Satu tempat untuk belajar data mining dari dasar hingga penerapan pada bisnis digital: handbook lengkap dengan rumus dan perhitungan manual, lab interaktif untuk bereksperimen dengan algoritma, serta Python Learning Center dengan kode, dataset, dan latihan.
Setiap konsep dapat dipelajari melalui tiga cara yang saling melengkapi.
Materi dari dasar hingga lanjutan: konsep, rumus matematis, ilustrasi, contoh perhitungan manual, kelebihan dan kekurangan algoritma, serta referensi.
Coba algoritma langsung di browser: atur parameter, jalankan eksperimen, dan amati perubahan hasil analisis secara visual.
Kode Python yang dijelaskan per bagian, dataset yang dapat diunduh, output dan visualisasi, serta latihan modifikasi kode.
Kurikulum disusun runtut mengikuti alur kerja data mining pada kasus bisnis digital: e-commerce, churn, segmentasi, forecasting, dan analisis sentimen.
Pengertian data mining, KDD, CRISP-DM, sumber data, struktur data, jenis atribut, skala pengukuran, kualitas data, data understanding, dan data dictionary.
Data cleaning, transformasi, exploratory data analysis, statistik deskriptif, visualisasi, pivot table, agregasi, serta feature engineering dan feature selection.
Klasifikasi, regresi, clustering, association rule mining, reduksi dimensi (PCA), serta deteksi anomali lengkap dengan rumus, perhitungan manual, dan implementasi Python.
Market basket analysis, segmentasi RFM, prediksi churn, forecasting, time series, text mining, analisis sentimen, customer lifetime value, web analytics, dan fraud detection.
Lima V big data, data warehouse, data lake, ETL/ELT, batch dan stream processing, dasar Spark, machine learning pipeline, serta etika, privasi, dan tata kelola data.
Lima proyek bisnis digital end-to-end berbasis CRISP-DM: analisis transaksi e-commerce, prediksi churn, segmentasi pelanggan, prediksi penjualan dan persediaan, serta analisis sentimen ulasan produk.
Gunakan NIM Anda. Kata sandi awal sama dengan NIM dan wajib diganti saat login pertama.