Data Mining Part 2, Peta Bahan Kajian

Tuesday, July 30th, 2019

Seorang pengajar wajib memiliki acuan terstruktur dalam mengukur tingkat penguasaan pengetahuan mahasiswanya. Pembaca blog ini bukan hanya dari kalangan mahasiswa, bisa jadi siswa atau bahkan masyarakat umum. Walaupun demikian saya rasa perlu untuk mengungkapkan lebih jauh mengenai taksonomi Anderson maupun Taksonomi Bloom, mungkin saya akan bahas lebih lengkap di artikel lainnya. Karena menariknya adalah banyak sekali siswa yang bingung atau bahkan kurang paham cara belajar dan style belajar siswa tersebut bagaimana. Pemahaman mengenai taksonomi membua pengajar lebih rapi dalam menyusun materinya dan bagi siswa akan lebih mengarahkan kegiatan dan proses belajarnya.

Membuat peta bahan kajian untuk mata kuliah Data mining saya mengambil referensi dari taksonomi anderson.  Taksonomi ini mengurutkan proses belajar dari level sederhana hingga ke level tertinggi. Dengan demikian akan memudahkan menyusun tahap mengenai materi yang akan diberikan. Berikut adalah beberapa poin penting dalam hubungan antara materi bahan kajian di bidang Data mining dengan taksonomi Anderson. Apa yang saya tulis belum sempurna, tapi setidak dapat sebagai bahan kajian yang dapat terus menerus disempurnakan.

tier 2 (understanding)
Memahami Konsep Data mining
Memahami pengertian Instance dan attribute
Menjelaskan mengenai Knowledge Representation
Menjelaskan identifikasi penggunaan Algoritma dalam data mining
menjelaskan prosedur dan pentingnya Evaluasi dalam machine learning
Menggambarkan berbagai Layanan Data mining di dunia industri
Memahami algoritma yang dipakai dalam machine learning
menggambarkan jenis learning (supervised/unsupervised) dalam data mining
memahami prosedur training dan testing
menjelaskan identifikasi dari missing data
memahami spesifikasi kebutuhan software dan hardware untuk implementasi data mining
Memahami pentingnya data mining bagi perusahaan
Menjelaskan mengenai kaitan data mining dengan industri 4.0
tier 3 (applying)
Menerapkan association rule, clustering, classification
Menerapkan pembagian dataset menjadi training dan testing
Mendemonstrasikan teknik evaluasi dalam data mining
Menggunakan library dalam scikit learn untuk menerapkan machine learning
Mengilustrasikan manfaat dari machine learning bagi industri
Memerankan wirausahawan yang bergerak di bidang data mining
tier 4 (analyzing)
Membedakan supervise dan unsupervised learning
Mengkaji hasil “knowledge representation” sebagai output dari machine learning
Menguji hasil algoritma dengan teknik evaluasi
Melakukan experiment terhadap beberapa algoritma data mining
Mengkaji teknik data mining dalam perannya dalam mendukung industri 4.0

tier 5 (evaluasi)
Melakukan evaluasi terhadap hasil implementasi algoritma data mining
Menyatakan manfaat atas output machine learning terhadap industri

URAIAN

Mata kuliah ini disampaikan selama 14 kali tatap muka dan 2 kali ujian berupa UTS dan UAS, dengan bobot 3 SKS. Matakuliah data mining membahas tentang berbagai teknik yang umum digunakan dalam data mining serta peran dan fungsinya dalam mendukung proses bisnis di perusahaan. Mata kuliah ini dimulai dari pemahaman konsep, implementasi algoritma hingga melakukan evaluasi terhadap ouput. Sejalan dengan misi program studi untuk meningkatkan enterpreneurship pokok bahasan dan penugasa juga menggali peluang bisnis khusus di bidang data mining. Selain itu untuk mempersiapkan tenaga kerja demi menghadapi tantangan industri 4.0, mahasiswa juga dibekali dengan pengetahuan yang berkaitan dengan skill yang dibutuhkan.


Leave a Reply

Your email address will not be published. Required fields are marked *

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code class="" title="" data-url=""> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong> <pre class="" title="" data-url=""> <span class="" title="" data-url="">

post_id=300