UNIVERSITAS BUMIGORA
FAKULTAS PROGRAM PASCA SARJANA
PROGRAM STUDI S2 ILMU KOMPUTER

RPS-18-IKKK320009
RENCANA PEMBELAJARAN SEMESTER
MATA KULIAH (MK) KODE Rumpun MK BOBOT (sks) SEMESTER Tanggal Penyusunan
Advanced Data Mining IKKK320009 Algorithmic Foundations (AL) T= 3 2 11 May 2026
Pengesahan Dosen Pengembang RPS Koordinator RMK Ka PRODI

Dr. Hairani, S.Kom., M.Eng.
Dr. Hairani, S.Kom., M.Eng.
Dr. Neny Sulistianingsih, M.Kom
Capaian Pembelajaran CPL-PRODI yang dibebankan pada MK
CPL01 Mampu menguasai dan mengembangkan konsep serta teori lanjutan di bidang sistem cerdas dan rekayasa perangkat lunak dan data secara mendalam dan sistematis
CPL02 Mampu merancang dan mengimplementasikan solusi teknologi berbasis AI dan data engineering untuk menyelesaikan permasalahan kompleks di berbagai sektor
Capaian Pembelajaran Mata Kuliah (CPMK)
CPMK016 Mampu mengembangkan solusi berdasarkan teknik advanced data mining
CPMK028 Mampu mengembangkan solusi data engineering menggunakan teknik advanced data mining untuk berbagai domain aplikasi
Kemampuan akhir tiap tahapan belajar (Sub-CPMK)
sub.cpmk.IKKK320009.CPMK016 .1 Mampu mengidentifikasi masalah kompleks yang dapat diselesaikan menggunakan pendekatan data mining
sub.cpmk.IKKK320009.CPMK016 .2 Mampu menerapkan algoritma data mining lanjutan seperti ensemble learning, deep association, atau anomaly detection
sub.cpmk.IKKK320009.CPMK016 .3 Mampu mengevaluasi performa dan efektivitas solusi data mining dengan metrik yang sesuai (precision, recall, AUC, dll)
sub.cpmk.IKKK320009.CPMK016 .4 Mampu menyusun pipeline analisis data mining mulai preprocessing, pemodelan, hingga deployment
sub.cpmk.IKKK320009.CPMK028 .1 Mampu merancang alur data enginering dari data ingestion, storage, processing hingga analitik berbasis data
sub.cpmk.IKKK320009.CPMK028 .2 Mampu menerapkan teknik data mining dalam arsitektur data pipeline menggunakan platform seperti Spark, Hadoop, atau Python-based frameworks
sub.cpmk.IKKK320009.CPMK028 .3 Mampu mengadaptasi solusi data mining ke berbagai domain seperti kesehatan, finansial, dan sosial dengan penyesuaian preprocessing dan interpretasi
sub.cpmk.IKKK320009.CPMK028 .4 Mampu menilai efisiensi dan skalabilitas solusi data mining pada lingkungan big data
Korelasi CPMK terhadap Sub-CPMK
CPMK016 sub.cpmk.IKKK320009.CPMK016 .1
sub.cpmk.IKKK320009.CPMK016 .2
sub.cpmk.IKKK320009.CPMK016 .3
sub.cpmk.IKKK320009.CPMK016 .4
CPMK028 sub.cpmk.IKKK320009.CPMK028 .1
sub.cpmk.IKKK320009.CPMK028 .2
sub.cpmk.IKKK320009.CPMK028 .3
sub.cpmk.IKKK320009.CPMK028 .4
Deskripsi Singkat MK Mata kuliah Advanced Data Mining dirancang untuk mahasiswa S2 Ilmu Komputer agar mampu menganalisis, mengevaluasi, dan mengimplementasikan teknik-teknik data mining lanjutan secara kritis, kolaboratif, dan profesional melalui studi literatur, eksperimen terhadap berbagai algoritma populer, serta penerapan pada kasus nyata di berbagai domain. Melalui perkuliahan ini, mahasiswa diharapkan mampu merancang solusi analitik berbasis kecerdasan buatan, melakukan proses validasi dan optimasi model secara sistematis.
Bahan Kajian : Materi Pembelajaran 1. Pengantar Data Mining Lanjut 2. Data Pra-pengolahan data Lanjutan 3. Metode Klasifikasi ( K-NN Lanjut, SVM, dan Random Forest) 4. Optimasi Metode (Ensemble Learning dan Tuning Hyperparameter) 5. Text Mining 6. Evaluasi Kinerja 7. Pipeline Data Mining 8. Proyek Pengembangan Model Data Mining
Pustaka Utama
  • 1. Larose, Daniel T.. 2014. .Discovering Knowledge in Data: an Introduction to data Mining Second Edition. Jhon Wiley & Sons: Hoboken.
  • 2. Han, Jiawei., Kamber, Micheline., Pei, Jian. 2012. Data Mining : Concepts and Techniques Third Edition, Morgan Kaufmann : United State
  • 3. Tan, Pang-Ning., Steinbach, Michael., Kumar, Vipin. 2018, Introduction to Data Mining Second Edition. Pearson Education: England
Pendukung
  • 4. Hairani, H., Anggrawan, A., & Priyanto, D. (2023b). Improvement Performance of the Random Forest Method on Unbalanced Diabetes Data Classification Using Smote-Tomek Link. International Journal on Informatics Visualization, 7(1), 258–264.
  • 5. Hairani, H., Widiyaningtyas, T., Prasetya, D. D., & Aminuddin, A. (2025). Addressing Imbalance in Health Datasets : A New Method NR-Clustering SMOTE and Distance Metric Modification. Computers, Materials and Continua, 82(2), 2931–2949. https://doi.org/10.32604/cmc.2024.060837
  • 6. Priyanto, D., Hairani, H., Marzuki, K., & Innuddin, M. (2025). Optimization of Random Forest for Health Data Classification Using PCA and K-Means SMOTE-ENN. Engineering, Technology & Applied Science Research, 15(5), 27646–27652. https://doi.org/10.48084/etasr.12976
Dosen Pengampu Dr. Hairani, S.Kom., M.Eng
Mata Kuliah Syarat -
Pertemuan Ke Kemampuan akhir tiap tahapan belajar (Sub-CPMK) Penilaian Bentuk Pembelajaran; Metode Pembelajaran; Penugasan Mahasiswa; Materi Pembelajaran Bobot Penilaian
Indikator Kriteria & Teknik Luring Daring
1 sub.cpmk.IKKK320009.CPMK016 .1-Mampu mengidentifikasi masalah kompleks yang dapat diselesaikan menggunakan pendekatan data mining Ketepatan dalam menjelaskan konsep data mining beserta metodologi yang digunakan. Kriteria
Ketepatan jawaban tugas sesuai perintah soal
Teknik
Latihan 		Kuliah,Ceramah Langsung,[C=75 Menit]
Diskusi,Proses Belajar,[PB=75 Menit]
 Topik

Sub Topik

 5
2 sub.cpmk.IKKK320009.CPMK028 .1-Mampu merancang alur data enginering dari data ingestion, storage, processing hingga analitik berbasis data Ketepatan dalam menganalisis dan menerapkan teknik pra-pengolahan data untuk menghasilkan data yang berkualitas. Kriteria
Ketepatan dalam menganalisis dan menerapkan teknik pra-pengolahan data untuk menghasilkan data yang berkualitas.
Teknik
Latihan menganalisis dan menerapkan teknik pra-pengolahan data sesuai kebutuhan untuk menghasilkan data yang berkualitas. 		Kuliah,Ceramah Langsung,[C=50 Menit]
Diskusi,Proses Belajar,[PB=50 Menit]
Penugasan,Kuis,[K=50 Menit]
 Topik
-
Sub Topik
-
 5
3
4
5 sub.cpmk.IKKK320009.CPMK028 .2-Mampu menerapkan teknik data mining dalam arsitektur data pipeline menggunakan platform seperti Spark, Hadoop, atau Python-based frameworks Ketepatan dalam menganalisis karakteristik data serta menerapkan metode klasifikasi yang sesuai untuk menghasilkan model yang akurat dan andal. Kriteria
Ketepatan dalam menganalisis karakteristik data serta menerapkan metode klasifikasi yang sesuai untuk menghasilkan model yang akurat dan andal.
Teknik
Latihan analisis karakteristik data serta penerapan metode klasifikasi yang sesuai untuk menghasilkan model yang tepat. 		Kuliah,Ceramah Langsung,[C=50 Menit]
Kuliah,Praktikum,[P=100 Menit]
 Topik
-
Sub Topik
-
 5
6
7
8 sub.cpmk.IKKK320009.CPMK028 .1-Mampu merancang alur data enginering dari data ingestion, storage, processing hingga analitik berbasis data sub.cpmk.IKKK320009.CPMK028 .2-Mampu menerapkan teknik data mining dalam arsitektur data pipeline menggunakan platform seperti Spark, Hadoop, atau Python-based frameworks Kriteria

Teknik
 Topik

Sub Topik

 20
9 sub.cpmk.IKKK320009.CPMK016 .2-Mampu menerapkan algoritma data mining lanjutan seperti ensemble learning, deep association, atau anomaly detection Ketepatan dalam menganalisis dan menerapkan teknik optimasi model untuk meningkatkan kinerja metode klasifikasi pada suatu dataset Kriteria
Ketepatan jawaban sesuai perintah soal
Teknik
Tatap Muka 		Kuliah,Ceramah Langsung,[C=100 Menit]
Praktikum,Praktikum,[P=50 Menit]
 Topik
Ensemble Learning (Boosting, Stacking, dan Voting) dan Tuning Hyperparamete
Sub Topik
-
 5
10
11 sub.cpmk.IKKK320009.CPMK028 .4-Mampu menilai efisiensi dan skalabilitas solusi data mining pada lingkungan big data Latihan analisis dan penerapan teknik text mining dalam pengolahan data social media. Kriteria
Ketepatan analisis dan penerapan teknik text mining dalam pengolahan data social media.
Teknik
- 		Kuliah,Ceramah Langsung,[C=150 Menit]
 Topik
Web dan Text Mining
Sub Topik
-
 5
12 sub.cpmk.IKKK320009.CPMK016 .3-Mampu mengevaluasi performa dan efektivitas solusi data mining dengan metrik yang sesuai (precision, recall, AUC, dll) Latihan analisis dan menerapkan evaluasi kinerja sesuai dengan tugas pada metode data mining. Kriteria
Ketepatan dalam menganalisis dan menerapkan evaluasi kinerja sesuai dengan tugas pada metode data mining.
Teknik
- 		Kuliah,Ceramah Langsung,[C=150 Menit]
 Pembimbingan,Project based Learning,[PjBL=50 Menit]
 Topik
Evaluasi Kinerja
Sub Topik
-
 5
13 sub.cpmk.IKKK320009.CPMK016 .4-Mampu menyusun pipeline analisis data mining mulai preprocessing, pemodelan, hingga deployment Mahasiswa dapat mengimplementasikan proyek AI dan mengatasi masalah teknis Kriteria
Kemampuan mahasiswa dalam menerapkan konsep/teori untuk menganalisis kasus nyata atau simulasi profesional.
Teknik
- 		Pembimbingan,Problem based Learning,[PBL=50 Menit]
 Topik
Proyek Akhir: Implementasi
Sub Topik
-
 5
14 sub.cpmk.IKKK320009.CPMK028 .3-Mampu mengadaptasi solusi data mining ke berbagai domain seperti kesehatan, finansial, dan sosial dengan penyesuaian preprocessing dan interpretasi Latihan pengembangan model data mining Kriteria
Ketepatan dalam pemilihan teknik pra pengolahan data dan teknik data mining yang tepat sesuai karakteristik datanya, serta kemampuan menganalisis dan menginterpretasikan hasilnya secara logis.
Teknik
- 		Penugasan,Project based Learning,[PjBL=150 Menit]
 Topik
Proyek Pengembangan Model Data Mining
Sub Topik
-
 15
15
16 sub.cpmk.IKKK320009.CPMK016 .2-Mampu menerapkan algoritma data mining lanjutan seperti ensemble learning, deep association, atau anomaly detection sub.cpmk.IKKK320009.CPMK016 .3-Mampu mengevaluasi performa dan efektivitas solusi data mining dengan metrik yang sesuai (precision, recall, AUC, dll) sub.cpmk.IKKK320009.CPMK016 .4-Mampu menyusun pipeline analisis data mining mulai preprocessing, pemodelan, hingga deployment UJIAN AKHIR SEMESTER (UAS) Kriteria
Kesesuaian output isi presentasi sesuai ketentuan
Teknik
- 		Ujian terjadwal,Project based Learning,[PjBL=150 Menit]
 Topik
UJIAN AKHIR SEMESTER (UAS)
Sub Topik
-
 30

Teknik Penilaian CPMK

CPL MK CPMK Tugas teori (individu) Unjuk Kerja (Presentasi) Tes Tulis (UTS) Tes Tulis (UAS) Partisipasi
CPL01 Advanced Data Mining CPMK016 Y Y Y Y
CPL02 Advanced Data Mining CPMK028 Y Y

Prosedur Penilaian CPMK

1. Komponen Penilaian CPMK
CPL CPMK Sub-CPMK Detail Penugasan (Teknik Penilaian) Bobot % Kriteria Penilaian
CPL01 CPMK016 sub.cpmk.IKKK320009.CPMK016 .1 Latihan 5 Ketepatan jawaban tugas sesuai perintah soal
CPL02 CPMK028 sub.cpmk.IKKK320009.CPMK028 .1 Latihan menganalisis dan menerapkan teknik pra-pengolahan data sesuai kebutuhan untuk menghasilkan data yang berkualitas. 5 Ketepatan dalam menganalisis dan menerapkan teknik pra-pengolahan data untuk menghasilkan data yang berkualitas.
CPL02 CPMK028 sub.cpmk.IKKK320009.CPMK028 .2 Latihan analisis karakteristik data serta penerapan metode klasifikasi yang sesuai untuk menghasilkan model yang tepat. 5 Ketepatan dalam menganalisis karakteristik data serta menerapkan metode klasifikasi yang sesuai untuk menghasilkan model yang akurat dan andal.
CPL02 CPMK028 sub.cpmk.IKKK320009.CPMK028 .1, sub.cpmk.IKKK320009.CPMK028 .2 20
CPL02 CPMK028 sub.cpmk.IKKK320009.CPMK016 .2 Tatap Muka 5 Ketepatan jawaban sesuai perintah soal
CPL01 CPMK016 sub.cpmk.IKKK320009.CPMK028 .4 - 5 Ketepatan analisis dan penerapan teknik text mining dalam pengolahan data social media.
CPL01 CPMK016 sub.cpmk.IKKK320009.CPMK016 .3 - 5 Ketepatan dalam menganalisis dan menerapkan evaluasi kinerja sesuai dengan tugas pada metode data mining.
CPL01 CPMK016 sub.cpmk.IKKK320009.CPMK016 .4 - 5 Kemampuan mahasiswa dalam menerapkan konsep/teori untuk menganalisis kasus nyata atau simulasi profesional.
CPL01 CPMK016 sub.cpmk.IKKK320009.CPMK028 .3 - 15 Ketepatan dalam pemilihan teknik pra pengolahan data dan teknik data mining yang tepat sesuai karakteristik datanya, serta kemampuan menganalisis dan menginterpretasikan hasilnya secara logis.
CPL01 CPMK016 sub.cpmk.IKKK320009.CPMK016 .2, sub.cpmk.IKKK320009.CPMK016 .3, sub.cpmk.IKKK320009.CPMK016 .4 - 30 Kesesuaian output isi presentasi sesuai ketentuan
Total 100
2. Penilaian CPMK
CPL MK CPMK Tugas teori (individu) Unjuk Kerja (Presentasi) Tes Tulis (UTS) Tes Tulis (UAS) Partisipasi Total
CPL01 Advanced Data Mining CPMK016 15% 15% 0% 30% 5% 65%
CPL02 Advanced Data Mining CPMK028 15% 0% 20% 0% 0% 35%
100%