REPUBLIKA.CO.ID, JAKARTA -- Fakultas Teknik dan Informatika (FTI) Universitas BSI (Bina Sarana Informatika) sukses menyelenggarakan pelatihan bertajuk “Data Mining Fruitful and Fun with Orange”. Pelatihan ini diadakan secara hybrid, dengan kegiatan luring di Ruang Laboratorium, Gedung Rektorat Universitas BSI, Kampus Kramat 98 dan secara daring, pada Rabu (11/9/2024).
Pelatihan ini bertujuan untuk meningkatkan kualitas penelitian dosen di bidang data mining dengan target akhir berupa publikasi pada jurnal ilmiah terakreditasi, baik nasional maupun internasional yang terindeks Scopus atau WoS.
Dalam sambutannya, Rachmat Adi Purnama, Dekan Fakultas Teknik dan Informatika (FTI), menekankan pentingnya pelatihan ini sebagai upaya peningkatan kompetensi dosen Universitas BSI.
"Pelatihan ini merupakan komitmen kami dalam mendukung kualitas dosen di Fakultas Teknik dan Informatika. Dengan menguasai data mining, kami berharap dosen dapat menghasilkan penelitian berkualitas yang layak dipublikasikan di jurnal ilmiah," ungkap Rachmat.
Pelatihan ini terdiri dari dua sesi utama yang membahas topik-topik esensial dalam data mining menggunakan platform Orange, alat analisis data yang dikenal dengan pendekatan visual dan intuitif. Sumanto, Kaprodi Informatika Universitas BSI hadir sebagai narasumber dalam pelatihan ini.
Pada sesi pertama, peserta diperkenalkan pada konsep dasar data mining, lingkungan kerja Orange, serta cara mengimpor dan mengelola dataset. Teknik preprocessing data juga dibahas, termasuk pembersihan, transformasi, dan reduksi dimensi. Peserta belajar mengeksplorasi data dan melakukan analisis deskriptif melalui visualisasi.
Sesi kedua berfokus pada model machine learning, mulai dari membangun model klasifikasi dan regresi hingga evaluasi performa model. Selain itu, peserta dikenalkan dengan metode clustering seperti k-means dan hierarchical clustering, serta analisis asosiasi melalui rule mining.
"Data mining adalah fondasi penting dalam analisis data. Dengan Orange, dosen dapat mengeksplorasi data secara praktis dan membangun model prediktif yang kuat. Harapannya, ilmu ini dapat diterapkan dalam penelitian yang mendalam," ujar Sumanto.