RENCANA PROGRAM DAN KEGIATAN PEMBELAJARAN SEMESTER (RPKPS)

(lembar 1)

MATA KULIAH : Text Mining (TP) KODE MATA KULIAH

: TIF4112

SEMESTER : Genap SKS : 3

DOSEN/TEAM TEACHING

: Lailil MuflikhahIndriatiM.Ali Fauzi

Diskripsi Matakuliah :

Matakuliah ini secara prinsip menekankan tentang teknik-teknik yang perlu diketahui mahasiswa dalam mengelola kumpulan

dokumen teks dan atau web dalam skala cukup besar.Pengelolaan tidak hanya terkait tentang bagaimana mengatur penyimpanan, namun juga terkait dengan pemanfaatannya, antara lain untuk menunjang pencarian dokumen dengan menggunakan teknik information retrieval, penerapan konsep data mining pada kumpulan dokumen teks/web.

KOMPETENSI YANG DIHARAPKAN DICAPAI OLEH PESERTA (TIU DAN TIK)

Kompetensi MatakuliahSetelah mengikuti matakuliah ini, mahasiswa dapat memahamitentang:

1. Konsep umum text mining2. Algoritma data mining dasar3. Pembentukan vektor dokumen4. Supervised Method5. Unsupervised Method6. Information retrieval7. Information Ekstraktion8. Peringkasan Dokumen

PRASYARAT MATAKULIAH

1. Algoritma dan Struktur Data

PUSTAKA YANG DIGUNAKAN

1. Marmanis, H., Babenko, D. (2009). Algorithms of the intelligent web. Manning Publication Co.2. Grossman, D.A., Frieder, O. (2004). Information retrieval: Algorithms and Heuristics, 2nd edition. Springer.3. Konchady, M. (2006). Text mining application programming. Charles River Media.4. Liu, B. (2007). Web data mining: Exploring hyperlinks,contents, and usage data. Springer.5. Weiss, S. M., Indurkhya, N., Zhang, T., Damerau, F. J.(2005). Text mining: Predictive methods for analyzing unstructured information. Springer.6. Wittern, I.H., Frank, E. (2005). Data mining: Practical machine learning tools and techniquues. Elsevier Inc.

Organisasi Materi

Matakuliah: Text Mining

Pertemuan ke-

Materi Uraian Kegiatan

1 Intro Text Mining Origins of text mining,applications Kuliah 2 From Textual information to

Numerical Vectors Preprocessing,weighting,indexing Kuliah + Tugas

3 Information Retrieval (IR) & Text Mining (TM)

IR,TM, Search Engine Kuliah

4 Markov Models and POS Tagging Hidden Markov Models, Pos Tagger, Word Sense Disambiguation

Kuliah + Tugas

5 Information Extraction (IE) Name Entity Recognation, Regular Expression Kuliah + Tugas 6 Summarization Training a summarizer, Sentence Selection7 Mid Project Presentation Presentasi8 UTS9,10 Clustering Document Clustering methods, cluster evaluation Kuliah + Tugas

review jurnal11,12 Text Categorization Categorization Methods Kuliah +Tugas

Review jurnal13 Reduksi Dimensi and modeling

topicLSI Kuliah

14, 15 Text analytic , social media and Sentiment analysis Kuliah +Tugas

Biomedical Text Mining Review jurnal16 Project Presentation Presentasi

Evaluasi

UTS: Tulis, essay (25%)

UAS: Project (30%)

Quiz : 15%

Tugas: 30%