2009/2010 Course Plan

IF-419 Kapita Selekta

Ivan Michael Siregar, MT. Herastia Maharani, ST.

DEPARTEMEN TEKNIK INFORMATIKA INSTITUT TEKNOLOGI HARAPAN BANGSA

2010

INSTITUT TEKNOLOGI HARAPAN BANGSA SEMESTER GENAP 2009/2010

(IF-419) Kapita Selekta

SASARAN KULIAH Memahami berbagai metoda dan algoritma lanjut dalam bidang teknologi informasi dan keinformatikaan. Terdiri dari beberapa topik informatika yang hangat saat ini, dan juta topik yang pernah/sering dilakukan dalam penelitian dalam bidang informatika. Melalui matakuliah ini mahasiswa diberi pencerahan dan dipersipakan untuk mengambil tugas akhir. MATERI KULIAH Data mining, Bayes Theorem & Bayesian Network, Sequential Pattern, Decision Tree, algoritma C4.5, Genetic Algorithm, Information retrieval, Kmeans, Fuzzy C Means, Sequential Pattern, Neural Network. DAFTAR PUSTAKA 1. Neapolitan, Richard E. Learning Bayesian Networks, Prentice Hall, 2004 2. Jensen, Finn V. (1996). Bayesian Network, British Library Cataloguing in

Publication Data 3. Han, Jia Wei, and Kamber, Micheline. Data Mining: Concepts and Techniques,

Morgan Kaufmann, 2006 4. Kusumadewi, Sri Artificial Intelligence: Teknik dan Aplikasinya, Penerbit Graha

Ilmu. Yogyakarta, 2003 5. Agusta Yudi, Kmeans – Penerapan, Permasalahan dan Metoda Terkait (paper) 6. Rakesh Agrawal, Mining Sequential Pattern, IBM Almaden Research Center 7. Muchow, J. Core J2ME Technology & MIDP, Sun Microsystems Press,

California, 2002 8. Siregar, Ivan Michael. Mengembangkan Aplikasi Chat Lewat GPRS Dengan

Netbeans 5.0, Gava Media, 2006 9. Sarwar, Badrul and Karypis, George. Item-based Collaborative Filtering

Recommendation Algorithms, 2001 (paper) 10. Sarwar, Badrul and Karypis, George. Analysis of Recommendation Algorithms

for E-Commerce (paper). EKSPEKTASI Setelah menyelesaikan matakuliah tersebut, mahasiswa akan memiliki pemahaman mendasar mengenai berbagai topik tingkat lanjut dalam bidang teknik informatika, terbiasa mencari bidang-bidang kajian dalam penelitian, mampu membuat tulisan ilmiah, dan lebih siap untuk menyelesaikan tugas akhir. TUGAS-TUGAS Untuk setiap topik diberikan tugas mandiri berupa pekerjaan rumah, dapat berupa soal-soal statistik, ekplorasi topik, perancangan dan pembuatan perangkat lunak sederhana. PRAKTIKUM Tidak ada praktikum LATIHAN SOAL Tidak ada latihan soal yang akan mempengaruhi bobot penilaian. Latihan soal diberikan seperlunya pada saat tatap muka di kelas, tanpa mempengaruhi bobot penilaian akhir.

SISTEM EVALUASI Quiz Setiap Topik : 50% PR, Tugas, Tulisan Ilmiah : 45% Kehadiran : 5%

MINGGU KE-

TOPIK

PERSIAPAN (bahan yang harus dibaca mahasiswa sebelum kuliah)

1

Algoritma Genetika Referensi 4

2

Algoritma Genetika Referensi 4

3

Neural Network Referensi 4

4

Neural Network Referensi 4

5

Mobile Application Referensi 7 Referensi 8

6

Information Gain Decision Tree

Referensi 3

7

Bayes Theorem Referensi 1

8

Bayesian Network Referensi 1

9 Bayesian Network Referensi 1

10 Sequential Pattern Referensi 6

11

Sequential Pattern Referensi 6

12

Kmeans Referensi 5

13 Recommender System Referensi 9 dan 10

14

Recommender System/Search engine Referensi 9 dan 10