Kembali
  1. Kelas Belajar Mandiri
  2. Kelas GRATIS
  3. Introduction Data Mining
Cover Course Introduction Data Mining
Pemula Gratis +20 Poin

BISA AI Academy

Introduction Data Mining

Tertarik Mempelajari Data Mining dari Dasar? Daftar Kelas Introduction to Data Mining Hari Ini!

Kursus ini dirancang untuk membantu peserta memahami konsep dasar Data Mining yang menjadi fondasi penting dalam bidang Data Science, Business Intelligence, dan Artificial Intelligence. Materi disusun secara sistematis dan mudah dipahami, mulai dari pengenalan Data Mining, pengolahan data menggunakan Python, hingga visualisasi data untuk mendukung pengambilan keputusan berbasis data.

Beberapa hal yang akan Anda pelajari dalam kursus ini adalah:

  • Konsep dasar dan ruang lingkup Data Mining
  • Penggunaan Python sebagai alat bantu dalam proses Data Mining
  • Pemahaman mengenai data dan atribut dalam analisis data
  • Pengukuran kemiripan dan perbedaan data menggunakan konsep Similarity dan Dissimilarity
  • Normalisasi database untuk mengurangi redundansi dan meningkatkan kualitas data
  • Teknik visualisasi data untuk menyajikan informasi secara lebih efektif
  • Jenis-jenis atribut data yang digunakan dalam Data Mining dan analisis data

Kursus ini sangat cocok bagi pemula yang ingin memahami Data Mining dari dasar, mahasiswa yang ingin memperkuat pemahaman di bidang analisis data, maupun profesional yang ingin menambah keterampilan di era transformasi digital. 

Daftar sekarang dan mulai perjalanan Anda memahami Data Mining sebagai salah satu keterampilan penting di era data saat ini.

Penyusun Materi BISA AI Academy

Detail Course

Tentang kelas ini

Ringkasan materi, target pembelajaran, dan aturan penilaian kelas.

Informasi Umum

Introduction to Data Mining merupakan program pembelajaran yang dirancang untuk memberikan pemahaman dasar mengenai proses penggalian informasi dan pengetahuan dari data. Pada kursus ini, peserta akan mempelajari konsep-konsep fundamental yang menjadi dasar dalam bidang Data Mining, mulai dari pengenalan data, atribut data, pengukuran kemiripan dan perbedaan data, normalisasi database, hingga visualisasi data.

Selain memahami teori, peserta juga akan diperkenalkan dengan penggunaan Python sebagai salah satu bahasa pemrograman yang banyak digunakan dalam pengolahan dan analisis data. Materi disusun secara bertahap sehingga dapat diikuti oleh peserta yang belum memiliki pengalaman sebelumnya di bidang Data Mining maupun pemrograman.

Kursus ini berfokus pada pemahaman konsep dan penerapan dasar yang diperlukan sebelum mempelajari topik Data Mining yang lebih kompleks seperti machine learning, data analytics, dan data science.

Target Pembelajaran

Setelah mengikuti kursus ini, peserta diharapkan mampu:

  1. Memahami konsep dasar Data Mining, ruang lingkup, serta penerapannya dalam pengolahan dan analisis data.
  2. Menggunakan dasar-dasar Python untuk mendukung proses pengolahan dan analisis data sederhana.
  3. Mengidentifikasi jenis-jenis data dan atribut serta memahami karakteristik masing-masing dalam konteks Data Mining.
  4. Memahami dan menerapkan konsep Similarity and Dissimilarity Data serta normalisasi database untuk meningkatkan kualitas data.
  5. Membuat dan menginterpretasikan visualisasi data yang sesuai untuk menyajikan informasi dan hasil analisis secara efektif.

Spesifikasi

- Komputer yang terinstall python 3 dan jupyter notebook (untuk pengerjaan offline).
- Komputer dengan browser, koneksi internet, dan akun gmail agar dapat menggunakan Google Colaboratory (untuk pengerjaan online)

Kriteria Kelulusan

Peserta diwajibkan untuk mengambil kuis dari setiap silabus yang ada di course. Tugas akhir dapat diakses jika peserta telah menyelesaikan kuis di setiap silabus dengan nilai yang memenuhi kriteria ketuntasan minimal (KKM) yaitu 70. Setelah peserta menyelesaikan kuis dan tugas akhir, maka peserta akan mendapatkan sertifikat.

Skema Penilaian

A. Kuis (80%)
Soal kuis di setiap silabus terdiri dari soal-soal pilihan ganda yang harus dijawab oleh peserta. Nilai kuis dapat diperoleh jika peserta dapat menyelesaikan kuis di setiap silabus dengan sempurna. Nilai kuis setiap silabus akan diakumulasikan sebanyak 10 %.

B. Tugas akhir (20%)

Tugas akhir terdiri dari satu soal analisis yang diambil dari silabus. Nilai tugas akhir dapat diperoleh jika peserta berhasil menyelesaikan tugas akhir dengan baik.