Setiap hari, manusia memproduksi data dalam jumlah yang sangat besar, baik dari segi jumlah maupun ukurannya. Data tidak memberikan makna dan manfaat apa pun hingga diolah menjadi informasi dan pengetahuan. Hasil pengolahan ini dapat digunakan untuk memahami pola, memprediksi kecenderungan, dan mendukung pengambilan keputusan (Clissa et al., 2023). Proses pengolahan data menjadi pengetahuan ini disebut dengan istilah data mining (Han & Kamber, 2023). Oleh karena itu, pemahaman terhadap tahapan dan teknik data mining menjadi penting agar data dapat diolah menjadi pengetahuan yang relevan dan dapat digunakan.
Course ini membahas data mining menggunakan platform AI Studio RapidMiner berbasis framework idDS (integrated multidimensional Data Science) (Wahono, 2023). Framework idDS dikembangkan secara mandiri oleh BrainCorp melalui riset berkelanjutan serta pengalaman industri dalam pengolahan data. Materi mencakup konsep dan peran utama pada data mining, tahapan proses CRISP-DM (Witten et al., 2017), teknik data preprocessing seperti cleaning, transformation, reduction, dan integration (Bramer, 2020), serta penerapan algoritma utama meliputi klasifikasi, klasterisasi, asosiasi, dan estimasi/forecasting (Tan et al., 2019). Model pembelajaran dirancang aplikatif melalui kombinasi konsep, studi kasus, dan praktik langsung menggunakan AI Studio sehingga peserta memahami what, why, dan how data mining diterapkan untuk mengubah data menjadi pengetahuan yang dapat digunakan dalam konteks organisasi dan riset.
OBJECTIVES
1. Memahami konsep dan peran utama dalam Data Mining
2. Memahami tahapan-tahapan proses Data Mining
3. Mampu menyelesaikan studi kasus Data Mining sesuai proses standar cross-industry
AUDIENCE
1. Database Administrator
2. Data Analyst
3. Business Analyst
4. Researcher
5. Programmer
PREREQUISITES
Tidak ada training khusus yang dipersyaratkan
CONTENT
1. Pengantar Data Mining
1.1. Apa & Mengapa Data Mining
1.2. Peran Utama & Metode Data Mining
1.3. Sejarah & Penerapan Data Mining
2. Proses Data Mining
2.1. Proses & Tools Data Mining
2.2. Penerapan Proses Data Mining
2.3. Evaluasi Model Data Mining
2.4. Proses Data Mining berbasis CRISP-DM
3. Persiapan Data
3.1. Data Cleaning
3.2. Data Reduction
3.3. Data Transformation & Data Discretization
3.4. Data Integration
4. Algoritma Data Mining
4.1. Algoritma Klasifikasi
4.2. Algoritma Klastering
4.3. Algoritma Asosiasi
4.4. Algoritma Estimasi & Forecasting
5. Text Mining
5.1. Text Mining Concepts
5.2. Text Clustering
5.3. Text Classification
6. Research
6.1. Data Mining Research
6.2. Data Mining Laws
6.3. Data Mining Use Cases
Course Features
- Lectures 23
- Quizzes 2
- Duration 40 hours
- Skill level All levels
- Language Indonesia
- Students 228
- Certificate Yes
- Assessments Yes
Online
- Start Date 2 Februari 2026
- End Date 6 Februari 2026
- Cost Rp6,900,000
- Registered 0 Person
- Confirmed 0 Person Daftar
Offline
- Start Date 2 Februari 2026
- End Date 6 Februari 2026
- Cost Rp7,900,000
- Registered 0 Person
- Confirmed 0 Person Daftar
- 8 Sections
- 23 Lessons
- 40 Hours
- PERSIAPAN2
- 1. INTRODUCTION3
- 2. PROCESS4
- 3. DATA REPROCESSING4
- 4. ALGORITHM4
- 5. TEXT MINING3
- 6. RESEARCH3
- PENUTUPAN2
