resource yang dimiliki dan berapa jumlahnya?


Minggu 6Data Mining for Business Intelligence
Minggu 7Ujian Tengah Semester
Minggu 8,10 Artificial Intelligence for Data Mining
Data Mining dengan Machine Learning
Minggu 9Data Warehousing
Minggu 11,12,13Text and Web Mining
Worksp
Minggu 14Business Performance Management
Minggu 15Collaborative Computer-Supported Technologies and Group Support Systems
Minggu 16Ujian Akhir